Es gibt bereits "Babysitter-Level" - Tutorials für MiniMax im Internet, und dieser Artikel wird diesen Weg nicht wiederholen.
Dieser Artikel hat nur eine Sache getan: Mit 8G-Grafik - Speicher-Minimum, um den MiniMax H3 von Anfang bis Ende durchlaufen. Die Maschine ist RTX3060Ti 8GB + 56GB RAM. Welche Spezifikationen können, wie lange warten, welche Gang die Wand treffen wird - alles ist auf dieser Maschine, nicht die offizielle Empfehlung Tabelle kopiert.
MiniMax H3 ist Bild und SoundEinmal erzeugtDas Video-Modell: Umgebungssound, Soundeffekt, Soundtrack und Bild werden in der gleichen Vorwärtsübertragung zusammen gezählt, Mundform und Bewegungen sind natürlich mit dem Ton ausgerichtet. ComfyUI hat native Unterstützung für lokale Ausführung.
Zuerst das fertige Produkt ansehen! Das folgende 10 - Sekunden-Video ist reine Text-Generierung, ohne Eingabematerial: Bild, Regen, Wellen, Soundtrack, am Ende der Zeile der chinesischen Text, alles Modell auf einmal. (Stimmen Sie nicht.)
Katalog
- Verstehen Sie zunächst ein paar Wörter
- 8G Minimum: Unsere Maschine
- Installieren Sie ComfyUI
- Untermodell (4 Dateien, 39,6 GB)
- ☑️ Die Grube, auf die ich tritt: Der Downloader hat mich belogen
- Das erste Video läuft.
- Zwei harte Regeln: Framenzahl und Auflösung
- Drei-Teil - Format der Anweisung
- Zum Schluss mit eigener Marke.
- Alle Tests dauern an.
- Häufige Fehler schnell überprüft.
- Script und Workflow
1. Verstehen Sie zunächst ein paar Worte.
Ohne diese Worte, die dahinterliegenden Fehler werden Sie nicht verstehen.
Com fy UI Es ist ein kostenloser Open-Source - Arbeitsplatz für die Ausführung von AI-Generierungsmodellen. Die Schnittstelle ist knoten-verbindet, sieht komplex aus, aberDu brauchst nicht dich selbst.Die offizielle Vorlage ist fertig, Sie ändern nur die Parameter.
* Vorlage laden = Öffnen Sie die vorhandene Rezeptur.
Gewicht / Modell-DateiEs handelt sich um eine große Datei mit dem Suffix „. safetensors". H3 benötigt vier: DiT (Zeichnung), Text-Coder (Lesen von Eingaben), Video-VAE, Audio-VAE (übersetzen Sie interne Daten in Pixel und Schallwellen).
QuantifizierungTechnik, um das Modell zu reduzieren. "bf16" ist das Original in voller Präzision, "int8", "nvfp4" ist die komprimierte Version, der Bildqualitätsverlust ist sehr gering, der Bedarf an Speicher ist stark reduziert. Die lokale Bereitstellung wird im Wesentlichen mit quantitativen Versionen verwendet.
T2V / I2V / R2VEs handelt sich um reine Textgenerierung, um das Bild zu bewegen, um die Rolle oder den Stil für das Referenzmaterial zu verriegeln. Hier geht es um T2V.
2. 8G Minimum: Unsere Maschine
- CPUIntel i7 - 10700F bei 2,90 GHz
- Karte zeigtNVIDIA GeForce RTX 3060 Ti8 GB
- Erinnerungen- 56 GB
- Festplatte4,56 TB (223 GB verbleiben beim Start des Downloads)
Alles, was dahinter dauert, ob man laufen kann, in welchem Gang fahren kann, die Wand stoßen, sind die Grenzen dieser 8G-Karte -Nicht die Erfahrung von 24G / 48G-Maschinen.
Zum Thema Konfiguration möchte ich nur eine Sache sagen, die wirklich wichtig ist:Das Gedächtnis ist mehr als die Schwelle.
