akhaliq 把 Pika 官方的 Pika-H3-Flex 风格适配器,和 MiniMax-H3 的少步蒸馏 LoRA(lightx2v Turbo、pDMD 2 步)按层拼接成单个标准 LoRA:放进普通的 MiniMax-H3 流程,就能用 2、4 或 8 步出带音频的视频,不用自定义节点或改模型。Pika-H3-Flex 本身 10 月 30 日已收录,这个合成版此前各期没有收录。
上升分 78 · 点赞 78 · 下载量 28961
理由
- 作者测得(848×480、121 帧带立体声、CFG 1):H200 上 Pika 官方适配器 6 步每段 5 秒视频约 60 秒,这个 LoRA 4 步约 40 秒、2 步草稿约 25 秒;A100 上是 109.3 秒对 66.0 秒。提速全部来自步数减少,单步耗时不变。
- 做法是秩拼接,作者称和同时加载两个 LoRA 在数值上等价(每层相对误差在 1e-7 量级),不是近似合并;Flex 风格强度固定为 0.5(2 / 4 步)和 0.6(8 步 HD)。
- 共七个文件,分 FL2VA(普通文生 / 图生)和 Ref2VA(多参考)两类;另有秩 32 的轻量版,0.31 GB,作者称保留 96.1% 的谱能量。仓库里附对比视频和复现脚本。
用法
- ComfyUI:按流程选文件放进 models/loras(普通文生 / 图生用 fl2va,参考图流程用 ref2va),在 MiniMax-H3 工作流里加 LoraLoaderModelOnly,强度 1.0。
- 采样:步数和文件对应(2、4 或 8 步),CFG 1.0,采样器 euler / lcm / res_multistep,调度器 simple;视频 shift 用 6.0(FL2VA)或 12.0(Ref2VA),音频 shift 3.0。
- 先用 2 步版定构图和动作,定稿再用 4 步或 8 步出片;Diffusers 里也能当普通 LoRA 加载。
风险
- 个人合成,不是 Pika 或 MiniMax 官方版本;速度和画面对比都是作者自己做的,主要展示用的是社区合并模型 Singularity,不是原版 H3。本栏目没有看过对比视频。
- 作者提醒:少于约 6 步时音频会变差,2 步最明显;2 步版偶尔整段失败,只适合打草稿;快速动作是少步模型的弱项。不要在 2 / 4 步版上再叠强度高的风格或动作 LoRA。
- 许可沿用 MiniMax H3 社区许可(MiniMax-H3 的衍生模型),商用前要看原条款;标准版每个文件 3.9 GB。