xmarre/ComfyUI-Spectrum-MiniMax-H3

解决的问题

本项目提供了 Spectrum 的原生 ComfyUI 实现，Spectrum 是一种无需训练的方法，旨在加速 MiniMax H3 音频-视频模型的采样过程。通过减少生成媒体所需的昂贵 Transformer 评估次数，从而在无需额外训练的情况下加快生成速度。

工作原理

Spectrum 将去噪器特征视为扩散时间的函数，并使用切比雪夫多项式基底对其进行近似。它使用岭回归在线拟合这些系数，从而实现对未来特征状态的预测。

在典型的生成工作流中，Spectrum 会在「实际」步骤（原生 MiniMax H3 Transformer 正常运行）和「预测」步骤之间交替进行。在预测步骤中，模型会根据之前的实际锚点预测目标隐藏状态，并跳过昂贵的 Transformer 模块，但仍会运行原生输出和采样路径。这是一种近似加速器，因此输出可能与原生 H3 运行略有不同。

适用人群

使用 ComfyUI 通过 MiniMax H3 模型生成音视频内容，并希望减少采样时间和计算成本的用户。

特色亮点

• 无需训练加速：无需模型权重更新即可加速 MiniMax H3。
• 广泛采样器支持：兼容多种采样器，包括 Euler、ER-SDE、SEEDS-2/3 和 SA-Solver PEC/PECE。
• 与 H3 生态系统集成：可与 RefDelta Solver、ComfyUI-Untwisting-RoPE、H3 Continuum 等其他 H3 专用工具协同工作。
• 灵活的预测策略：提供不同的预测策略（如 balanced 或 max_speed），以平衡速度与质量。
• 状态条件残差：对于 SEEDS 等随机采样器，仅预测 Transformer 残差以保持噪声过程的完整性。