lightx2v/Minimax-h3-Turbo-SLA
이미지 한 장을 입력받아 768p FL2V 영상을 생성하는 video-generation 모델입니다.apache-2.0
MiniMax-H3 기반 LoRA에 4-step distillation과 85% sparse attention을 결합한 768p FL2V 가속 checkpoint
학습 방식 · MiniMaxAI/MiniMax-H3를 기반으로 4-step distillation을 적용한 LoRA이며, SLA(Sparse–Linear Attention)의 85% attention sparsity와 LightX2V 추론 구성을 결합했습니다.
TL;DR
MiniMax-H3 Turbo-SLA는 MiniMaxAI/MiniMax-H3에 적용하는 LoRA 기반의 4-step distilled FL2V checkpoint입니다. 30-step 대신 4-step denoising 경로를 사용하고, SLA의 85% attention sparsity ratio로 attention 계산을 줄입니다. 테스트된 LightX2V setup에서 NVIDIA RTX 5090 기준 약 2.5× inference acceleration을 기록했으며, 768p 영상 생성과 BF16 checkpoint를 지원합니다. 원본 MiniMax-H3 모델이 필요하고 실제 속도는 resolution, video length, software environment와 hardware에 따라 달라집니다.
핵심 포인트
- 4-step distillation으로 denoising 단계를 줄여 30-step 기반 모델보다 짧은 추론 경로를 사용합니다.
- SLA의 85% attention sparsity ratio와 dynamic_sparse_attn을 적용해 계산량을 줄입니다.
- RTX 5090의 LightX2V 테스트에서 약 2.5× 가속을 기록하면서 경쟁력 있는 화질을 유지합니다.
- 768p FL2V와 LightX2V·ComfyUI용 BF16 LoRA checkpoint를 함께 제공합니다.
제한사항
- 이 저장소에는 독립 실행형 모델이 아니라 MiniMaxAI/MiniMax-H3에 적용하는 LoRA weights가 들어 있습니다. 따라서 추론하려면 원본 MiniMax-H3 모델과 호환되는 LightX2V 또는 ComfyUI workflow가 필요합니다. 저장소만 내려받아 단독으로 영상을 생성하는 구성은 아닙니다.
- 약 2.5× 가속 수치는 NVIDIA RTX 5090의 테스트된 LightX2V setup에 해당합니다. 실제 성능은 resolution, video length, software environment와 hardware configuration에 따라 달라질 수 있습니다. 공개된 수치는 모든 실행 환경에 동일하게 적용되는 보장값이 아닙니다.
벤치마크
| 벤치마크 | 지표 | 값 | 비교 |
|---|---|---|---|
| SLA attention sparsity ratio | sparsity ratio | 85% | — |
| LightX2V RTX 5090 inference | inference acceleration | 약 2.5× | — |
75
LIKES
0
DOWNLOADS
0 / 0
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.
