Ana içeriğe geç

Preset'ler#

Bir preset; bir model pack'ini çözünürlük, kare sayısı, örnekleyici ayarları ve işlenecek (fuse) LoRA'larla bir araya getirir. Çekim başına seçilir. Başlangıç setiyle iki aile gelir.

LTX (görselden videoya, ses ve görüntü)#

Hızlıdır, referans görselinizden başlar, görüntüyü ve sesi birlikte üretir.

  • En uygun olduğu yerler: tanıtım planları (establishing shot), durağan bir görselden hareket, ortam sesli kısa klipler.
  • Klip uzunluğu: yaklaşık 10 saniyeye kadar. Daha uzun klipler ses zarfını kaybeder ve ses, görüntüden önce dağılır.
  • upsample varyantları daha düşük bir kare hızında üretip kareleri uzatır: sonuç ağır çekimde oynar. Bunları yalnız amaç buysa kullanın.
  • Referans görsel ilk kare olduğundan Referans görseller ve sesler sayfasındaki en-boy oranı kuralı katıdır.

MiniMax H3 (referanstan videoya, konuşma)#

Çekimi bir yüz referansı ve isteğe bağlı bir ses referansıyla prompt'tan kurar. Güçlü yanı dudak senkronu ve diyalogdur.

  • En uygun olduğu yerler: diyalog sahneleri, çekimler arasında aynı görünmesi gereken karakterler, replik içeren her çekim.
  • Kare sayıları 17n + 5 kuralına uyar (örneğin 124, 141, 311, 345, 362). Preset listesi yalnız geçerli sayıları sunar. 362 kareye kadar (15 s; ComfyUI'nin "15 saniye"sinin yuvarlandığı nokta) uzun take'ler desteklenir; çok uzun take'ler 16 GB bir kartta onlarca dakika sürer.
  • Çözünürlük: 768×768 preset'leri kimlik ve hız açısından en verimli noktadır. Daha büyük kareler kazandırdığından fazlasına mal olur.
  • Karakter LoRA'ları varsayılan olarak 0.5 güçle (strength) işlenir. 1.0 gücü hareketi ve ışığı yok eder; yükseltmeyin.
  • Çekime eklenen LoRA'lar H3'te karakter kullanmanın yolu değildir: karakter seti preset'i onları yok sayar, stok preset her işte yüklemede kaynaştırır. Bkz. Çekimdeki LoRA'lar.
  • Checkpoint'ler: resmî tam dosyalar da Comfy-Org pruned düzeni de (minimax_h3_*_pruned_bf16) yüklenir. Pruned dosyalar 66 GB yerine 40 GB'tır ve onlardan derlenen karakter seti pack'leri 34 GB yerine yaklaşık 21 GB olur. Pruned indirmesi olmadan Modeller → Video → Kurulum → yerel katlamayla pruned taban, kurulu tam hibriti makinenizde pruned düzene katlar (yaklaşık 2 dakika, 40 GB). Kurulu bir pruned hibrit varsa referanslı çekimlerin karakter setleri varsayılan olarak onun üzerinde derlenir. Pruned düzende yayımlanan topluluk merge'leri de bir özel preset üzerinden aynı şekilde çalışır.
  • Turbo: lightx2v Minimax-h3-Turbo LoRA'ları bir çekimi aynı adım maliyetiyle 4 ya da 8 model çağrısına indirir (124 karelik referanslı çekim: 16 GB kartta 5,5 dakika yerine yaklaşık 3,5 dakika). LoRA'yı 1.0 güçle bir pack'e işleyin (Modeller → Video → karakter pack'leri ya da pack API'si), sonra o pack üzerinde özel preset türetin ve örnekleyici varsayılanlarını doldurun: 4 adımlı LoRA için adım 4 (8 adımlı için 8), 768p LoRA'larda schedule shift video 6 / ses 3 (544p v0.1 LoRA modelin 12 / 3 değerinde kalır). O preset'teki çekimler, çekim kendi adım sayısını (ya da sahne varsayılan adım) vermedikçe bu değerleri kullanır; çekimin adım alanı koşacak sayıyı ve nereden geldiğini yazar, böylece bir çekim değeri preset'in adımını sessizce ezmez. Turbo'su içine işlenmiş merge'ler (8 adımlı TURBO derlemeleri) de modelin 12 / 3 değerinde kalır; onlarda daha düşük bir video shift ayrıntıyı ve prompt sadakatini siler. Shift alanları modelin kendi değerlerini placeholder olarak gösterir ve bir değer onlardan saparsa uyarır.
