ModelTC/Minimax-H3-Turbo

解決的問題

本專案提供針對 MiniMax-H3 模型優化過的 LoRA 檢查點，以實現更快的影片與音訊生成。它減少產生高品質結果所需的推論步數（NFE），有效「加速」文字轉影片、圖片轉影片以及參考圖轉影片的任務生成流程。

工作原理

使用 4 到 8 步的蒸餾 LoRA 檢查點，讓模型能大幅減少 Transformer 評估次數來生成內容。本專案支援多種任務：

• T2VA/FL2VA：文字轉影片與音訊，或首幀轉影片與音訊。
• Ref2VA：參考圖轉影片與音訊。

包含針對參考圖像的特定縮放策略（match、max、diffusers），以確保輸入與訓練時的解析度和長寬比相符，進而維持視覺一致性。

適用對象

• 使用 MiniMax-H3 進行影片生成的 AI 藝術家與開發者。
• 使用 Diffusers 套件或 ComfyUI 且希望在不犧牲太多品質的前提下縮短推論時間的使用者。

主要亮點

• 快速推論：提供 4 步與 8 步的加速模型，加快生成速度。
• 彈性整合：提供適用於 Diffusers 與 ComfyUI 的檢查點與工作流程。
• 多任務支援：支援文字轉影片、圖片轉影片以及參考式影片生成，並附帶音訊。
• 解析度選項：包含在不同解析度（如 544p 和 768p）下訓練的模型。