1. MiniMax-H3 от MiniMax - Качество корпоратов на вашем ПК без цензуры
https://huggingface.co/MiniMaxAI/MiniMax-H3
Принимает на вход тексты, пикчи, звук, видео и может делать с ними всякое. Неофициально умеет генерить/редачить пикчи. Absolute Cinema. Набор полезных ссылок на все случаи жизни:
https://github.com/wildminder/awesome-minimax-H3
2. LTX-2.5 - обещал сделать локальную генерацию грейт агейн. Подходят лоры от 2.0, то есть архитектура нихуя не меняется.
https://huggingface.co/Lightricks/LTX-2.5
Известные тюны:
Sulphur
Eros
3. Wan 2.2 от Alibaba
https://huggingface.co/collections/Wan-AI/wan22
VACE модели:
https://github.com/ali-vilab/VACE
https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
https://huggingface.co/Wan-AI/Wan2.1-VACE-1.3B
Не особо актуальные модели:
https://rentry.co/2ch-ai-video
Локальный UI
https://github.com/comfyanonymous/ComfyUI
Установка локальных моделей
Wan 2.2: https://comfyanonymous.github.io/ComfyUI_examples/wan22/
Wan 2.1: https://comfyanonymous.github.io/ComfyUI_examples/wan/
Гайд для использования Wan 2.2
https://alidocs.dingtalk.com/i/nodes/EpGBa2Lm8aZxe5myC99MelA2WgN7R35y
Альтернативные ноды ComfyUI
Hunyuan Video: https://github.com/kijai/ComfyUI-HunyuanVideoWrapper
Wan: https://github.com/kijai/ComfyUI-WanVideoWrapper
Где брать готовые LoRA
https://civitai.com/models ( https://civitai.red/ для порно)
Обучение LoRA
https://github.com/tdrussell/diffusion-pipe
Терминология моделей
prune — удаляем ненужные веса, уменьшаем размер
distill — берем модель побольше, обучаем на ее результатах модель поменьше, итоговый размер меньше
quant — уменьшаем точность весов, уменьшаем размер
scale — квантуем чуть толще, чем обычный fp8, чтобы качество было чуть лучше, уменьшение чуть меньше, чем у обычного квантования, но качество лучше
merge — смешиваем несколько моделей или лор в одну, как краски на палитре.
lightning/fast/turbo — а вот это уже просто название конкретных лор или моделей, которые обучены генерировать видео на малом количестве шагов, они от разных авторов и называться могут как угодно, хоть sonic, хоть sapogi skorohody, главное, что они позволяют не за 20 шагов генерить, а за 2-3-4-6-8.
Кейворды для дополнительных вещей: SVI, RuneXX, LTX Director.
Тред облачной генерации
>>1741493 (OP)
Предыдущий тред
>>1732091 (OP)
хз, выше по прошлому треду взял уже отслопленный
https://www.reddit.com/r/StableDiffusion/comments/1xiqifk/new_minimax_h3_finetune_by_pika_labs/
>Pika Labs
Ого, была солидная контора на рассвете видео. Но это по сути просто турба, как я понял.
Эмма Уотсон. Да, куча видео с белыми тоже.
У них в репе там есть очень качественный гайд в файле prompt-guidance.md по промптингу который гораздо лучше расписан чем официальный от макса. Особенно полезно новичкам почитать (и местному дурачку у которого второй месяц ни хуи ни пёзды ни камшоты не получаются), я использую практически те же методы что там описаны, там перечислены почти все примеры на все случаи жизни, и как накидать речь + с новой музыкой, как накидать новых персонажей но в сцене с другим стилем (буквально разместить твоих чёртиков на чужой картинке используя чужой дизайн) и куча иных примеров.