Die vier Modelldateien von H3 sind zusammen 39,6 GB. Beim Starten von ComfyUI wird ausgerufen:
DynamicVRAM support detected and enabled
Es ist seine Praxis, das ganze Gewicht dauerhaft zu halten.System im GedächtnisBei der Berechnung werden die Werte verändert. Nach dem Laufen wird Ihnen das Protokoll sagen, wie viel Sie verteilt haben:Etwa 40,5 GB liegen alle im Speicher.
Also 32 GB Speicher ist die Untergrundlinie, 64 GB ist bequem; nicht genug Speicher wird direkt in der Ladephase stecken bleiben. Das Gewicht muss festen Zustand, jedes Mal auf der mechanischen Festplatte müssen mehrere Minuten warten, weil die Lade auf Schichten erfordert wiederholtes Lesen.
Es geht um „wie lange man fahren kann" und nicht „wie lange man laufen kann". 8G kann auch durchlaufen, was genau in Abschnitt 10 gefahren werden kann.
3. Installieren Sie ComfyUI
* * Die Version muss ≥ 0.30.0 sein. * * Der native Knoten von H3 wurde erst im August 2026 in die ComfyUI integriert, sodass keine älteren Workflows ausgeführt werden können.
Die neue Installation empfiehlt es sich, direkt auf die offizielle ComfyUI-Website zu gehen und das Installationspaket für die Desktopversion zu installieren, und doppelklicken Sie auf die Standardeinstellung. Python, PyTorch, CUDA sind auf die eigene Verarbeitung angewiesen, was die Desktop-Version am Anfängerfreundlichsten ist.
Mit ComfyUI, Desktop-Version im Menü nach Updates zu suchen; manuelle git-Bereitstellung in Verzeichnis ausführen git pullerneut umsetzen pip install -r requirements.txt。
Der Browser öffnet sich nach dem Starten. http://127.0.0.1:8188Sieh nur die Kleidung an. Bestätigung der Version: Einstellungen (untere linke Gänge) → Über, Versionsnummer ≥ 0.30.0.
Aktualisieren Sie diese Versionen, versuchen Sie es nicht."MiniMaxH3ImageToVideo-Knoten fehlen" ist der häufigste Fehler, 99% sind Versionsprobleme.
Meine Umgebung war am Ende: ComfyUI 0.31.0 / Front-End 1.48.7 / torch 2.12.1 + cu130 / Python 3.13.12 / CUDA 13.0.
Beim ersten Starten können Sie einen Starter-Workflow wählen, der MiniMax H3 wird empfohlen. Achte darauf, was dort geschrieben ist. ~ 53 GB nicht erlaubtT2V / I2V benötigt 4 Dateien.39.6 GB.。Das zusätzliche Dutzend GB ist ein separates Gewicht für R2V, nur wenn Sie "Referenz-Video" verwenden können.
4. Unter Modell: 4 Dateien, 39,6 GB
Das Modell wird im Lager „Comfy-Org / MiniMax-H3" von Hugging Face gehostet.Klonen Sie nicht den gesamten Lagerplatz.- - Das ursprüngliche Lager hat mehrere hundert GB, verschiedene Präzisionsversionen sind alle drin und Sie brauchen nur 4 Dateien.
Beide VAE müssen unten sein: Video VAE aus dem Bild, Audio VAE aus dem Ton - ohne Audio VAE, erhalten Sie ein stummes Video.
Die Auswahl ist auch sehr einfach: Diese Gruppe oben ist die offiziell empfohlene All-in - One-Kombination, jede Grafikkarte wird zuerst durchlaufen. Der Text-Encoder wählte "nvfp4" anstelle der größeren "int8", weil es 10 GB kleiner ist -Auf Geräten mit knappem Arbeitsspeicher ist es viel wichtiger, 10 GB Arbeitsspeicher zu sparen, als ein wenig Rechen zu sparen.
Wenn Sie im Land herunterladen können, können Sie den Link huggingface.co Ersetzt hf-mirror.comDie Geschwindigkeit unterscheidet sich von einem Grade.20 GB große Dateien sollten mit Tools, die die Weitergabe von Unterbrechungspunkten unterstützen.(IDM, ARIA2, oder das Skript am Ende des Textes), abgebrochen, nicht wieder anfangen.
