Tên gốc: akhaliq/minimax-h3-image-pdmd-2step
Tác giả cộng đồng đã chuẩn bị LoRA 2 bước (hạng 128, bao phủ các lớp attention và feed-forward của toàn bộ 50 khối) được công bố trong bài báo pDMD (arXiv 2609.35768) để sử dụng cho MiniMax-H3-Image: mô hình gốc đã được chưng cất theo lịch trình cố định 6 bước, ở 2 bước thì hình ảnh chưa hội tụ, nhưng sau khi tích hợp LoRA này, chỉ cần 2 lần khử nhiễu là có thể tạo ra hình ảnh hoàn chỉnh với độ phân giải gốc 4096×4096. Kho lưu trữ cung cấp bốn loại tệp: LoRA với tên khóa theo diffusers, LoRA với tên khóa theo ComfyUI, điểm kiểm tra (checkpoint) đơn lẻ cho ComfyUI dung lượng 40GB đã tích hợp sẵn LoRA, và transformer chính thức được chuyển đổi sang định dạng diffusers. Tác giả cho biết trên một card H200, việc tạo ảnh ở độ phân giải 4096×4096 với mô hình gốc dùng 6 bước mất khoảng 25.1 giây, còn dùng 2 bước chỉ mất khoảng 17.4 giây.
Tại sao quan trọng Mô hình gốc cố định 6 bước và không thể giảm xuống; phương pháp hai bước cho phép xem trước ảnh ngay khi đang gõ, việc đổi seed hay chỉnh sửa prompt trở nên nhanh hơn, đồng thời kèm theo ba quy trình làm việc (workflow) cho ComfyUI
Điểm tăng thêm 47 · Lượt thích 47 · Lượt tải xuống 17989
Lý do
- Hai cách sử dụng với ComfyUI: tải trực tiếp điểm kiểm tra đơn lẻ (không cần nút LoRA), hoặc thêm LoRA dung lượng 2GB vào gói chính thức của Comfy-Org, cường độ cố định là 1.0; tác giả cho biết đã xác minh trên phiên bản ComfyUI mới nhất và tất cả tên khóa đều khớp
- Kèm theo quy trình tăng cường chi tiết: phác thảo ở nửa kích thước với 2 bước → phóng to pixel → mã hóa lại (re-encode) → lấy mẫu lại (resample) với 3 bước, mức nhiễu khởi tạo từ 0.4–0.55 giúp giữ nguyên bố cục, còn mức 0.7 cho nhiều chi tiết hơn nhưng có thể gây lệch hình
- Không gian demo akhaliq/minimax-h3-image-2step cho phép xem trước thời gian thực khoảng 1MP ngay khi đang nhập
Cách dùng
- ComfyUI: đặt tệp minimax_h3_image_pdmd_2step_bf16.safetensors vào thư mục models/diffusion_models, sử dụng bộ mã hóa văn bản và VAE từ Comfy-Org/MiniMax-H3-Image; trong MiniMaxH3SigmaShift, đặt shift_video thành 12, chọn sampler là euler, scheduler là simple, steps là 2; hoặc kéo thả trực tiếp các workflow có sẵn trong thư mục workflows/ của kho lưu trữ
- diffusers: tệp lora_model_0.safetensors có thể được tích hợp vào MiniMaxH3Transformer3DModel, gọi scheduler.set_shift(12.0) và set_timesteps(3), không cần dùng CFG hay prompt phủ định (negative prompt)
Rủi ro
- Bản thân LoRA được cấp phép Apache-2.0, nhưng nội dung tạo ra vẫn chịu ràng buộc bởi giấy phép cộng đồng của MiniMax-H3-Image (có các điều khoản về khu vực địa lý và ghi công)
- Các hình ảnh ví dụ được render trong pipeline của P-H3-Image; liệu pipeline MiniMax-H3-Image chính thức mới được tích hợp vào diffusers có khớp tên khóa với LoRA này hay không thì tác giả cho biết vẫn chưa kiểm tra
- Các điểm kiểm tra lượng hóa int8_convrot / w4a8 không thể tích hợp trước (pre-merge), chỉ có thể sử dụng qua nút LoRA; mục này chưa được chạy thử