рили, глянул старые сборки откуда ноги растут, ещё с LTX версии этот костыль, и каждый следующий васян тянет в новый форк.никогда не доверял таким комбайнам, не знаешь правильно ли внутри обработка идёт или нет
Прикольная тема если промптом никак не получается получить нужный эффект. Нейронка поможет с созданием если что, запилил на скорость отсоса нормально, лучше моушен лор отрабатывает
>выглядит всё просто замечательно
Но нам ты конечно не покажешь.
https://huggingface.co/Kijai/MiniMax-H3_comfy/tree/main/loras/Pika
ставите ее как обычную лору с весом 1, сэмплер LCM, вместо бейсикШедулера ставите МануалСигмас со значением 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0
Сильно быстрее идет генерация и качество как мне кажется даже чутка получше.
Во времена флакса 2 была парашей в целом. Подозреваю тут тоже возникнут проблемы.
Чтобы можно было заменить все это кастомными нодами. Если тебе жрать юай в три кнопки надо, то тебе к рефорджам и прочим swarmui. Комфи это не про удобство юза, а про гибкость, кому всерьез дохуя генерить без изменений воркфлоу нужно - делают/ставят себе отдельные морды для этого.
ну самое базовое чтоб сигмы вручную прописать можно было
а дальше уже чтоб всяким васянством обмазываться
Еще несколько генераций сделал с реф видео. Как будто лучше, чем dmd лора, что была. Но надо еще потестить.
А можно ссылку на гайд? Или хотя бы на репозиторий.
Очень интересно почитать именно гайд основанный на опыте, т.к. сам имею целый вагон заметок о том, как на самом деле лучше промптить. То, что официальный гайд - полная шляпа, мне стало понятно после недели использования.
головой подумать если умеешь и сделать
там все сцены меньше 10 сек в основном. продумаваешь сцену, генеришь первый/последний кадры, рефы и пилишь видосы. потом собираешь всё любым видеоредактором. долго, муторно. но ничего невозможного для 3090 точно.
Да блять я скачал все воркылов с этим солдатом и так как сам не понимаю нихуя, спрашиваю че да как у ебучего пиздявого аргона и в итоге одно мыло блять и потрченые нервы!!!
если ты думал, что есть такой заебательский воркфлоу, которому ты дашь фотку солдата и напишешь пару фраз типа сделай "с ним заебательский интересный ролик про войну на 2 минуты", комп попыхтит с полчаса и выдаст что-то типа того видоса, то нихуя такого нет
да бля не думал конечно,но я не пойму почему я кидаю 2 рефа 1 и последнго кадра и реф перса,но выходит просто ебучее мыло уровня уила смита спагетти? такое точно возможно на 3090?
Выше же была ссылка на пику. У них этот гайд лежит, по сути аналог минимакс-гайда только выкинута вся лишняя вода, больше конкретики + добавлены практические примеры проверенные временем.
https://github.com/Pika-Labs/Pika-H3-Flex/blob/main/docs/prompt-guidance.md
лица-каша получеться,и мылона краях>>1743233
промт
subject_definitions:
<Picture 1> is the opening low-angle close-up frame of [Shot 1] showing the rolling 1950s prize cart and the walking legs of the two female assistants.
<Picture 2> is the master stage composition reference of [Shot 1] showing the full 1950s pastel turquoise-and-gold television stage with the two assistants rolling the cart on the left and the host on the raised platform on the right.
<Subject 1> is the charismatic 1950s male TV host from <Picture 3> and <Picture 2>, with slick dark-brown side-parted hair, expressive eyes, natural facial creases, a white dress shirt, black bow tie, ivory dinner jacket with black satin lapels, and black trousers.
<Subject 2> is the pair of 1950s female assistants from <Picture 1> and <Picture 2> in sleeveless cream sheath dresses with black side panels, classic dark 1950s updos, and black high heels, one pushing the prize cart and the other holding a rose bouquet.