  • Adım model çağrısı sayar, ComfyUI ve diffusers gibi: 8, modeli 8 kez çağırır. (0.1.29 öncesi çalışma zamanları ızgara noktasını sayardı; 8 7 çağrı koşar, Turbo rehberi 5 / 9 derdi. O rehberle 5 ya da 9 girdiyseniz 4 / 8 yapın; 8 ya da 10 gibi bir değer zaten çağrı olarak düşünülmüştü ve artık öyle koşar — öncekinden bir çağrı uzun.)
  • Bir ComfyUI reçetesini yeniden kurmak: aynı checkpoint, metin kodlayıcı ve VAE dosyaları bir özel preset üzerinden yüklenir (Comfy-Org int8_convrot kodlayıcı ve VAE dahil). ComfyUI'nin steps 8'i burada da 8'dir: simple scheduler'ı aynı ızgarayı seçer; res_multistep örnekleyicisi özel preset'in Örnekleyici varsayılanı olarak seçilebilir (Euler modelin kendi adımıdır). Bir seed varsayılan olarak iki tarafta farklı bir gürültü örneğine düşer ve çekimin sahnelenmesini (nerede kestiği, kameranın nasıl hareket ettiği) o örnek belirler; özel preset'in Gürültü kaynağı'nı ComfyUI yapın, bir seed aynı dosyalarla ComfyUI'daki sahneye düşer (kareler yine biraz farklıdır; kodlayıcılar bit-bit aynı değildir). 384×384 test tuvalinde doğrulandı; 768×768'de aynı seed sahnenin prompt'a sadık bir varyantını verir (seed değişmiş gibi küçük sahneleme farkları). Bu fark transformer'ın kendi aritmetiğindedir, ayarlayabileceğiniz bir şeyde değil: gürültü, dizilim ve kodlayıcı çıktıları ComfyUI ile eşleşir; 768p bir reçete aynı sahnelemeye ancak böyle bir varyant payıyla düşer. Maystro'da daha önce kullandığınız seed'leri korumak için Maystro'da bırakın.
  • Dikkat çekirdeği: MiniMax H3 çekimi varsayılan olarak ilk iki model çağrısını tam SDPA dikkatiyle, kalanını SageAttention ile koşar. Sahnenin kompozisyonu bu ilk çağrılarda belirlenir; küçük bir test tuvalinde (384×384) orada SageAttention testlerimizde sahneyi kötü çizilen bir kompozisyona devirdi, sonrasında ise yalnız aynı sahnenin varyantını üretir. Varsayılan hızın çoğunu korur: 15 saniyelik 768×768 take 16 GB kartta yaklaşık 10,7 dakikada biter; her adımda SageAttention ile 9, her adımda SDPA ile 16 dakika. Her adımda SageAttention en hızlısıdır (testlerimizde 512² ve üstünde güvenli ölçüldü); her adımda SDPA tam dikkat referansıdır; İlk yarı SDPA, sonrası SageAttention adımların ilk yarısını SDPA ile koşar, temkinli orta yoldur (yaklaşık 12 dakika). Seçim özel preset'in Dikkat varsayılanında durur; her çekim bunu kendi panelinden (Dikkat çekirdeği (bu çekim)) ezerek preset türetmeden take'ten take'e çekirdek kıyaslayabilir.
  • Referans tuvali: varsayılan olarak her referans görsel çekimin kendi boyutuna küçültülür (asla büyütülmez), match, en hızlısı: 15 saniyelik 768p bir çekimin adımları yayımlanan modelin tuvaline göre yaklaşık %13 hızlıdır; testlerimizde çekimler ve kimlik aynı kaldı. Özel preset'in örnekleyici varsayılanlarında Referans tuvali, native (yayımlanan modelin yaptığı gibi kısa kenar 2048 piksel, küçük fotoğraflar büyütülür; referans başına yaklaşık 6.000 ek token, adımlar 480p'de yaklaşık 1,5 kat, 768p'de 1,2 kat uzun sürer) ya da max (en fazla 2048 piksel, büyütülmez) seçer. Küçük bir referans fotoğrafla karakterin benzerliği kayarsa bir deneme çekiminde native'i deneyin.

Seçim#

İstediğiniz Kullanın
Durağan bir görselin canlanması, ortam sesi LTX
Birinin bir replik söylemesi, dudaklar senkronda MiniMax H3
Bütün bir sahne boyunca aynı kişi Karakter seti ile MiniMax H3
Daha uzun bir take MiniMax H3 (362 kareye kadar, 15,1 s)
362 kareden uzun bir take MiniMax H3 zincir klipleri; referanslı çekimde referanslar yalnız 1. klibi koşullar

Özel preset'ler (kendi LoRA'nız, farklı bir çözünürlük) Ön ayarlar ve LoRA'lar sayfasında oluşturulur.