Dodao sam LoRA za ubrzanje u MiniMax H3 za FL2 i REF4, pa sam htio provjeriti koliko se, pod istim uvjetima, mijenja vrijeme generiranja.

Korištena konfiguracija izgleda ovako.

• FL2: arry v4_step600. Standardna verzija: 20 koraka; verzija s LoRA-om za ubrzanje: 8 koraka
• REF4: PDD Ref2VA. Standardna verzija: 20 koraka; verzija s LoRA-om za ubrzanje: 8 koraka
• Svi videozapisi traju 8 sekundi, u razlučivosti 768×1344 pri 24 fps
• Svaki par ima isti prompt, isti seed i istu referentnu sliku
• Lijevo je bez LoRA-e za ubrzanje, a desno s njom

Testirao sam pet vrsta sadržaja: brzu radnju, intenzivne prijelaze scena, gotovo nepomičnu snimku, detalje kose i tkanine te pomicanje kamere s prekrivanjem prednjim planom. Napravio sam 10 videa s FL2 i 10 s REF4, ukupno 20.

FL2 — arry v4_step600

1. Brza radnja

Video parkoura u kišnoj neonskoj ulici. Uvjeti uključuju brzo kretanje, prskanje vode te mnogo kretanja odjeće i kose.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 504 sekunde (8 min 24 s), a s njom 272 sekunde (4 min 32 s). Vrijeme na strani bez LoRA-e uključuje i početno učitavanje FL2 u VRAM. Pri prvom prebacivanju na verziju s LoRA-om jednom je prekinuta veza s kontejnerom, pa je ovdje navedeno vrijeme uspješnog ponovljenog pokušaja.

2. Intenzivni prijelazi scena

Dok je kromirani kolibrić ostao fiksan, scena se redom prebacivala u muzej, džunglu, talionicu, ledenu špilju, grad od papira i svemir.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 454 sekunde (7 min 34 s), a s njom 236 sekundi (3 min 56 s). U ovom paru generiranje je bilo oko 1,92 puta brže.

3. Video s malo promjena

Statična kamera snima urara. Kreću se samo treptaji, pomak pincete od nekoliko milimetara, sekundna kazaljka i prašina.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 447 sekundi (7 min 27 s), a s njom 233 sekunde (3 min 53 s). Vrijeme generiranja nije se mnogo mijenjalo ni kad je bilo malo kretanja; razlika je iznosila oko 1,92 puta.

4. Detalji kose i tkanine

Brzo okretanje u poluprozirnoj šifonskoj haljini protkanoj srebrnim nitima. Taj je uvjet služio za provjeru koliko se tkanina i kosa raspadaju pri ubrzanju.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 448 sekundi (7 min 28 s), a s njom 234 sekunde (3 min 54 s). I ovdje je bilo oko 1,91 puta brže.

5. Pomicanje kamere i prekrivanje prednjim planom

Brdski bicikl prolazi kroz šumu. Paprat potpuno prekriva kadar, a kamera za to vrijeme zaobilazi prizor za 180 stupnjeva.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 448 sekundi (7 min 28 s), a s njom 234 sekunde (3 min 54 s). Čak i uz veliko pomicanje kamere bilo je oko 1,91 puta brže.

Ako uzmemo prosjek četiri slučaja FL2 nakon učitavanja u VRAM, bez LoRA-e je iznosio 449,25 sekundi, a s njom 234,25 sekundi. U ovom okruženju rezultat je bio oko 1,92 puta brže generiranje.

REF4 — PDD Ref2VA

Za REF4 sam kao jednu referentnu sliku koristio storyboard od šest kadrova izrađen pomoću ChatGPT generiranja slika.

1. Brza radnja

Isti tijek parkoura kao kod FL2 pretvoren je u video iz šest poza.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 481 sekundu (8 min 1 s), a s njom 299 sekundi (4 min 59 s). Vrijeme bez LoRA-e uključuje učitavanje REF4 u VRAM. Prvi je pokušaj na strani s LoRA-om prekinuo vezu tijekom dekodiranja, pa je navedeno vrijeme uspješnog ponovljenog pokušaja.

2. Intenzivni prijelazi scena

Isti kolibrić i šest vrsta svijeta razvijeni su iz storyboarda od šest kadrova.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 424 sekunde (7 min 4 s), a s njom 251 sekundu (4 min 11 s). Bilo je oko 1,69 puta brže.

3. Video s malo promjena

Sitne promjene kod urara rasporedio sam u šest kadrova. Na strani s LoRA-om za ubrzanje raspored storyboarda ostao je izravno vidljiv u videu.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 418 sekundi (6 min 58 s), a s njom 247 sekundi (4 min 7 s). Vrijeme je oko 1,69 puta kraće, ali je vizualna razlika ovaj put prilično velika.

4. Detalji kose i tkanine

Okretanje iste plesačice zadano je sa šest kadrova. U ovom se slučaju u obje varijante, sa i bez LoRA-e, relativno uredno dobio video preko cijelog zaslona.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 420 sekundi (7 min 0 s), a s njom 249 sekundi (4 min 9 s). Bilo je oko 1,69 puta brže.

5. Pomicanje kamere i prekrivanje prednjim planom

Približavanje brdskog bicikla, prijelaz preko prednjeg plana i zaobilaženje prema stražnjoj strani zadani su u šest kadrova. Ovaj put je raspored kadrova ostao dosta vidljiv u obje varijante.

Bez LoRA-e za ubrzanje · 20 koraka	S LoRA-om za ubrzanje · 8 koraka
再生	再生

Bez LoRA-e za ubrzanje trebalo je 419 sekundi (6 min 59 s), a s njom 248 sekundi (4 min 8 s). Bilo je oko 1,69 puta brže.

Ako uzmemo prosjek četiri slučaja REF4 nakon učitavanja u VRAM, bez LoRA-e je iznosio 420,25 sekundi, a s njom 248,75 sekundi. U ovom okruženju rezultat je bio oko 1,69 puta brže generiranje.

Što sam naučio iz testa

Gledajući samo vrijeme generiranja, učinak LoRA-e za ubrzanje prilično je velik. FL2 je bio gotovo upola brži, a REF4 je trajanje skratio za otprilike 40 %. To se čini vrlo praktičnim za izradu prototipa dok se dorađuju promptovi i kompozicija.

No kada se REF4 proslijedi storyboard u jednom listu podijeljenom na kadrove, ponekad nauči samu mrežu kao kompoziciju. Osobito su uz LoRA-u za ubrzanje postojali slučajevi u kojima je podjela na kadrove dugo ostala vidljiva. Ako s REF4 ciljate na običan video preko cijelog zaslona, sigurnije je svaki kadar proslijediti kao zasebnu sliku nego koristiti jedan kontaktni list.

Također, i kod FL2 i kod REF4 veza s kontejnerom jednom se prekinula samo pri prvom prebacivanju sa standardne verzije na verziju s LoRA-om za ubrzanje. Ponovno pokretanje pod istim uvjetima uspjelo je, a nakon toga je rad bio stabilan. Dobra bi praksa bila nakon prvog prebacivanja generirati jedan kratki probni video.

Ovi su brojevi izmjereni na ovom računalu, pri ovoj razlučivosti i za videozapise od 8 sekundi. Ne treba ih promatrati kao apsolutni benchmark, nego kao usporedbu sa i bez LoRA-e u istom okruženju.