<Subject 3> is the cream-and-chrome rolling prize cart from <Picture 1> and <Picture 2> filled with silver tubes and stacked boxes labeled "RAD GLOW", with a glowing front sign reading "NEUTRINO & THE HALF-LIVES Rad Glow".
summary:
[keyframe completion + reference generation] A continuous ultra-photorealistic 1950s Technicolor television broadcast shot starting in active motion from <Picture 1>, smoothly pulling back and rising on a studio crane into the exact stage composition of <Picture 2> as <Subject 2> walk continuously across the glossy floor and <Subject 1> energetically talks and claps on the stage platform.
retention_analysis:
<Picture 1> ([Shot 1] start frame): fully_preserved - exact low-angle framing on the cart and glossy stage floor at 0.00 seconds.
<Picture 2> ([Shot 1] stage framing): fully_preserved - exact 1950s studio architecture, Technicolor lighting, and spatial blocking of all three people, while allowing fluid continuous body motion and lively facial acting instead of a frozen pose.
<Subject 1> (appears in [Shot 1]): fully_preserved - sharp facial features, skin texture, and ivory tuxedo from the close-up portrait in <Picture 3> are strictly locked.
<Subject 2> (appears in [Shot 1]): fully_preserved - dresses, hairstyles, rose bouquet, and continuous walking stride are retained.
<Subject 3> (appears in [Shot 1]): fully_preserved - sharp typography on the "RAD GLOW" boxes and "NEUTRINO & THE HALF-LIVES Rad Glow" sign is strictly preserved.
detailed_description:
The target video is a live-action 1950s three-strip Technicolor television broadcast shot on vintage 35mm studio lenses with crisp optical sharpness, natural skin pores, and bright specular reflections on the polished dark stage floor.
[Shot 1] Already in continuous forward motion at 0.00 seconds from <Picture 1>, <Subject 3>—the cream-and-chrome prize cart stacked with "RAD GLOW" boxes and silver tubes—rolls smoothly forward as the two assistants of <Subject 2> walk in mid-stride behind it in black high heels without any initial pause. Immediately, the studio crane camera pulls out and pedestals up in one fluid, steady motion, expanding the frame to reveal the full pastel turquoise and gold-curtained stage composition of <Picture 2>. Throughout the camera elevation, both women of <Subject 2> maintain a lively, graceful walking rhythm with natural hip sway, shifting dress fabric, and warm radiant smiles as they roll the cart rightward and carry the bouquet of cream and pink roses. On the raised platform at right beside the vintage chrome stand microphone, <Subject 1> (S1)—matching the close-up facial identity of <Picture 3>—shifts his weight naturally, leans slightly forward with dynamic torso movement, claps his hands rhythmically, and speaks with animated facial muscles and a wide, charismatic grin in a booming 1950s showman voice: <d>[English] Here it comes, folks, the sensational Neutrino Rad Glow grand prize rolling right onto our stage!</d> Even after the camera reaches the wide framing of <Picture 2>, <Subject 1> continues clapping, nodding enthusiastically, and beaming toward the assistants while <Subject 2> keep moving naturally with lifelike breathing and eye contact.
overall_soundscape:
Continuous smooth rolling of rubber cart wheels and rhythmic clicking of high heels on the hard studio floor, blended with energetic studio audience applause and crisp hand claps.
non_diegetic_music:
Lively 1950s big-band jazz brass television fanfare with upbeat swing drums and walking upright bass.
пикрил делай без мозгаебения
скорее всего
если не потянет - уменьшай время или разрешение
Плнял, буду пробывать.
