level 6
clip应该只是影响要画什么的理解能力，对画质影响不大，是这样吧？
2026年08月10日 02点08分
level 9
这对我们本地部署的个人电脑用户是好消息，牛逼的消息。我要试下看
2026年08月10日 02点08分
3
![[滑稽]](/static/emoticons/u6ed1u7a3d.png)
可以省点硬盘啊，但是clip文本编码器对理解有不少影响的。我用了fp4，fp4 heretic，int4这3个同样16G的clip，同样提示词跑起来是comfy原版fp4动作感觉最自然，fp4heretic比较生硬，像硬做那个动作的样子，int4类似fp4有点小区别。
level 1
4b和32b，这两个东西，最后一层输出的隐元数据完全不同，怎么能直接用？就算强行修改维度适配，数据差太多了，还能用？
2026年08月10日 03点08分
4
level 9
实测跑通了，先说结论：除了文件小一点，实战应用价值低。
1.内存占用稍低，显存占用没多少变化（我生成8秒视频），作者的工作流是12步采样，速度并不快。
2.qwen3vl（any Qwen3-VL-4B works）。
画质未受影响。可以叠加lightxv的turbo-lora，但6步采样声音会出问题。
3.作者提供了3个clip修补分别针对三种场景，使用时要仔细看作者的介绍。
h3_qwen3vl_4b_tap24.pt
h3_control_identity.pt
h3_control_zero.pt
2026年08月10日 04点08分
5
1.内存占用稍低，显存占用没多少变化（我生成8秒视频），作者的工作流是12步采样，速度并不快。
2.qwen3vl（any Qwen3-VL-4B works）。
画质未受影响。可以叠加lightxv的turbo-lora，但6步采样声音会出问题。
3.作者提供了3个clip修补分别针对三种场景，使用时要仔细看作者的介绍。
h3_qwen3vl_4b_tap24.pt
h3_control_identity.pt
h3_control_zero.pt
