اجرای لوکال Hunyuan Video 3 با ComfyUI
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
به گفتهٔ نویسنده، Hunyuan Video 3 (که کوتاه بهش میگن H3) یه مدل تولید ویدیو با وزنهای بازه که میتونی روی GPU خودت اجراش کنی و دیگه بابت هر کلیپ به یه API پول ندی. ترکیبی که تو مقاله تست شده یه Turbo LoRA هشتمرحلهای بوده (یعنی یه آداپتور سبک که تعداد قدمهای denoise رو از چند ده تا به ۸ تا میرسونه) کنار sage attention، و کل کار هم داخل ComfyUI انجام شده.
نتیجه این بوده که یه کلیپ ۵ ثانیهای بهطور میانگین حدود ۸۳ ثانیه وقت برده، در حالی که ستاپهای بهینهنشده چند ده دقیقه طول میکشیدن. هزینهش هم فقط برق و استهلاک کارت گرافیکه. نویسنده میگه هر ابزار بهینهسازی هم ارزش اضافه کردن نداره: یه upscaler که کنار همین workflow تست شده حافظهٔ سیستم رو میبلعیده و کنار گذاشته شده، و ابزار سرعتی Spectrum هم سود ناچیزی داشته.
طرف مقابل، H3 Max از Fal AI هست؛ یه نسخهٔ post-trained که کلیپهای ساده رو تو ۲ تا ۳ ثانیه بیرون میده، ولی وزنهاش باز نیست و فقط از راه API پولی در دسترسه. قیمتش تو یه تخفیف موقت حدود ۱۲٫۵ سنت برای هر کلیپ ۵ ثانیهای روی 480p بوده که بعد از تموم شدن تخفیف به حدود ۲۵ سنت و روی 720p به حدود ۴۰ سنت میرسه. دلیل باز نبودنش هم تا حدی به لایسنس خود Hunyuan Video 3 برمیگرده که برای توزیع تجاری نسخههای post-trained اجازهٔ کتبی Minimax رو لازم داره.
تو تستهای عملی روی چند دسته پرامپت، کیفیت لوکال به Max خیلی نزدیک بوده و حتی تو جزئیاتی مثل نور و حرکت ریز اندامها جلو زده، ولی Max تو دقت فیزیک بهتر بوده. نویسنده ادعای بنچمارک Fal رو که H3 Max رو بالاتر از Seedance 2.5 و Wan 3.0 میذاره قبول نداره و میگه Seedance 2.5 هنوز سقف کیفیت بالاتری داره.
ضعفهای باقیمونده هم روشنه: پایداری اشیا و morphing (مثلاً چاقویی که وسط کلیپ چاپستیک میشه)، فیزیک غیرمنطقی مایعات و اجسام نرم، گفتار نامفهوم تو پرامپتهای دیالوگدار، و صحنههای چندشخصیتی که آدمها روی حرف هم میپرن. نکتهٔ مهم اینه که H3 Max هم دقیقاً همین مشکلا رو نشون داده، پس ریشهش تو خود مدل پایهست نه تو بهینهسازی لوکال.
نکات کلیدی:
- ترکیب برندهٔ تست: Turbo LoRA هشتمرحلهای + sage attention داخل ComfyUI، میانگین ۸۳ ثانیه برای کلیپ ۵ ثانیهای.
- H3 Max از Fal همون کلیپ رو تو ۲ تا ۳ ثانیه میسازه ولی open weight نیست و فقط API داره.
- قیمت H3 Max بعد از پایان تخفیف: حدود ۲۵ سنت برای 480p و ۴۰ سنت برای 720p به ازای هر کلیپ ۵ ثانیهای.
- ادعای برتری H3 Max نسبت به Seedance 2.5 و Wan 3.0 تو تست عملی تأیید نشده.
- عامل اصلی شتاب، کم شدن قدمهای denoise به ۸ قدمه، نه سختافزار خاص.
- ایرادهای مشترک هر دو نسخه: morphing اشیا، فیزیک نادرست مایعات و گفتار مبهم تو صحنههای شلوغ.
