奥茨玛西亚 奥茨玛西亚
关注数: 4 粉丝数: 6 发帖数: 672 关注贴吧数: 24
Minimax H3本地部署经验（二）——提示词的写法篇 在阅读正文之前，请先理解两个事实： 1、我们写的提示词，并不是直接交给H3的扩散模型理解，而是通过QwenVL转译成潜空间，让H3知道怎么画。 2、官方并没有在训练扩散模型的时候针对VL一并训练，所以，它生成的结果都是基于VL的翻译。 综上所述：官方的提示词模板可用且好用，但不一定适合中文，或者说，不一定适合你。你的提示词只要VL能够理解，就能画好，不一定必须遵循官方模板。 正文： 1、如何写好视频类提示词： 1.1、Qwen是我见过最有空间的模型之一，所以，你必须用时间线、上下左右等具体词汇描述各个物体什么时候出现在画面的什么地方。 1.2、提示词切记不能冲突，你想要什么效果，就必须详细且不能发生冲突： 1.2.1、例一，你想要在繁华的城市，充满霓虹灯的街道，你就必须写明，只写城市街道，就可能没灯，也没高楼大厦。 1.2.2、例二,不能冲突，宁可少些，不写冲突词汇，如：你描写了正面上半身特写镜头，白色球鞋，发现镜头怎么都无法直接从上半身特写开始，这是因为球鞋冲突了。它只能先生成包含你提示词里的画面，再把你的要求作为结尾。 1.2.3、宁可啰嗦，不要神略，如：他挥剑砍向对方脖子，画面却始终是两个人一起行动，同时挥剑。 所以，当模型如何也画不出你想要的画面的时候，请仔细检查你的提示词，是否有冲突的地方。 1.3、用中文提示词如何精确表达动作？这在我们版，这似乎是个很简单的问题，你实在不知道有些动作该怎么说，就去把SD的TAG翻译成中文，看他的中文词汇是什么。例，形容肉颤抖的感觉，你可能写了很多还写不出那种感觉，请用”弹跳“这个词，再例，你怎么都写不好某个行为时反复的动作，请用”晃动“这个词。 1.4、最容易被VL理解的写法：代码式写法。所有的大模型，基本都训练过编程类的语料，所以，对编程哪怕不精，也都能够理解得很好，特别式变成得结构式写法，能够精确地表达某个行为和动作。 1.4.1、例： 视频首帧：{ 男人站在荒野，右手握着剑，指着他前面的女人。 从男人背后，侧方向拍摄，聚焦女人，男人背影虚化 } 剧情推进：{ 镜头切换成双人侧面角度拍摄静态广角镜头，锁定，不推进，不旋转。男人挥手把剑举高，然后朝着女人砍去。女人站在原地，含情脉脉地看着男人，一动也不动。 镜头切换成男人面部特写广角镜头，锁定，不推进，不旋转。男人面带哀伤的表情，问道：”你为什么不躲“ …… } 音乐就用官方模板那俩个词，同样用这样写。基本中文识别跟随性VERY GOOD。 一点小经验，分享出来让大伙爽玩，也希望有经验的大佬批评指正！
Minimax H3的本地部署经验 海螺开源以来，折腾了好几宿，也算有了些经验，分享出来希望能让大家少走弯路。 1、部署硬件条件：64G内存是必须的。现在网络上有int4版，质量太差，而比int8容量小的GGUF只能是Q2，都无法使用。int8剪枝版平均占用内存50G左右，所以64G内存是必须，不然就需要硬盘做缓存，对硬盘寿命伤害太大，不推荐。 2、软件条件：最好升级到cuda13.X,这个版本速度块很多。50系的更是必要条件，因为它的硬件原生加速只有cuda13.X才支持。sage也是必要的，github上有现成编译好的轮子，不用看它对应的cuda版本，只要python版本对上了，都可以用。 3、关于加速的选择：在加速lora出来后，除了sage注意力，其他加速节点或插件都可以不用。其他加速节点或插件是通过跳过采样步骤或者层数来加速的，和加速lora混用会造成质量损失太大，基本没了用武之地。 4、普通不加加速lora的情况下，480p，20step还非常模糊，用了加速lora，6步就很清晰了，但还有些错误出现，最好是12步采样，基本就很好了。480p我的4070tis不到2分钟一个5秒，4分多一点一个10秒的。 5、模型对中文提示词理解能力非常优秀，但是必须按照官方要求，把那几个块都填充满，尽量写详细动作，方位，那么遵循度会非常的高。 6、采样器个人测试中，觉得欧拉比官方推荐的那个要好。
Krea好像也不是不能玩啊。 之前觉得提示词很难写，发现，中文也不是不行啊。兄弟们，冲啊。
来玩qwen吧，把千问的环境搞起来。 qwen14b的参数，比光辉强太多了，配置要求也不是那么高，8g显存可以跑。 最最最主要的是，16g显存可以练lora！！！我昨天用nf4模型做基础模型，40张图跑了3个回合，耗时不到一小时，lora就能用了，比我想象中容易多了。
wan的图生视频新玩法。 之前，有吧友们提到wan2.2不动，或者lora不敏感的问题，这其实是高噪模型参数设置问题。细心调节下还是可以解决的。 加上之前也关注过一个wan all in one的融合模型，就在想，wan2.1+wan2.2能不能同时一起玩？ 尝试了一下，用wan2.1降噪前两步，wan2.2低噪降噪后4步，发现竟然可行！ 但是因为没有细调参数，从2.2重回2.1，觉得2.1的动作控制实在是惨不忍睹，没继续实验下去。 实在玩不动2.2，而对2.1又非常有经验的吧友们，可以尝试一下这样融合解码试试。
画动漫时，发抖时或者极速运动的重影有固定提示词吗？ 如题。
美国登月造假了么？ 1、科学，应该是可以重复论证的。老美既然连登六次，必然能够再次载人登月。不然，为假。或者说，不科学。那么，信任美国登月成功者，是神学鼓吹者？ 2、义务教育完成，都能明白一个道理。要完成一个事实的证明，要么就是完全证实，要么就是证伪。 国际上无法证实老美登月，各期刊杂志却是不断有各种证伪老美登月的证据和论文的发表。 无法证明，却不断被证伪，这是一个事实？
没了美化，瞬间就想删档了。 正式版更新了，美化mod也挂了，看了下一家子的歪瓜裂枣，还全部特么的天人，瞬间没了玩下去的动力。
1 下一页