Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Kak ya generiroval zhivoe video s pomoschyu minimax h3 na odnom gpu
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Как я генерировал живое видео с помощью MiniMax H3 на одном GPU

Источник: Comfy Org•8 октября 2026 г. в 19:24

Как я генерировал живое видео с помощью MiniMax H3 на одном GPU

Может ли MiniMax H3 поддерживать воспроизведение видео на одном GPU, создавая при этом ролики, достойные просмотра? ComfyStreamerH3 — моя попытка это выяснить.

Живое видео стало главной темой в AI-сообществе Twitter в последнее время. От модели H3 Max, обученной постом Fal, которая в прошлом месяце конкурировала по качеству и возглавила чарты, до модели FastH3, оптимизированной по стоимости. Видеомодели прошли долгий путь с тех пор, как люди шутили, что ИИ-модели не могут анимировать Уилла Смита, поедающего спагетти!

Как бы ни впечатляли эти недавние модели, существует проблема. И эта проблема — стоимость. Запуск этих моделей в непрерывном режиме может стоить более 6 тысяч долларов в день! Это делает данные модели совершенно непригодными для обычного пользователя.

Поэтому я задался вопросом: насколько далеко можно продвинуть эти модели? Что, если заставить агента искать в интернете каждую оптимизацию, каждое ускорение, каждую экономию средств и, безусловно, каждый «грязный хак», который жертвовал качеством ради скорости? А что, если собрать всё это в один кастомный узел Comfy, работающий на одном потребительском GPU? Мои требования были следующими:

  • Оборудование: одна RTX 5090 с 32 ГБ видеопамяти

Оборудование: одна RTX 5090 с 32 ГБ видеопамяти

  • Скорость: генерация 15 секунд видео за 15 секунд или быстрее

Скорость: генерация 15 секунд видео за 15 секунд или быстрее

  • Разрешение: 448×256

Разрешение: 448×256

  • Качество: сохранить смотрибельность, даже если у клипов есть шероховатости

Качество: сохранить смотрибельность, даже если у клипов есть шероховатости

RTX 5090 была полезной целью: некоторые высококлассные игровые ПК оснащены ею, а аренду можно найти примерно за 70 центов в час на самом дешевом сегменте рынка.

Аниме

Стилизованное 3D

Акварель

У клипов явно есть некоторые шероховатости и артефакты. Но это совсем не ужасный результат для одного GPU, который можно арендовать менее чем за 70 центов в час!

Но хватит разговоров, давайте перейдем к деталям. Обычных зрителей предупреждаю: я даже сам не всё понимаю, так как это просто то, что мой агент смог извлечь из других проектов. Слава Astra Codex!

Я использовал в четырехэтапной настройке. Для сравнения, FastVideo Preview V1 сгенерировал 15-секундный клип в разрешении 1344×768 за 47,2 секунды на одном B200 (подсказка: это гораздо более дорогой GPU).

Вот что мы оптимизировали для запуска рабочего процесса на одной RTX 5090:

  • Четыре шага сэмплирования. Каждый шаг — это еще один раунд работы модели по уточнению видео. Использование четырех шагов означает меньше работы для каждого клипа.

Четыре шага сэмплирования. Каждый шаг — это еще один раунд работы модели по уточнению видео. Использование четырех шагов означает меньше работы для каждого клипа.

  • Разреженное внимание (Sparse attention). Внимание позволяет частям видео обмениваться информацией по мере генерации. VSA фокусирует полное внимание на выбранных 20% блоков видео — пропуская около 80% — при этом сохраняя промпт.

Разреженное внимание (Sparse attention). Внимание позволяет частям видео обмениваться информацией по мере генерации. VSA фокусирует полное внимание на выбранных 20% блоков видео — пропуская около 80% — при этом сохраняя промпт.

  • Текстовый энкодер меньшего размера. Энкодер превращает ваш промпт в информацию, которую может использовать H3. NicoLab28’s ClipProj адаптирует Qwen3-VL-4B для замены 32B-энкодера H3: он использует около 4,5 ГБ вместо 15,7 ГБ.

Текстовый энкодер меньшего размера. Энкодер превращает ваш промпт в информацию, которую может использовать H3. адаптирует Qwen3-VL-4B для замены 32B-энкодера H3: он использует около 4,5 ГБ вместо 15,7 ГБ.

  • Чекпоинт меньшего размера. FastVideo’s pruned INT8 checkpoint сочетает прунинг (удаление выбранных весов) с хранением INT8 (8-битные числа), уменьшая объем видеопамяти, необходимый модели.

Чекпоинт меньшего размера. сочетает прунинг (удаление выбранных весов) с хранением INT8 (8-битные числа), уменьшая объем видеопамяти, необходимый модели.

  • Объединенный FP4 MLP. MLP обрабатывает множество повторяющихся вычислений модели. Использование 4-битной математики для этой части и объединение операций означает меньше памяти для весов и меньше промежуточных результатов для перемещения; это основано на ByronLeeeee’s H3 optimizations.