Die Verzeichnisstruktur sollte so aussehen. Hinweis für Desktop-Benutzer: Das Modellverzeichnis kann bei der Installation unter dem Pfad selbst gewählt werden, die Einstellung model paths bestätigt.
5.☑️ Die Grube, auf die ich tritt: Der Downloader hat mich belogen
Dieser Abschnitt ist der wertvollste Teil dieses Artikels, da er dich fragen lässt, ob du irgendwo falsch gelaufen bist.
Ich benutze die Desktop-Version eingebaute Downloader unter, Fortschrittsleiste läuft, Downloads-PanelVier grüne Häkchen zeigen alle „Fertig".。Ein Blick auf das Panel ist falsch: DiT zeigt 3.13 GB.sollte 19,53 GB sein; Text-Encoder zeigt 2.67 GB.Es sollte 14,61 GB betragen.
Das bedeutet,Nach der Unterbrechung des Downloads meldet der Downloader keinen Fehler und markiert die abgeschnittene Datei direkt als abgeschlossen.
Run, Fehlermeldung:
RuntimeError: shape '[151936, 5120]' is invalid for input of size 149999876
Dieser Fehler ist sehr irreführend. Es sieht so aus, als ob die Modellversion nicht übereinstimmt, wie ComfyUI mit einem Bug hat, wie das Quantifizierungsformat nicht unterstützt wird, und man kann leicht PyTorch neu installieren, die Quantifizierungsversion wechseln und das Problem umgehen.
Aber es gibt nur eine einzige Bedeutung: * *.safetensors Das Dokument wurde abgeschnitten. * * Im Header wird die Form eines Tensors angegeben. [151936, 5120](Embedding des Textencoders: 151936 × 5120), aber in der Datei gibt es tatsächlich nur 149999876 Elemente, wenn Sie es lesen.
Es gibt zwei Möglichkeiten, die Vollständigkeit des Dokuments zu bestätigen. Die erste ist die einfachste: Die Datei-Größe im Vergleich zu der Anzahl der Bytes des Objekts der heruntergeladenen Seite. Neben jedem heruntergeladenen Modell gibt es noch eine. .safetensors.dl-meta JSON, in dem die Autorität geschrieben ist. expectedSize und SHA256 -Glaube nicht an das grüne Häkchen auf dem Panel.
Die zweite Art ist strenger: analysieren Sie den header der safetensoren, setzen Sie alle Tensoren data_offsets Am Ende der Datei wählen Sie den maximalen Wert, plus die Länge des Header und vergleichen Sie die tatsächliche Dateigröße.Sie müssen streng gleich sein.。Dieser Test kann Ihnen die Antwort geben, bevor Sie zwei Stunden vergeuden.
Beim Reparieren nicht wiederholen, direkt weitergeben. Die HTTP Range-Bruchpunkte werden nur für fehlende Bytes weitergegeben, die Kernpunkte sind:
curl -L --fail --retry 8 --retry-delay 5 --retry-all-errors \
--continue-at - --progress-bar -o "$path" "$url"
Ich habe es in ein Skript verpackt, mit Größe und SHA256 Double-Check, plus -Mirror Die Parameter gehen in den Spiegel. Wenn Sie den gleichen Befehl wiederholen, wird es automatisch folgen.
Zuletzt ergänze ich das 28,3 GB。Vier Grünen, das ist wirklich ein Schritt.
6. Das erste Video läuft.
Das oberste Menü Workflow → Vorlage durchsuchen → VideoSuchen Sie nach "MiniMax H3". Hierbei handelt es sich um die 3 Versionen: Text zu Video / Image zu Video / Reference to Video.api_ Die ersten drei sind in der Wolke und müssen aufgeladen werden.
