Titre original : akhaliq/minimax-h3-image-pdmd-2step
Les auteurs de la communauté ont préparé le LoRA en 2 étapes (rang 128, couvrant les couches d'attention et de feed-forward des 50 blocs) issu de l'article pDMD (arXiv 2609.35768) pour MiniMax-H3-Image : le modèle original, distillé selon un planning fixe de 6 étapes, ne convergeait pas encore en 2 étapes ; après intégration de ce LoRA, 2 passes de débruitage suffisent à générer une image complète à la résolution native de 4096×4096. Le dépôt fournit quatre fichiers : un LoRA avec les clés diffusers, un LoRA avec les clés ComfyUI, un point de contrôle unique ComfyUI de 40 Go avec le LoRA déjà fusionné, ainsi que le transformeur officiel converti au format diffusers. Les auteurs rapportent qu'une seule H200 met environ 25.1 secondes pour la version originale en 6 étapes à 4096×4096, et environ 17.4 secondes en 2 étapes.
Pourquoi c'est important Le modèle original est fixé à 6 étapes et ne peut pas être réduit ; avec deux étapes, on peut générer des aperçus pendant la saisie, changer de graine et modifier les prompts plus rapidement. Trois workflows ComfyUI sont également fournis.
Score de montée 47 · J'aime 47 · Téléchargements 17989
Raisons
- Deux options pour ComfyUI : utiliser directement le point de contrôle en fichier unique (sans nœud LoRA), ou ajouter un LoRA de 2 Go au paquet officiel Comfy-Org, avec une force fixe de 1.0 ; l'auteur affirme avoir vérifié la compatibilité sur la dernière version de ComfyUI, avec toutes les clés de nommage correspondantes.
- Un flux de travail d'amélioration des détails est inclus : ébauche en 2 étapes à demi-résolution → agrandissement pixel → réencodage → rééchantillonnage en 3 étapes. Un bruit initial entre 0.4 et 0.55 préserve la composition, tandis qu'une valeur de 0.7 offre plus de détails mais peut entraîner une dérive.
- L'espace de démonstration akhaliq/minimax-h3-image-2step permet de visualiser un aperçu en temps réel d'environ 1 MP pendant la saisie.
Utilisation
- ComfyUI : placez minimax_h3_image_pdmd_2step_bf16.safetensors dans models/diffusion_models. Utilisez l'encodeur de texte et le VAE de Comfy-Org/MiniMax-H3-Image. Définissez shift_video sur 12 dans MiniMaxH3SigmaShift, utilisez l'échantillonneur euler, le plan simple et 2 étapes ; ou glissez-déposez directement les workflows prêts à l'emploi depuis le dossier workflows/ du dépôt.
- diffusers : le fichier lora_model_0.safetensors peut être fusionné dans MiniMaxH3Transformer3DModel. Utilisez scheduler.set_shift(12.0) et set_timesteps(3). Le CFG et les prompts négatifs ne sont pas nécessaires.
Risques
- Le LoRA lui-même est sous licence Apache-2.0, mais le contenu généré reste soumis à la licence communautaire de MiniMax-H3-Image (qui inclut des clauses régionales et d'attribution).
- Les images d'exemple ont été rendues dans le pipeline P-H3-Image ; l'auteur indique ne pas avoir encore testé si les clés de nommage du pipeline officiel MiniMax-H3-Image récemment intégré dans diffusers sont compatibles avec ce LoRA.
- Les points de contrôle quantifiés int8_convrot / w4a8 ne peuvent pas être pré-fusionnés et nécessitent l'utilisation d'un nœud LoRA ; cette option n'a pas été exécutée.