MiniMax-H3-PTD-RefAsymOPD-LoRAs

MiniMax-H3-PTD-RefAsymOPD-LoRAs是一款专为 MiniMax-H3 模型设计的 8 步 Ref2VA（参考图像到视频与音频生成）加速 LoRA。该权重创新性地结合了 PTD（参数化轨迹蒸馏，Parameterized Trajectory Distillation）与 RefAsymOPD（参考非对称同策略蒸馏，Reference Asymmetric On-Policy Distillation）技术，不增加推理成本的前提下，显著提升生成视频的背景合理性、画面锐度与真实感。

核心技术：PTD 与 RefAsymOPD 的协同优化

传统的扩散模型蒸馏方法在大幅减少推理步数时，往往会牺牲画面的细节与物理合理性。该加速 LoRA 通过引入 RefAsymOPD 机制，对普通的 PTD 进行了深度改良。在相同的推理步数下，RefAsymOPD 能够更好地对齐参考图像的语义与动态轨迹，从而有效改善了生成视频中的背景逻辑一致性、边缘锐度以及整体的视觉真实感，使其生成质量能够逼近甚至媲美基础模型在 40 步顺序推理下的“质量天花板”，而计算量仅为后者的五分之一。

架构设计与推理机制

在工程实现上，该检查点保持了极高的兼容性与轻量化特性：

• 结构一致性：其在结构上与普通 PTD LoRA 完全相同。它在并行解码蒸馏（PDD）引入的每个区间输出头之上，应用了独立的低秩适配器（Low-Rank Adapter）。
• 零额外成本：推理时，模型正好运行 8 次 Transformer 评估，不需要任何额外的输入张量或计算开销，与普通 PTD 的推理成本完全持平。
• 智能元数据解析：该 .safetensors 权重文件在其 __metadata__ 中内置了完整的配置信息（包括 ptd_num_hops、pdd_num_steps=32、pdd_block_size、lora_rank、lora_alpha 及 lora_targets）。加载脚本（如 apply_ptd_lora）可直接读取这些元数据并自动推导 num_inference_steps，实现了开箱即用的无缝体验。

模型权重与性能表现

目前发布的权重主要针对 8 步推理场景，4 步版本已在规划中：

• MiniMax-H3-Ref2VA-PTD-RefAsymOPD-8Step.safetensors：基础模型为 MiniMax-H3，任务为 Ref2VA。采用 8 跳（hops）配置，LoRA rank 为 128，network_alpha 为 128，精度为 BF16。
• MiniMax-H3-Ref2VA-PTD-RefAsymOPD-4Step.safetensors：4 步版本（即将推出）。

在官方提供的演示中（竖版 768×1344 分辨率，124 帧，24 fps，含音频），该 8 步 LoRA 在静帧细节和动态连贯性上，展现出了与 MiniMax-H3 基础模型 40 步无 LoRA 推理相媲美的极高水准。

ComfyUI 集成与部署

该加速 LoRA 与现有的 MiniMax-H3 PTD 生态完全兼容。用户可通过 comfyui_node/ComfyUI-MiniMaxH3-PTD/ 目录下的自定义节点在 ComfyUI 中无缝加载此检查点。

• 依赖要求：需要与 ComfyUI-PTD 插件并列安装。
• 代码复用：由于结构相同，现有的推理适配器、Diffusers 脚本以及 ComfyUI 节点代码均可直接复用，无需进行任何修改。