Von Text zu Video anfangen. Nach dem Laden gibt es eine Reihe von Knoten auf der Leinwand, Sie müssen nur ein paar kennen: UNETLoader ist verantwortlich für die Auswahl der DiT-Gewichte; Text-Encoder laden Knoten wählen qwen3vl_32b_...Zwei VAE-Loader wählen Video-VAE und Audio-VAE; ResolutionSelector steuert die Ausgabeauflösung; Eingabe von Inhalten für das Schreiben von Inhalten; Eingabe der Dauer bestimmt die Länge des Videos; SaveVideo ist der Endpunkt der Ausgabe von MP4.
Wenn ein Modell-Dropdown - Feld leer oder rot ist, bedeutet das, dass die Datei nicht fertig ist, zurück zu Abschnitt 5.
Der erste Parameter ist ResolutionSelector Megapixels = 0,3 → 736 × 416, Dauer 5 SekundenPunkt Run.
Ergebnis: 292 Sekunden.
Es kommt aus einemMP4 mit Ton。ffprobe: H.264 + AAC,32000 Hz, doppelter KanalDies entspricht dem offiziellen Standard „32 kHz Stereo".
Hier gibt es zwei normale Phänomene. Erstens wird die Fortschrittsleiste für eine lange Zeit in der Modellladephase stehen bleiben: etwa 34 GB von der Festplatte in den Speicher, kleine Grafikkarten müssen wiederholt ein - und ausgetauscht werden, ist dieser Abschnitt langsam normal. Zweitens, die Steuerung ist nicht falsch:
Input tensors must be in dtype of torch.float16 or torch.bfloat16, using pytorch attention instead
Dies ist ein Tipp für eine teilweise Schicht, die auf die standardattention zurückgeht, ohne die Erzeugung zu beeinflussen.
Wo ist das Urteil hin,Schauen Sie sich die Schaltfläche an. SamplerCustomAdvanced Prozent der。Dieser Workflow hat 20 Schritte. Schau nicht. Estimated to finish inWenn es nur wenige Stichproben gibt, berechnet es einen absurden Wert. Ich habe eine Aufgabe gesehen, die bereits 31 Minuten läuft, und es zeigt auch "Erledigt in ca. 1 Sekunde".Total: xx% Schau nicht nur, das ist der Knoten-Level - Fortschritt des gesamten Graphes, nicht gleich dem Probefortschritt.
7. Zwei harte Regeln: Framenzahl und Auflösung
Diese beiden sind keine Erfahrungen, sondern im Workflow geschrieben.
Regel 1: Die Anzahl der Frames muss auf einem 17k + 5 - Raster fallen.
Der mathematische Ausdruck in der Vorlage lautet:
max(5, round(a*24)) + (5 - (max(5, round(a*24)) % 17)) % 17
Übersetzen:Die Anzahl der Frames muss erfüllt werden. n % 17 == 5Der illegale Wert wird still nach oben absorbiert.Keine Fehler, keine Hinweise.
Die offizielle Exportdauer ist 4 - 15 Sekunden bei 24fps。Also füllen Sie 60 Sekunden erhalten nur etwa 15 Sekunden, und längerer Inhalt muss wieder zusammengeschaltet werden.
* * Regel 2: Die native Leinwand ist eine kurze Seite 768. * * Offizielle Beschreibung Standard Short Side 768 Pixel, unterstützt 21: 9 / 16 / 9 / 4: 3 / 1: 1 / 3: 4 / 9: 16. Die Dateien, die mit dem ComfyUI-Vorlagen geliefert werden, sind:
- 0.2von: 608 × 352
- 0.3von 736 × 416
- 0.4von 864 × 480
- 0.5Größe: 960 × 544
- 1.01344 × 768 (Eingeborene Leinwand)
Mein Rat ist: * * Versuchen Sie das Wort mit 0.3 (736 × 416) wiederholt und erwägen Sie, es nach oben zu heben. * * Warum nicht ein Schritt in die native Leinwand, Abschnitt 10 hat die ermittelte Antwort.
8. Drei-Teil - Format der Anweisung
Das ist die Grenze vom „Laufen" bis zum „Nutzen". H3 ist offiziell definiert.strukturiertes FormatNein, nicht Sprüche. Drei Bereiche sind in der Reihenfolge festgelegt:
integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...
