Una LoRA de órbita 360° para MiniMax H3: qué hace y dónde falla
Transparencia: esto es una prueba interna. No vendemos esta LoRA ni la hicimos nosotros. Todos los vídeos están generados con IA.
Una LoRA de la comunidad hace que el modelo de primer y último fotograma de MiniMax H3 dé una vuelta completa de 360° a un sujeto y vuelva al fotograma de partida. La probamos en nuestra RTX 4090 con tres imágenes y dos semillas. Esto es lo que vimos, con las cifras medidas y lo que no funcionó.
Qué probamos
- La LoRA:
MiniMax-H3-360-Orbit-LoRA, de Pablo Dawson (página en Hugging Face). Rango 16. Se usa la misma imagen como primer y último fotograma. - Ajustes de su tarjeta: 768×768, 73 fotogramas a 24 fps (unos 3 s), 28 pasos, sin guidance, fuerza de la LoRA 1,0, prompt de la tarjeta sin cambios. El sampler (
res_multistep) y el planificador (simple) no vienen en la tarjeta: son elección nuestra. - Tres entradas: nuestra presentadora sintética (no es una persona real), un taburete c. 1670 del Metropolitan Museum (foto CC0) y una imagen de un frasco de perfume en una mano, en un puesto de mercado (generada con IA).
- Dos semillas (42 y 777), así que son 6 clips por variante. Es una muestra pequeña: no es una estadística, es lo que vimos en esos 6.
- Un clip de control: el mismo modelo base sin la LoRA, una sola ejecución (taburete, semilla 42).
Lo que hace
Sobre la presentadora y sobre el taburete, el clip da una vuelta completa de 360° y el último fotograma vuelve a la pose inicial. En el taburete, el dibujo del cojín, las patas y el fleco giran de verdad, no se balancean. En la presentadora, cara, pelo y color de la sudadera se mantienen.
El control confirma de dónde viene el giro. Sin la LoRA, el taburete se queda quieto: solo se mueve el grano de la película. Medido como "cuánto se aleja la imagen del primer fotograma", la desviación máxima del control es 2,75 (escala 0–255), frente a 32 en los clips del taburete con LoRA. (Son estadísticas de píxeles, no un veredicto de calidad.)
Lo que añadimos: LoRA turbo de 8 pasos
La LoRA de Pablo Dawson no se probó con ninguna LoRA de aceleración. Apilamos la suya (fuerza 1,0) con una LoRA turbo de 8 pasos de LightX2V (Minimax-h3-Turbo, licencia Apache-2.0 según su ficha; al ser un ajuste de MiniMax H3, la tratamos también como sujeta a la MiniMax H3 Community License; fuerza 1,0) y usamos 8 pasos en lugar de 28.
| Tarjeta (28 pasos) | Orbit + turbo (8 pasos) | |
|---|---|---|
| Tiempo de pared, media | 140,9 s (5 ejecuciones; excluida la primera de la sesión, que incluye la carga del modelo) | 62,0 s (6 ejecuciones) |
| Tiempo del sampler | unos 111–112 s | unos 31–32 s |
| Pico de VRAM | 23,4 GiB | 23,4 GiB |
"Tiempo de pared" es desde que enviamos el trabajo a ComfyUI hasta tener el resultado. "Tiempo del sampler" es solo el bucle de muestreo, tomado del registro de ComfyUI. El pico de VRAM es la memoria total de la GPU que vio nvidia-smi (muestreo cada 0,5 s), con un pequeño uso base del escritorio incluido. Todo en una RTX 4090, 768×768, 73 fotogramas.
En los 6 pares (3 entradas × 2 semillas), la misma semilla da la misma trayectoria y el mismo contenido con 28 pasos y con 8. La diferencia que vio el revisor es una ligera suavidad de textura. Es decir: unas 2,3 veces menos tiempo de pared, con el mismo resultado visible en esta muestra.
Dónde falla
1. El lado que no se ve se inventa, y depende de la semilla. La entrada de la presentadora solo muestra el pequeño logo del pecho. Con la semilla 42, en las dos variantes, el modelo dibujó un logotipo naranja grande en la espalda de la sudadera. Con la semilla 777, la espalda quedó lisa. Si la espalda del producto real importa, lo que sale es ficción.
2. Un producto en la mano, en una escena con mucho detalle, es inestable. En el perfume, con la semilla 42 el movimiento fue un barrido de unos 90–100° del puesto y el fondo, y el frasco apenas giró; nunca se vio su parte trasera. Con la semilla 777 fue el peor resultado de la prueba: el mercado se convirtió en otros lugares, apareció un hombre distinto, aparecieron anillos en los dedos y el frasco perdió la forma y la etiqueta durante la mitad del clip. Después el plano volvió al puesto original. Con 8 pasos, el mismo problema con la misma semilla.
3. Parece que gira el sujeto, no que orbita la cámara. El fondo se queda quieto, como si la persona girase sobre sí misma. La salida es de 768×768, y la nitidez baja en las vistas laterales.
Qué significa para un cliente
Para un giro de producto en una tienda online, solo sirve si tienes fotos del reverso y de los laterales reales, y alguien revisa a ojo cada semilla. El modelo no puede saber qué hay detrás. Un objeto aislado sobre fondo liso fue lo mejor de la prueba (taburete, 4 de 4 clips con vuelta completa y cierre). Para un producto en la mano, no lo usaríamos. No prometemos más que esto.
Límites de la prueba: 3 entradas, 2 semillas, una GPU, un modelo base. El autor de la LoRA entrenó con 28 clips de personas (splats gaussianos humanos) y dice que otros sujetos, formatos y longitudes están sin probar.
Licencia y uso
El modelo base y la LoRA de órbita están bajo la MiniMax H3 Community License; la LoRA turbo se publica con Apache-2.0, pero es un ajuste de H3 y la tratamos con las mismas condiciones. La licencia prohíbe usar el modelo o sus salidas para mejorar otros modelos de IA (s. V.3). No lo hacemos.
Esta prueba es interna. Hacemos pruebas, medidas de rendimiento y optimización de modelos que se ejecutan en local para equipos técnicos: Equipos técnicos.
Los vídeos y las imágenes generadas de este artículo están hechos con IA; la entrada del taburete es una foto real de dominio público (CC0). La presentadora es una persona sintética, no una persona real. Taburete: Stool, British, c. 1670, The Metropolitan Museum of Art, Bequest of Irwin Untermyer, 1973, accession 1974.28.25 (CC0, Met Open Access; Wikimedia Commons File:Stool_MET_DP159799.jpg). La imagen del perfume está generada con IA. Autor de la LoRA de órbita: Pablo Dawson. Autor de la LoRA turbo de 8 pasos: LightX2V (el archivo tiene el mismo nombre y tamaño que el del repositorio lightx2v/Minimax-h3-Turbo).
Powered by MiniMax H3 (MiniMax). MiniMax H3 is licensed under the MiniMax H3 Community License Agreement. Not affiliated with MiniMax.
Powered by MiniMax H3 (MiniMax). MiniMax H3 se distribuye bajo la MiniMax H3 Community License Agreement. Grawwww no está afiliada con MiniMax.
Otro artículo: De 650 s a 72 s: referencia-a-vídeo en una sola RTX 4090 →