akhaliq氏は、Pika公式のPika-H3-Flexスタイルアダプターと、MiniMax-H3の少ステップ蒸留LoRA（lightx2v Turbo、pDMD 2ステップ）をレイヤーごとに結合し、単一の標準LoRAとして作成しました。通常のMiniMax-H3ワークフローに組み込むだけで、カスタムノードやモデルの変更なしに、2、4、または8ステップで音声付き動画を生成できます。Pika-H3-Flex自体は10月30日にすでに収録済みですが、この統合版はこれまでどの回でも収録されていません。
上昇スコア 78 · いいね 78 · ダウンロード数 28961
理由
- 作者のテスト結果（848×480、121フレーム、ステレオ音声付き、CFG 1）：H200では、Pika公式アダプターで6ステップの場合、5秒の動画生成に約60秒かかりますが、このLoRAでは4ステップで約40秒、2ステップのドラフトでは約25秒です。A100では109.3秒対66.0秒です。高速化はすべてステップ数の削減によるもので、1ステップあたりの処理時間は変わりません。
- 手法はランク結合であり、作者によれば、2つのLoRAを同時に読み込むのと数値的に等価（各レイヤーの相対誤差は1e-7オーダー）で、近似マージではありません。Flexスタイルの強度は、0.5（2 / 4ステップ）と0.6（8ステップ HD）に固定されています。
- 合計7つのファイルがあり、FL2VA（通常のテキスト生成/画像生成）とRef2VA（複数参照）の2種類に分かれています。さらに、ランク32の軽量版もあり、サイズは0.31 GBで、作者によれば96.1%のスペクトルエネルギーを保持しています。リポジトリには比較動画と再現スクリプトが含まれています。
使い方
- ComfyUI：ワークフローに応じてファイルを選択し、models/lorasに配置します（通常のテキスト生成/画像生成にはfl2va、参照画像ワークフローにはref2vaを使用）。MiniMax-H3ワークフローにLoraLoaderModelOnlyを追加し、強度を1.0に設定します。
- サンプリング：ステップ数はファイルに対応させます（2、4、または8ステップ）。CFGは1.0、サンプラーはeuler / lcm / res_multistep、スケジューラーはsimpleを使用します。動画のshiftは6.0（FL2VA）または12.0（Ref2VA）、音声のshiftは3.0に設定します。
- まず2ステップ版で構図と動きを決め、確定後に4ステップまたは8ステップで最終出力を作成します。Diffusersでも通常のLoRAとして読み込めます。
リスク
- 個人による統合であり、PikaまたはMiniMaxの公式バージョンではありません。速度と画質の比較もすべて作者自身が行ったもので、主なデモにはコミュニティ統合モデルのSingularityが使用されており、原版のH3ではありません。本コーナーでは比較動画を確認していません。
- 作者からの注意：約6ステップ未満では音声品質が低下し、2ステップで最も顕著です。2ステップ版は時々全体が失敗するため、ドラフト用途のみに向いています。高速な動きは少ステップモデルの弱点です。2 / 4ステップ版に、強度の高いスタイルや動きのLoRAを重ねないでください。
- ライセンスはMiniMax H3コミュニティライセンス（MiniMax-H3の派生モデル）を継承しています。商用利用前には元の条件を確認してください。標準版の各ファイルサイズは3.9 GBです。