MiniMax H3 工作流进化:SelfLift 二次采样把高分辨率步数压到 2 步
wjc_5 · reddit · 2026-09-19
作者更新了 MiniMax H3 导演台工作流,引入 SelfLift 作为第二采样阶段。核心收益是让大部分采样步数落在便宜的低分辨率阶段,只留少量高分辨率步骤:三代方法演进为简单 latent 上采样 2 低清 + 6 高清 → latent 上采样模型 4+4 → SelfLift 6+2。
原理:早期版本上采样的是带噪 latent,高分辨率阶段既要适应分布变化又要完成去噪;SelfLift 则取低清阶段末尾模型已预测出的干净结果,放大后按当前步噪声水平重新加噪、接回原去噪轨迹,高清阶段只需细化细节。
其他要点:
- 引导图对齐:只需建一张高清引导图,SelfLift 自动重采样到低清网格,两阶段共享空间布局,减少接缝偏移;
- 色彩偏移权衡:latent 上采样模型会让拼接段色偏明显变差,若色彩一致性比速度更重要,第一代 2+6 方案偏色更小;
- Prompt 补救技巧:让新片段先短暂延续上一镜头再切到新机位,后期把带色偏的延续部分剪掉;
- H3 工作流用外部 H3 Upscaler,SelfLift-zero 的 VAE 修复参数保持为 0。作者在 YouTube 上传了完整教程。
「多模态」频道最新
- 开源 Kitten-TTS 2 语音克隆：954MB 免 GPU 笔记本可跑 — solyarisoftware · 2026-11-04
- 「2030 年旧金山我们来收你的内存」：全本地硬件生成的赛博朋克短片 — Wonderful-Yak-3348 · 2026-11-04
- 开源视频 agent Openfilm 走红：让任意编码 agent 变视频制作器 — solyarisoftware · 2026-11-04
- 微软重开源 VibeVoice：10 秒克隆声音，本地生 90 分钟播客 — solyarisoftware · 2026-11-04
- H3 远景人脸保真配方：Singularity+Pika 组合免跑 SAM 换脸 — robertwellesley · 2026-11-04
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04