H3-Latent-Upscaler-2x

在处理 MiniMax H3 视频时，想把分辨率提升 2 倍通常很麻烦：你得先 VAE 解码成像素，用传统放大器拉伸，再重新编码回隐空间。这不仅慢，还会引入额外的画质损失。H3-Latent-Upscaler-2x 提供了一种更高效的思路：直接在隐空间里把尺寸翻倍，完全跳过像素域的来回折腾。

需要明确的是，这不是一个用来让视频变清晰的放大器。它的输出如果直接解码，可能比原图还柔和。它的核心价值是快和省，让你能在隐空间里无缝衔接后续的高分生成流程。

核心定位：效率优先，而非画质增强

• 适用对象：仅针对完全去噪的干净 H3 视频隐空间。千万别用在带噪声的中间态隐空间上。
• 时间维度不变：它只放大空间尺寸（宽高×2），视频时长和音频隐空间保持原样。
• 非终端工具：如果你只是想增强一段已经做好的视频，请老老实实用传统的像素空间放大器。这个工具是为“继续在隐空间生成”服务的。

工作原理：轻量级校正网络

开发者并没有训练一个庞大的超分模型，而是采用了一种巧妙的策略：

1. 构建教师数据：将低分隐空间解码 → Lanczos 像素放大 2 倍 → 重新编码，得到“目标高分隐空间”。
2. 学习残差校正：在一个简单的双线性插值基础上，训练一个轻量级网络来学习“插值结果”与“真实高分隐空间”之间的差异。
3. 多重损失约束：除了常规的隐空间重建损失，还加入了 SSIM、空间一致性和时间一致性损失，确保放大后的隐空间在时序上是稳定的。

整个过程没有修改 H3 生成器本身，因此它是一个纯粹的、可插拔的后处理模块。

ComfyUI 使用指南

1. 安装节点：使用 ComfyUI-H3-Latent-Upscaler-Mamad8 自定义节点包。
2. 放置模型：将 h3_clean_latent_upscaler_v1_mamad8.safetensors 放入 ComfyUI/models/h3_latent_upscalers/ 目录。
3. 工作流衔接：
   • 输入必须是干净的 H3 隐空间。
   • 放大后若想继续生成高分辨率内容，需要显式地重新加噪并配合高分辨率续作工作流。
   • 音频隐空间可直接透传，无需额外处理。

什么时候该用它？