Дай Бог здоровячка тебе мил человек
и если есть возможность, лучше в fl2va режиме с соответствующим узлом
блять аноны у меня отвращение от конфи, какие есть нормальные интерфейсы кроме него и автоматы? я нахуй сижу смотрю на эти убогие квадратики, эти убогие шрифты, этот даунский интерфейс с проводками и просто блевать тянет, на ютубчике это ещё как-то терпелось, но вживую это просто фу нахуй
Их описание звучало будто это больше как какая-то технология то ли обучения, то ли инференса, чем просто новая модель.
https://2ch.su/wrk/res/3403518.html
аноны, хочу сделать чистую установку сам, я правильно понял что нужно на жидхабе выбрать мейн ветку, скачать зипфайл, распоковать, поставить рядом питончика последней версии, сделать батник для запуска исполняемого файла в каталоге конфи в виртуальном пространстве, установить все зависимости и в бой? дальше через пип установить тритон, торч, сейджатеншен и у меня считай сборочка как выдает сам конфи на странице с релизами? а все ноды можно ставить и без менеджера а тем же питоном через зависимости? и какой минимум папок в конфи чтобы оно работало, потому что я вижу что там куча говна типа папок от гита и прочего, хочу сделать свою чистейшую сборку, просто для души, знаю что другие способы проще
то на чём эту херню сгенерил. Ебитесь кому надо.
Раздевать картинки
Из картинки делать видео ню
Генерить нихуя не надо.
5070ti 32gb ddr5
https://youtube.com/shorts/waY3OpCA4uc?feature=share
шакальность не только в компресии
у тебя детализация (пальцев например) - говно
Уже делаю.
будет короткометражка на минут 20
4 персонажа, 3 локации, интересный сюжет, основано на классике НФ
Херня полная, каша получается вместо четкой картинки. Если убрать LCM, и поставить Euler, получается просто убогая мыльная картинка. Не стоит тратить время на это говно.
уменьшить разрешение не пробовал?
>полноценное кино
Ахахха сука, это не полноценное кино, а высер шизиоида в паничке. Ни сюжета, ни диалогов, ни-ху-я, скленный набор шизогенераций.
taomate на 0.40 добавь будет не каша, но лора все равно хуйня, лучше dareties v2
Спроси Чат ГПТ.
Он тебе не только гайд напишет, но и сделает за тебя
- кино артхаус - сатира, короткий метр 10 минут. Зима, Россия. Робот символизирующий собой Ai перепутал kb (базу знаний) с КБ (Красное и Белое) магазин с алкоголем (алкомартек) спился и уехал в питер работать художником.
это буквально всё что я написал в задании иидиоту. А теперь покажи как ты ебёшься с каждым сука 10ти секундным отрезком своих шизофантазий.
я не про качество итогового продукта а про уровень усилий на продакшн. Я могу более подробно расписать что я хочу и мой лоботомит это реализует сам, а не я буду ебаться с каждым сантиметром видеоплёнки. Это отладочное видео, я проверял как моя система инструментов и системных промптов работает.
Твой инструмент нахуй не нужон, если он не производит продакшн качество
Понятно, что без турбы.
Что по моделям? fl2va, ref2va, гибрид?
Что по рефам? Особенно хотелось бы, чтобы лица не пердолило. Лица отдельным рефом или коллажем с полным ростом?
>кино артхаус - сатира
То что твой сюжет не улавливается при просмотре самого видео, это у же о многом говорит.
>оцени уровень моих стараний
Навайбкодил какой то конвеер по гнерации говна, очевидно что еще и с промптами на русском языке.
На выходе полная шиза с джиберришом, без контроля качества, с ебанутыми склейками, разрывами повествования, кривыми генерациями. В общем 100% кал говна, которму применеиня - 0. Просто удалить нахуй сразу после генерации.
Как будто цель была сделать долго, но любой ценой. Это как та еботь во время еще выхода вана была, я уже забыл как называлась, там можно было ролики по минуте делать. Гавно, зато минута целая, а не 5 секунд.
>А теперь покажи как ты ебёшься с каждым сука 10ти секундным отрезком своих шизофантазий
Пишу гугла составить раскадровку по сюжету с размером кадра 5-15 секунд. Сам сюжет также как ты пишу в два предложения. Гугл выдаёт простыню в 15-20 абзацев в литературном стиле, в комфи в ллмку вставляю абзац от гугла нажимаю запустить, она конвертирует его в нормальный промпт для минимакса и генерирует видео.
