รับดราฟต์ 384p–768p คืนได้ถึง 4K
ตามหน้าโปรเจกต์ของ NVlabs ตัวรีไฟน์รับดราฟต์ได้หลายขนาดคือ 384p, 512p, 576p และ 768p ทั้งจาก H3 และจากโมเดลวิดีโออื่น แล้วคืนผลได้ 4 ขนาดคือ 768p (1344×768), 1080p, 2K (2560×1440) และ 4K (3840×2160) รองรับคลิปยาว 5–15 วินาที ใช้การ denoise แค่ 3 สเต็ปแบบปิด classifier-free guidance ต่างจาก API ทางการของ MiniMax ที่รับได้เฉพาะเอาต์พุต H3 768p แบบไม่ผ่านการแก้ และคืนได้แค่ 2K
ในทางเทคนิค ตัวรีไฟน์เป็น LoRA ตัวเดียวที่วางบน transformer ของ H3 ซึ่งถูกตรึงไว้ โดยรวมสามอะแดปเตอร์เข้าด้วยกันเป็น LoRA rank 576 ตามที่ระบุในหน้าโมเดล
เร็วขึ้นเกือบ 4 เท่า และคนตัดสินเลือก 87%
NVIDIA ทดสอบคลิป 5 วินาทีที่ 2K บน GPU B200 หนึ่งตัว ใช้เวลา 22.45 วินาที เทียบกับ 87.26 วินาทีบนเส้นทางมาตรฐาน หรือเร็วขึ้นราว 3.9 เท่า ส่วนหนึ่งมาจาก Sol-H3-VAE ตัวถอดรหัสวิดีโอแบบกลั่นที่ทีมปล่อยคู่กัน ซึ่งลดเวลาถอดรหัสคลิป 2K จาก 14.5 วินาทีเหลือ 0.89 วินาทีบน GB200 และบนการ์ดเกมมิ่ง RTX 5090 ที่ 768p ลดจาก 12.5 เหลือ 5.0 วินาที
ด้านคุณภาพ ในการทดสอบแบบ blind A/B 200 ครั้ง ผู้ประเมินเลือกผลของตัวเปิด 174 ครั้ง (87%) เทียบกับ API ทางการ 26 ครั้ง (13%) และบน VBench ได้คะแนน aesthetic quality 0.604 เทียบ 0.569 กับ imaging quality 0.676 เทียบ 0.629 แต่ API ทางการยังนำเล็กน้อยด้าน motion smoothness และ dynamic degree
ใช้งานได้แค่ไหน
weights ของตัวรีไฟน์และ VAE อยู่ภายใต้ MiniMax H3 Community License ไม่ใช่ไลเซนส์เปิดแบบเดียวทั้งชุด ส่วน ComfyUI ได้รวมโหนด H3 latent upscale และการโหลด Sol-H3-VAE เข้า core แล้วเมื่อ 28 ต.ค. (อยู่ใน master/nightly ยังไม่อยู่ในรุ่น release) ขณะที่ VAE ตัวใหม่ใช้หน่วยความจำราว 48 GiB สำหรับคลิป 2K ยาว 5 วินาที จึงยังต้องใช้การ์ดระดับสูง
มุมมองของเรา
ข่าวนี้ยืนยันทิศทางเดียวกับที่หลายค่ายกำลังไป คือ "เจนดราฟต์ราคาถูกหลายเทค แล้วค่อยรีไฟน์เฉพาะเทคที่ผ่าน" ขั้นอัปสเกลที่เร็วขึ้นเกือบ 4 เท่าและรับดราฟต์จากโมเดลอื่นได้ หมายความว่าต้นทุนต่อช็อตไฟนอลระดับ 2K–4K มีแนวโน้มลดลงอีก แต่ตัวเลขทั้งหมดยังเป็นผลทดสอบของทีมผู้พัฒนาเอง All-In AI Labs จะทดลองกับฟุตเทจจริงก่อนนำเข้าเวิร์กโฟลว์ โดยยังคุมทุกช็อตด้วยสตอรี่บอร์ดและการตรวจคีย์เฟรมก่อนเจน เพื่อส่ง AI Video คุณภาพสูงในงบที่ถูกกว่า production ปกติ
ALL-IN