MiniMax H3を高速化できるLoRAがリリースされたので試してみました。
既存の高速化手法と異なり、モデルやノードの差し替えなど少し準備が必要です。
この記事では専用のカスタムノード導入から生成結果まで紹介します。
MiniMax-H3-Turbo-Loraとは？
MiniMax-H3-Turbo-Loraは、MiniMax H3の生成ステップを減らすための高速化LoRAです。
最小で4ステップ生成が可能ですが、クオリティによって調整は必要とのこと。
単純計算でおよそ5倍速になり、映像と音声（32kHzステレオ）を同時に生成するMiniMax H3の性質はそのままのようです。
ただし作者さんが「早期のプロトタイプで学習途中のチェックポイント」と明記していて、品質は完成品ではありません。
本家のLoRAは非pruned版のモデル向けですが、有志の方がpruned版のモデル向けに変換したLoRAも配布されています。
主な特徴
- MiniMax H3の生成を約20ステップから4ステップに減らす高速化LoRA
- ベースは Comfy-Org/MiniMax-H3
- 映像と音声（32kHzステレオ）を同時に生成
- 重みはbf16で1ファイルおよそ780MB
- 学習途中の早期チェックポイントで品質は発展途上
- 非pruned版で使う場合は専用のカスタムノード ComfyUI-MiniMax-H3-Turbo が必要
- ライセンスはApache-2.0
必要なもの
まずComfyUIが必要です。
インストールがまだの方はこちらを参考にしてみてください。
MiniMax H3についてはMiniMax H3の使い方で紹介しています。
ベースモデルとLoRAの組み合わせ
pruned版・非pruned版で使用するLoRAや設定が異なります。
今回非pruned版はminimax_h3_fl2va_int8_convrot、pruned版はminimax_h3_fl2va_pruned_int8_convrotで試しました。
| 非pruned版 | pruned版 | 配置先 | |
|---|---|---|---|
| ベースモデル | minimax_h3_fl2va_int8_convrot.safetensors | minimax_h3_fl2va_pruned_int8_convrot.safetensors | ComfyUI\models\diffusion_models |
| LoRA | minimax_h3_turbo_4step_ckpt500.safetensors | minimax_h3_turbo_4step_ckpt500_pruned_comfyui.safetensors | ComfyUI\models\loras |
非pruned版の使い方
カスタムノードのインストール
専用のカスタムノード ComfyUI-MiniMax-H3-Turbo が必要です。
ComfyUI-Managerからインストールする場合は、Custom Nodes Managerで「MiniMax-H3 Turbo」を検索してください。
手動で入れる場合は、custom_nodes でクローンします。
cd ComfyUI\custom_nodes
git clone https://github.com/Larryvrh/ComfyUI-MiniMax-H3-Turbo入れ終わったらComfyUIを再起動します。
ワークフローの変更
公式のMiniMax H3（i2v）のワークフローを土台にして、Image to Video (MiniMax H3)のサブグラフ内、または展開してから2か所だけ変更します。
MiniMax-H3 Turbo LoRA
MiniMax-H3 Turbo LoRAを追加して、Load Diffusion Modelとサンプラーの間に挟み、Basic Guider・BasicSchedulerに繋いでください。
MiniMax-H3 Turbo LoRAでダウンロードしたLoRAを選びます。
MiniMax-H3 Turbo Sampler (4-step)
SamplerCustomAdvancedに繋がってるKSamplerSelectを外して、MiniMax-H3 Turbo Sampler (4-step)に差し替えます。
パラメータ
あとはBasicSchedulerで、Schedulerをsimple、stepsを4にします。
| 項目 | 値 |
|---|---|
| steps（BasicScheduler） | 4（4以上なら何ステップでも有効。シャープさ重視なら6〜8） |
| scheduler | simple 固定 |
| 幅・高さ | 32の倍数。短辺は768あたりが目安 |
| フレーム数 | 24fpsで、およそ124〜362（5〜15秒程度）が検証済みの範囲 |
非pruned版の実行結果
VRAM16GBで10秒（576×736）の動画の生成してstepごとにまとめました。
| ステップ数 | 生成時間 |
|---|---|
| 20step | 1054seconds（約17分34秒） |
| 4step | 269.43seconds（約4分29秒） |
| 5step | 322.44seconds（約5分22秒） |
| 6step | 376.24seconds（約6分16秒） |
| 7step | 433.69seconds（約7分14秒） |
| 8step | 484.80seconds（約8分5秒） |
| 8step（Sage Attention＋Patch Sol-Attn） | 282.67seconds（約4分43秒） |
pruned版の使い方
pruned版の方は作者の方がワークフローを上げてくれているので、こちらを使用します。
fl_minimax_h3_turbo_lora_example_workflow.json
ワークフローの設定
基本は画像とモデルをセットして、あとは次の3つを調整するだけです。
- BasicSchedulerのstep
- Scale Image to Total Pixels・Resolution Selectorのmegapixels
- Float (duration)
デフォルトでmegapixelsが1以上、Float (duration)が18になってるので、スペックに合わせて調整してください。
任意でPatch Sol-Attnなどの高速化ノードも併用できます。
pruned版の実行結果
こっちはアスペクト比とFloat (duration)を変えるの忘れてて、18秒（480×864）で生成した結果です。
| ステップ数 | 生成時間 |
|---|---|
| 20step | 2891seconds（約48分11秒） |
| 4step | 681seconds（約11分21秒） |
| 5step | 801seconds（約13分21秒） |
| 6step | 936seconds（約15分36秒） |
| 7step | 1068seconds（約17分48秒） |
| 8step | 1215seconds（約20分15秒） |
| 8step（Optimisations併用） | 623seconds（約10分23秒） |
まとめ
4stepだとチラつきが発生するので、最低6stepは必要かなという印象でした。
ただもっと高い解像度で生成している方は4stepでも崩れてなかったので、環境や解像度もあるかもしれません。
あと6stepやるなら8step＋高速化ノードの方が処理速度も速くクオリティも安定しているので、8step＋高速化ノードが無難な気もします。
20stepと8step＋高速化ノードで比較すると1054→282.67秒で約3.7倍、2891→623秒で約4.6倍になっており、長い動画ほど恩恵がありました。
10秒の動画だとPatch Sol-Attn＋EasyCache＋Sage Attentionよりも高速化できています。
- Patch Sol-Attn＋EasyCache＋Sage Attention：363seconds（約6分3秒）
- 8step（Sage Attention＋Patch Sol-Attn）：282.67seconds（約4分43秒）
若干ワークフローの設定が面倒だったり、人によってLoRAの有無によるクオリティが気になる部分もありそうですが、今のところ速さだけならLoRA＋高速化ノードが一番良さそうな結果でした。
以上MiniMax-H3-Turbo-Loraの使い方を紹介しました。
参考になれば幸いです。