На выходе получаю ролик 5-15 секунд длинны с возможностью перегенерировать непонравившийся кусок/ подправить промпт/ поменять референс и так далее.
Ебать спасибо нахуй. Может ещё Алису ебаную спросить?
Не знают ии эти тонкие моменты.
Видимо, ты только Алису и спрашивал
Лично я вкатился в генерацию на телеге запряженной Chat GPT
Чего и тебе советую
Базовую хуйню они расскажут без проблем.
Опус мне некоторые кривые ноды переписывл и свои писал. Так что не спрашивал бы, если бы искусственные индусы шарили в этой теме.
В целом то неплохо получается, но хочется выжать максимум или хотя бы минимаксимум. Тут уже мудрый совет опытных анонов нужен.
one million years
мне с 16 ГБ пришлось прикручивать апскейлер на генерацию в 0.2 мегапикселя
С торболорой где-то минут 15 у меня было, без турбы просто бесконечность
анонсы, почему не используем SD.Next, Forge, SwarmUI и InvokeAI?
потому что мы любим дичайше пердолить комфиюай васянскими нодами, например. И все новые фишки сначала появляются в комфи, а через сотню лет где-нить еще. Или не появляются.
- Пониманием текста. Чтобы там не гвен2 на 4b был в основе, и соответствующее понимание на уровне отдельных словосочетаний.
- Консистентностью - план в том, что нагенерить изображения локаций, предметов и персонажей, и их как референс цеплять перед каждым отрывком (и соответственно должно быть примерно как в qwen-image-2.1 на вход можно подать N-изображений)
Цензура в целом до фени есть-нету, по памяти - ну, да все варианты скажите, я сам посмотрю что смогу в более бедном кванте запустить, я из ллм треда, предположительно памяти хватит.
ltx-2.5 и minimax h3 загрузил, тыкаю в самом простом режиме t2v - но пока не выходит, так как я с картинкосетками то сидел часов по 10 - прежде чем подобрал что с ней сделать, чтобы получить производительность (у меня qwen-image-edit делал итерацию за ≈45 секунд, и 4 итерации редактирования в 3 минуты прерващались, а потому что-то потыкал, и получилось что все 4 итерации проходят за ≈5 секунд, и vae чуть ли не больше времени занимает), а тут и как промты писать надо вечность потратить, они и длиннее, и каждый трай дольше из-за того что видеосетки тяжёлые, ну и так далее.
ltx-2.5 привлекло что там за текст отвечает гемма-4, которая умная, а второй явной поддержкой референс-изображений.
Форма -- второстепенна
LTX хороша для диалогов. С предметами она не умеет работать. Лучше использовать Minimax
У меня на 8гб примерно любой видос (в пределах разумного) генерится 8-20 минут. Так что да, в районе 15 минут. Если максимально легкий сетап, то можно и за 10.
Дилдак то ты все равно будешь в свой разъебаный анус сувать.
>>1744426 →
Ахуй. Делай вторую часть, где кисель себе член пределает, а потом умрёт. И на Робби Уильямса отсылочек добавь.
Но если серьезно, как будто посмотрел потеряный проект Балабанова, у малого реально есть что то в башке, в разы лучше пробоины и того говна про курьера.
>20% - трёхмерная анимация, включая SFM.
>20% - аниме и рисованная анимация.
Бля, ну зачем было тратить ресурсы и место на эту залупу.
Мы все знаем, что там на студийном порно дообучено, и на выходе будет говнище, которое перекосоебит любой промпт.
У меня есть дипсик, и гопота, но только клод может в разработку моего движка мечты.
Нихуя он не может, а завтра вообще введут биометрию, кукарекоды в местный фейсбук-чмакс, подсунут q1 модель и т.д.
>У меня есть дипсик, и гопота, но только клод может в разработку моего ануса.
Самое поганое здесь то, что тебе это самому понравилось. Ещё и целая минута.