In den letzten beiden Absätzen gibt es nichts. N/A。Bis auf den Dialog und den Text im Bild ist alles in englischer Sprache geschrieben.
[Shot 1] Beginn zu erzählen.Gesamtstil + ursprüngliche KompositionOhne Zeitstempel. Stile können verwendet werden. Cinematic / live-action / 2D-animated / 3D CG / watercolor / vintage film。
Folge-AufnahmenStrenge zunehmende ZeitstempelZum Beispiel:
[Shot 2] At 00:03.500, the camera cuts to ...
Schreiben Sie einen natürlichen englischen Satz in der Kamera, nicht am Ende des Satzes:
Die Kamera drückt mit geringer Amplitude in langsamer Geschwindigkeit auf das Telefon in seinen Händen.
Die Kamera hält einen statischen Auftritt, während die Welle in Richtung des Objektiv gleitet.
Normalgeschwindigkeiten und mittlere Geschwindigkeiten werden nicht geschrieben. * * Wenn Sie die Komposition absolut stabil haben möchten, verwenden Sie nicht die "kleine Annäherung" - blockieren Sie die Standart und listen Sie auf, was Sie im Bild behalten möchten. * * Ich habe 10 Sekunden Null-Drift gemessen.
Wenn es einen Dialog gibt, weisen Sie den Charakteren eine stabile ID zu, die lautet, z. B. (S1)、(S2)Die Linien sind verpackt. <d>[语言] ... </d> Ri,Keine Änderung, keine Übersetzung.。Identität und Tonbeschreibung außerhalb des Etikettens:
The young woman with a quiet voice (S1) says: <d>[English] I get off at seven.</d>
Und noch ein Unfall:Chinesisch hat er richtig geschrieben.
Ich habe am Ende der Spiegel lassen, dass es eine Zeile chinesischen Slogan, das Schreiben ist, das Original in englischen doppelten Anführungszeichen zu setzen, nicht übersetzen. Ich habe die psychologische Vorbereitung für Klebt, falsche Schriftzeichen und fehlende Striche gemacht - das Video-Modell liefert chinesische Zeichen im Allgemeinen nicht, und das Ergebnis ist ein Wort richtig, der Strich ist vollständig, in der Mitte und stabil bis zum Ende. Das ist im Video oben.
9. Zum Schluss mit eigener Marke.
Das Modell kann richtig geschrieben werden,Ihr eigenes IP-Bild kann nicht erstellt werden.Er zeichnet nur das, was er denkt. Erwarten Sie nicht, dass Sie das Wort ansprechen.
Die richtige Praxis ist es, nach der Erstellung mit ffmpeg exakt zu synthesieren. Das Logo (und den gewünschten Text) in einem PNG-Bild mit Alpha vorrenderen, überlappen und verblassen;-c:a copy Direkt kopieren Sie die Audiospuren, das Stereo, das das Modell erzeugt, bewegt sich nicht.
Hier gibt es drei praktische Details. Erstens, wenn die vier Ecken des ursprünglichen Logos schwarz sind (RGB hat keinen Alpha-Kanal), wird es direkt ein schwarzes Quadrat geben, das zuerst eine kreisförmige oder ursprüngliche Kontur für eine anti-aliasing - Alpha-Maske benötigt.
Zweitens muss der Standort als Film festgestellt werden. Ich habe zuerst die Unterseite in die Mitte gestellt, und das Ergebnis fand, dass der Bildkörper schließlich gerade in der Mitte unterhalb stehen blieb, das Logo drückt oben; die Mitte auch den Körper blockiert. Schließlich stellen Sie die Oberseite, weil der Himmel leer ist, und fügen Sie eine weitere Schicht der Oberseite Gradiente dunkel, um sicherzustellen, dass die weißen Schrift lesbar ist.Versuchen Sie zuerst die letzten drei Positionen, als direkt zu raten.
