用 4 步蒸馏版 MiniMax H3 做实时互动视频，卡在角色一致性 LoRA
Big-Set9728 · reddit · 2026-09-07
开发者用 FastVideo 的 FastH3（H3 的 4 步 DMD2 蒸馏版）搭了一个实时互动场景：玩家扮演交警，输入台词后车内的女性角色会在视频里带语音回答你。片段 5 秒，生成略快于实时，可缓冲。
目前身份一致性靠 reference conditioning 维持，效果比预期好，但作者想训练真正的角色 LoRA，让同一个人锁定在数百个片段中，且省去每次生成都付费做 reference conditioning 的开销。
已有进展：
- FastH3 官方在 4x B200 上约 6 秒生成 5 秒片段，并预置了 lorapath/lorastrength 接口
- diffusion-pipe 和 ai-toolkit 均已支持 H3
- 踩坑提示：VSA 权重在常规 ComfyUI 转换时会静默丢失约 50 个 togatecompress 张量，输出全噪，导致大家只能退回 dense 模式而达不到官方速度数字
待解问题：
- 基座 H3 上训练的 LoRA 能否干净迁移到 4 步蒸馏 checkpoint（Wan/Flux turbo 世界常可行，H3 无人验证）
- 角色 LoRA 能否与蒸馏 LoRA 叠加，还是必须用完整蒸馏 checkpoint 并留出唯一 LoRA 槽位
- 说话角色的身份训练，纯 T2I 静态图数据集够不够，还是需要 T2VA 片段
- H3 的多卡序列并行在数据中心 GPU 上的实际数据
作者愿意付费咨询或请人上手调优。
所属事件:开发者实测 MiniMax H3 实时互动视频(2 条相关)→
「编程与Agent」频道最新
- 两名工程师用 AI 3.5 个月重建 FedEx 供应商计费核心,原估 7-8 个月 — alex_verem · 2026-10-27
- Terminal-Bench 4.0:GPT-6.1 Terra 涨约 20 分,追平 GPT-6.1 Sol — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27
- Shift-1 模型路由器发布：编码 Agent 成本最高降 55% — ypatil125 · 2026-10-27
- StackChan 机器人用 Grok+Hermes+GPT 演「小鸭子心事」短剧 — alexcovo_eth · 2026-10-27
- Paradev 获 USV 领投 1150 万美元种子轮,专管编码 agent 军团 — rebeccakaden · 2026-10-27