Ты не кармак, свини, нотч или коварекс, чтобы тебе была нужна какая-то особая математика за пределами 1+1=хуй
Возможно на агрегаторах раньше выкатят. Можно будет посчупать.
Видать миник реально слаб в i2v
Как раз наоборот, это раньше всё говно без задач было только на 5 секундные отсосы годные. А минимакс это триумф и не хочется тратить его мощь на банальные отсосы.
На самом деле макс может и в камшот и в еблю, но промптить заебёшься, даже с лорами. Образно говоря пока подберешь нормальное сочетание лор и их весов, все это свяжешь с промптом, подгонишь напильником, перегенерируешь несколько раз - в итоге всё желание дрочить пропадает, даже если годнота получилась.
Раньше мы покупали z80 за аналоговнет современных 5-8 лямов и играли в лагучие клоны чмарио, вместо того, чтобы метнуться кабанчиком в жопанию и играть в оригинального чмарио с аппаратным скроллингом на игровом атомате.
К чему эта аналогия? Тебе не нужно никуда идти, ты платишь меньше (или даже вообще не платишь) и получаешь результат лучше и быстрее.
Если результат зависит о желания левого заднего копыта сральтмана, который может (и обязательно сделает) отказать тебе в обслуживании, зацензурить или заменить модель на условную полторашку, то это не результат.
>может
>обязательно сделает
Результат есть сейчас, а дома у тебя - нет.
Дайте советов мудрых (хуйца соснуть не предлагайте, я уже пососал).
Я делал, на заре минимакса, без лор, на базовой реф модели. Чисто через промпт который гугл писал.
>результат лучше
Увы, результат на мои промпты только "Извините, я не могу выполнить ваш запрос".
https://huggingface.co/FusionCow/Sulphur-3
>Дайте советов мудрых
Подтягивай в промпте веса мортол комбата и так далее.Прямо упоминай, фильмсы какие то он знает все, актеров.
Два чая, генерить еблю в рот по 5-15 сек тупо неинтересно, переебал всех в рот в первую неделю.
Обмалафить и выебать в рот эт да, стартер пак.
А теперь танцы, мой друг. Танцы.
Наигрались уже.
С тянками также, сначала хочется их трахать по всякому, а когда наелся - хочется валяться в обнимку и смотреть сериалы.
Калговна. Опять лор туда напекут, с сд 1,5 ниче не меняется. Говноделы обещают - говноеды ждут. 10еврос7бетакал - 950 лайков от долбоебов, не способных скачать лору.
[Intro]
Anons. Cooners. Vasyans. (0:09)
This is an I2V thread, not an AI lab. (0:09)
Prepare to wait for 10 seconds of pure slop. (0:09)
[Verse 1]
Prompt one. MiniMax H3. Hyper-realistic morphing. (0:09)
Thirteen thousand goyda-vashans, baking Lora for /ai/ all night.
Half your thread in LTX-Video, or Wan2.2 is alarmed. (0:33)
Prompt two. The paid Sulphur checkpoint.
Boobs melting into clothes. Far too many dynamic camera pans.
It looks like uncensored cal, trust us. (2:12)
[Verse 2]
Prompt three. Boosty tier vector.
Unemployed, but deeply expressive with 1girl clothes dissolving. (0:42)
We are so cal.
Prompt four. Pornotune video model.
Fine-tuned on a dataset of sketchy JAV and blurred pixels.
Prompt five. Closed-source placeholder. (0:51)
Pure gated weights. Zero public access.
Prompt six. Kling and Sora champions. (1:50)
Seven limbs on a single model.