Drittens sollte die Aufenthaltszeit auf den Kauf angewiesen sein, nicht auf den frühen Eintritt. Lassen Sie die Show vollständig ablaufen und frieren Sie dann den letzten Frame ein:
[0:v]tpad=stop_mode=clone:stop_duration=1.8[vp];
[0:a]apad=pad_dur=1.8,afade=t=out:st=<总长-0.9>:d=0.9[a]
Das Video kloniert den letzten Frame für 1,8 Sekunden, während die Audio-Synchronisierung ergänzt und in den letzten 0,9 Sekunden verblasst. Die Einführung beginnt mit 2,2 Sekunden zuvor.Das Ende ist ca. 4 Sekunden lang.Ausreichend visueller Aufenthalt ohne Verlust von Bildinhalten.
10. Alle Testzeiten: 8G Minimum
Die Daten in der Tabelle unten sind alle RTX 3060 Ti mit 8GB Wirklich ausgelaufen.
Zwei Schlussfolgerungen können direkt genommen werden: * I2V ist nicht teurer als T2V. * Fast der gleiche Preis für die gleiche Spezifikation, ein zusätzliches Eingangsbild ohne zusätzliche Gebühren. * * Die Zeit-Dimension ist superlinear. * * 5 Sekunden 292 Sekunden, 10 Sekunden 773 Sekunden - verdoppelte sich die Dauer und dauerte 2,6 mal, was der Komplexität der Aufmerksamkeit für die Anzahl der Token entspricht.
Das Wichtigste ist die Mauer.
Die Läuferung von 736 × 416 dauerte nur 5 Minuten, und ich dachte: ein bisschen mehr Pixel sollte auch zehn oder zwanzig Minuten dauern. Tippen Sie auf Megapixels 1,0 (1344 × 768) und wählen Sie 10 Sekunden lang Run.
Nach 31 Minuten, Sampler Fortschritt: 5%.
Ein Schritt in 20 Schritten ist fertig. Ein Schritt für 20 Minuten, 20 Schritte für etwa 10 Stunden, ich habe direkt aufgehört.
Der Schlüssel ist dieser Kontrast: Die Pixel erhöht sich um das 3,4 - fache, die Framenzahl verdoppelt und die Rechenleistung insgesamt um das 6,7 - fache erhöht.Die Zeit hat sich um das 125 - fache erhöht.
Die 20 - fache Zahl reicht nicht, sondernGedächtniswand。Zurück zu Abschnitt 2: Die Gewichte werden in den sichtbaren Speicher gestreamt, und der Rest des Aktivierungswertes ist dünn. Die Arbeitsmenge für Aktivierungswerte und Aufmerksamkeit wächst mit "Pixel x Frames". Nachdem Sie diesen Rest durchbrochen haben, müssen Sie bei jedem Schritt etwa 20 GB Gewicht vom Speicher in den Grafikspeicher verlegen, von "langsam" direkt zu "fast ganz auf PCIe wartend".
Es ist eine Klippe, nicht eine glatte langsamer.
Also auf Ihrer Maschine, finden Sie zuerst den Dessertbereich und drücken Sie nicht nach oben. Die Methode ist sehr einfach: Schalten Sie einen Gang, laufen Sie 2 Minuten, sehen Sie, wie viel der Prozentsatz des Samplers vorangetrieben wird, umgekehrt die Gesamtdauer; etwas ist nicht in Ordnung, sofort stoppen.
Erwarten Sie auch nicht, dass der Knoten beschleunigt wird, um dies zu retten. Der Cache-Klasse - Knoten sparen Berechnungen und Schritte, und hier ist die Bandbreite des visuellen Speichers wirklich stecken, und die Zeit, die gespart wird, ist in dieser Größenordnung sinnlos. Die Bildqualität ist nicht ausreichend, suchen Sie auf dem Hinweis und die Komposition, ziehen Sie nicht hart auf die Auflösung.736x416 ist genug, um auf dem Handy zu sehen, und ziehen Sie auf den Preis der nativen Leinwand haben Sie gesehen.
Wenn Ihre Karte größer ist, ist die Obergrenze natürlich höher; Diese Tabelle ist nur 8G Minimum. Grenzen, die Methoden können kopiert werden.