Объединенный FP4 MLP. MLP обрабатывает множество повторяющихся вычислений модели. Использование 4-битной математики для этой части и объединение операций означает меньше памяти для весов и меньше промежуточных результатов для перемещения; это основано на .

  • Декодирование и кодирование вместе. Kijai’s INT8 H3 video decoder перестраивает видео по тайлам. NVENC начинает записывать каждый готовый тайл, пока декодер готовит следующий, поэтому шаги перекрываются. Рабочий процесс сохраняет только последний кадр для следующей задачи, вместо кэширования каждого декодированного кадра.

Декодирование и кодирование вместе. перестраивает видео по тайлам. NVENC начинает записывать каждый готовый тайл, пока декодер готовит следующий, поэтому шаги перекрываются. Рабочий процесс сохраняет только последний кадр для следующей задачи, вместо кэширования каждого декодированного кадра.

Эти оптимизации улучшили как скорость, так и использование памяти, снизив требования к VRAM с 80 ГБ до менее чем 30 ГБ, что безопасно укладывается в 32 ГБ видеопамяти RTX 5090.

Если вы хотите протестировать результаты самостоятельно, кастомный узел Comfy выпущен с открытым исходным кодом здесь: https://github.com/Comfy-Org/comfystreamerh3

Кроме того, вы можете арендовать GPU на платформе Comfy Developer Platform.

Comfy API управляет хостингом GPU, моделями и зависимостями, поэтому ваше приложение может запрашивать видео, не имея собственного GPU. Вы можете следовать инструкциям в файле readme here, чтобы зарегистрироваться и развернуть эту демо-версию в Comfy API.

Очевидно, что есть значительный потенциал для улучшения детализации изображения, согласованности и разрешения этих видео. Но то, что H3 генерирует хотя бы частично разборчивое видео в реальном времени на одной RTX 5090, показывает, как далеко можно продвинуть эти модели на переднем крае живого видео на одном GPU. Следующим шагом было бы пропустить каждый клип через оптимизированную по стоимости модель апскейлинга видео, такую как недавно выпущенная SolRefinery: то есть генерировать быстрые начальные видео в разрешении 448 × 256, а затем дешево масштабировать их до более высокого разрешения. Мое предварительное тестирование с этой моделью показывает увеличение плотности пикселей в 7 раз при использовании всего в 3 раза большего количества GPU. Так что, учитывая возможность будущих оптимизаций, мы можем получить экономически эффективное, полупригодное живое видео раньше, чем вы думаете!

Нет публикаций

← Все статьи

О чём эта статья

Ещё в разделе «Разработка ПО»

Все →
Новинка! Создавайте профессиональные интерактивные презентации с помощью интеграции Kahoot! 360 и Canva
Kahoot

Новинка! Создавайте профессиональные интерактивные презентации с помощью интеграции Kahoot! 360 и Canva

Превратите свои презентации Canva в интерактивные уроки и учебные сессии на Kahoot!
Kahoot

Превратите свои презентации Canva в интерактивные уроки и учебные сессии на Kahoot!

Превратите презентации Canva в интерактивные уроки и учебные сессии Kahoot!
Kahoot

Превратите презентации Canva в интерактивные уроки и учебные сессии Kahoot!

Новая функция! Интеграция Kahoot! 360 и Canva упрощает создание интерактивных презентаций для работы
Kahoot

Новая функция! Интеграция Kahoot! 360 и Canva упрощает создание интерактивных презентаций для работы

Превращайте презентации Canva в интерактивные уроки и учебные сессии в Kahoot!
Kahoot

Превращайте презентации Canva в интерактивные уроки и учебные сессии в Kahoot!

Новинка! Легко создавайте интерактивные и профессиональные презентации с помощью интеграции Kahoot! 360 с Canva
Kahoot

Новинка! Легко создавайте интерактивные и профессиональные презентации с помощью интеграции Kahoot! 360 с Canva

Ещё от Comfy Org

Ваш собственный ComfyUI теперь в Comfy Cloud
Comfy Org

Ваш собственный ComfyUI теперь в Comfy Cloud

Удвоение скорости генерации токенов LLM в ComfyUI
Comfy Org

Удвоение скорости генерации токенов LLM в ComfyUI

Модель MiniMax H3 Image теперь доступна в ComfyUI
Comfy Org

Модель MiniMax H3 Image теперь доступна в ComfyUI

Мелочи, появившиеся в октябре
Comfy Org

Мелочи, появившиеся в октябре

FLUX 3 Image Klein в ComfyUI: 5,6 млрд параметров с открытыми весами
Comfy Org

FLUX 3 Image Klein в ComfyUI: 5,6 млрд параметров с открытыми весами

Узлы Nvidia VFX для апскейлинга видео, генерации кадров и конвертации SDR в HDR для профессионалов в сфере визуальных эффектов
Comfy Org

Узлы Nvidia VFX для апскейлинга видео, генерации кадров и конвертации SDR в HDR для профессионалов в сфере визуальных эффектов