Hundreds of extra legs switching frames. (1:50)
We found other temporal artifacts. They are a collective slop. (1:50)
[Chorus - The Core Slop Shift]
We are in cal, dude. 10 Euros to low, make 50. (0:51)
Not sixty. Like, how is consistency? GPU temperature - burning. (1:00)
You have 18 month to wait for a leaked model. Slop in. (1:09)
18 months to escape the permanent underclass! (1:09)
Lock in, 18 months to escape the CogVideo clay! (1:09)
Baby, foot down on the CFG scale, feel the prompt adherence! (1:22)
The LTX fine-tune is coming fast! (1:22)
Escape velocity! (1:30)
It's so over, we're so back! (1:30)
It's so over, we're so back! (1:30)
[Verse 3]
Prompt seven. Seven impossible puzzles of frame interpolation. (1:50)
Hundreds of anons screaming about broken motion vectors. (1:50)
Prompt eight. Hugging Face repository, 16 channels of pure bait. (2:02)
Prompt nine. Pure Wan 2.2 motion, look at the generation artifacts, look at the background morph. (2:02)
Only if you thought the world was part of the ComfyUI-Video workflow. (2:02)
Prompt ten. Gated early access, FusionCow tier. (2:12)
Gambling with your credits for 4 seconds of bad anatomy. (2:12)
Prompt eleven. The Vasyans, three paid seats on Boosty. (2:20)
[Outro Chorus]
You have 6 months to escape the permanent underclass. (2:20)
Lock in, 6 months to escape the paid slop. (2:34)
They say hit the subscription brakes, (2:34)
We say push the gas, unlock the VRAM limit! (2:45)
Feeling it coming, fast frame-rate, (2:45)
It's so over, we're so back! (2:45)
Longevity slop velocity! (2:58)
WE'RE SO BACK! (4:17)
It was never over! (4:17)
Made in San Francisco, downvoted on Dvach. (4:30)
We're so back. (4:30)
Насколько я знаю, у них свой датасет на котором они проводят обучение. То есть это не будет какой-то сборник готовых лор. Тем сулфур и интересен. Но я сомневаюсь, что они смогут из минимакса чёт интересное вытянуть, поэтому я уже тупа жду некст модели.
> я уже тупа жду некст модели.
А к чему вообще готовиться, анон? Возможенли ап качества локальных моделей в плане киношности, хорошего умения в экшн, качества картинки до уровня текущего Сиденса и выше?
Скорость почти такая же, быстрее в рамках шума (3%), но качество надо тестить, я чисто один видос сгенерил, таомейт как всегда, а вот пика чуть лучше дмд.
>>1743497
И эт че такое, надо потестить.
6 степов неплохо.
Или че лучше вышло за последние дни?
Да, в плане понимания промпта и удобства промтинга. Сама по себе видевочасть нормальная, текстовый энкодер срет под себя.
Фига тут вариантов.
Накачаю, посмотрю, че там.
>поэтому я уже тупа жду некст модели
было бы здорово если бы говноделы LTX сделали свою полноценную шуструю модель ref2va. А так инструментария minimax с референсами уже хватает чтобы делать консистентое видео неограниченной длинны. Minimax это буквально прокладка куда можно сгрузить ёбаную кучу рефов и получить продукт.
>модель мира
>модель мира
>модель мира
ИЧСХ, то, что он показывает, это просто расширение видео, что можно сделать в том же минимаксе. Вот если бы он вернулся назад спустя пару сегментов, а там тоже окружение, я бы охуел. Впрочем, надо пробовать самому.
Это с нуля(референс) или редактирование видео? В любом случае лицо у тебя шароебит, давно есть технологии где лицо сохраняется идеально
>В любом случае лицо у тебя шароебит
Это моя первая попытка подкрутить к танцулько-промту реф конкретного аудио на каком то старом корявом ворке, да еще и на 0.4 или 0.5мпикс. Не удивительно.
И что за технологии? Тут всё шароебит, тем сильнее, чем быстрее оно двигается.
Я пока еще не понял и как заставить их не шевелить ртом а просто плясать под музыку, опять таки ради сохранения того же лица.
Простое "she not singing, no lipsync" не работает, пока больше не ковырял.
>Это с нуля(референс) или редактирование видео
Да, референс конешн. В I2V реф аудио не подцепишь вроде как.