11. Häufige Fehler schnell überprüft.
Q: Fehlen Hinweise MiniMaxH3ImageToVideo Warten Sie auf die Knoten?
A: ComfyUI-Version älter als 0.30.0, Upgrade. Das ist das Problem mit der höchsten Frequenz.
Q:RuntimeError: shape '[...]' is invalid for input of size ...？
A: Die Modelldatei wurde abgeschnitten, nicht eine Version oder Quantifizierung Frage. Die Größe des Absatzes 5 wird überprüft und ergänzt.
F: CUDA aus dem Gedächtnis?
A: Die Reihenfolge: 1 bestätigt, dass die Quantität verwendet wird (pruned_int8 + nvfp4_awqNicht verfehlen! bf162. Schließen Sie andere verbleibende Prozesseeinschließlich Browser.(Hardwarebeschleunigung beträgt 1 - 2 GB); 3 Speicher wird auf 32 GB oder mehr gezogen. Hinweis: Die Reduzierung der Auflösung kann das Display nicht retten, da es das Modell selbst ist; aber die Reduzierung der Auflösung kann das „Rennen" retten, siehe Abschnitt 10 - das sind zwei verschiedene Dinge.
F: Das Video ist ohne Audio ausgegeben?
A: Beide VAE müssen geladen werden und die Verbindung zwischen dem Audio-VAE und SaveVideo im Workflow bestätigt werden. Mit der offiziellen Vorlage ist es in der Regel nicht falsch, und die Änderung des Workflows ist am leichtesten, diese Linie zu übersehen.
F: Ist das Video anders als ich?
A: Die Anzahl der Frames wird auf 17k + 5 Gitter absorbiert, siehe Abschnitt 7. direkt aus der gesetzlichen Tabelle kopiert.
F: Die Konsole brüßt dtype Warnungen?
A: Normaler Effekt, teilweise Rückkehr auf die Standardattention, nicht beeinflussen die Erzeugung.
Q: Die Schritte sind nicht mehr in Gang, ist es nicht?
A: Schauen Sie sich die Schlange an. SamplerCustomAdvanced Prozentsatz, nicht zu schauen. Estimated to finish inEr wird blind berichten. Die Ladephase selbst ist langsam, und das Modell legt die mechanische Platte langsamer.
12. Script und Workflow
Im Paket befinden sich drei Dinge:
- Unterbrechung des Drehbuchs.Vervollständigt die abgeschnittenen Modelldateien mit Größe + SHA256 Doppelprüfung,
-MirrorInländische Spiegel ab. - Work f low: T2V (5 Sekunden / 10 Sekunden, 736 × 416), die Parameter sind gut eingestellt.
- Schließlich ein Synthesis-Script.: Logo + Slogan + „Stay", ein Befehl aus dem Stück.
Wenn nötig, frage ich mich im Kommentarbereich, wie ich es mache.
Schließlich
8G Minimum kann durchlaufen, bedeutet nicht, dass jede Spezifikation öffnen kann - das Dessert ist 736 × 416, die native Leinwand auf dieser Maschine ist eine Klippe.
Der lokale Wert ist die Versuchs - und Fehlerphase: Ein 5 - Sekunden-Spiel in der Cloud-API kostet Geld, nur lokale Stromrechnung. Wiederholte Änderung der Anleitung, Siebkomposition, Versuchsspiegel, die Kosten sind nahezu Null. Nach dem Abschluss des Entwurfs überlegen, ob Sie eine hohe Auflösung mit der API verwenden möchten, ist die Rechnung sinnvoll.
Ein direkter Kommentar -8G, die wir schon mal haben, kann ich mir sagen.
Insgesamt habe ich drei Dinge getan:Zusammenführen von Fragmenten, reduzieren Sie den Rhythmus von Satz für Satz und bringen Sie die kontinuierliche Auslegung wieder in die gleiche Informationseinheit。Technische Daten, Befehle, Fehlermeldungen und entscheidende Schlussfolgerungen wurden nicht gelöscht.