मैंने MiniMax H3 के FL2 और REF4 में स्पीड-अप LoRA जोड़ा, इसलिए एक ही शर्तों में जनरेशन समय में कितना अंतर आता है, यह आज़माया।

इस्तेमाल किया गया सेटअप इस प्रकार था।

• FL2: arry v4_step600। सामान्य संस्करण 20step और स्पीड-अप LoRA संस्करण 8step
• REF4: PDD Ref2VA। सामान्य संस्करण 20step और स्पीड-अप LoRA संस्करण 8step
• सभी वीडियो 8 सेकंड, 768×1344, 24fps के थे
• हर जोड़ी में एक ही प्रॉम्प्ट, एक ही seed और एक ही रेफ़रेंस इमेज का इस्तेमाल हुआ
• बाईं ओर स्पीड-अप LoRA नहीं है, दाईं ओर स्पीड-अप LoRA है

परीक्षण में पांच प्रकार शामिल थे: तेज़ गति, तीव्र सीन ट्रांज़िशन, लगभग स्थिर वीडियो, बाल और कपड़े के बारीक विवरण, तथा कैमरा मूवमेंट और फोरग्राउंड ऑक्लूज़न। FL2 में 10 और REF4 में 10, कुल 20 वीडियो बनाए।

FL2 — arry v4_step600

1. तेज़ गति

बारिश वाली नीयन सड़क पर पार्कूर का वीडियो। इसमें तेज़ मूवमेंट, पानी के छींटे और कपड़ों व बालों की भरपूर गति रखी गई।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 504 सेकंड (8 मिनट 24 सेकंड) और उसके साथ 272 सेकंड (4 मिनट 32 सेकंड) लगे। बिना LoRA वाले परिणाम में FL2 को पहली बार VRAM में लोड करने का समय भी शामिल है। LoRA वाले पक्ष में पहली बार स्विच करने पर कंटेनर कनेक्शन एक बार टूट गया था, इसलिए सफल रीट्राई का समय दिया गया है।

2. तीव्र सीन ट्रांज़िशन

क्रोम के हमिंगबर्ड को स्थिर रखते हुए, दृश्य को संग्रहालय, जंगल, भट्ठी, बर्फ़ की गुफा, कागज़ के शहर और अंतरिक्ष में क्रमशः बदला गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 454 सेकंड (7 मिनट 34 सेकंड) और उसके साथ 236 सेकंड (3 मिनट 56 सेकंड) लगे। इस जोड़ी में यह लगभग 1.92 गुना तेज़ था।

3. बहुत कम बदलाव वाला वीडियो

घड़ीसाज़ का स्थिर-कैमरा दृश्य। केवल पलक झपकना, चिमटी का कुछ मिलीमीटर खिसकना, सेकंड हैंड और धूल को गतिशील रखा गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 447 सेकंड (7 मिनट 27 सेकंड) और उसके साथ 233 सेकंड (3 मिनट 53 सेकंड) लगे। गति कम होने पर भी जनरेशन समय में बहुत अंतर नहीं आया और लगभग 1.92 गुना का अंतर रहा।

4. बाल और कपड़े के बारीक विवरण

चाँदी के धागों से बनी अर्धपारदर्शी शिफॉन ड्रेस में तेज़ घूमना। यह देखने के लिए कि स्पीड बढ़ाने पर कपड़े और बाल कितने बिगड़ते हैं।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 448 सेकंड (7 मिनट 28 सेकंड) और उसके साथ 234 सेकंड (3 मिनट 54 सेकंड) लगे। यह भी लगभग 1.91 गुना तेज़ था।

5. कैमरा मूवमेंट और फोरग्राउंड ऑक्लूज़न

जंगल में दौड़ती माउंटेन बाइक। फर्न के पत्तों से स्क्रीन को पूरी तरह ढककर, उस दौरान कैमरे को 180 डिग्री घुमाया गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 448 सेकंड (7 मिनट 28 सेकंड) और उसके साथ 234 सेकंड (3 मिनट 54 सेकंड) लगे। बड़े कैमरा मूवमेंट वाली स्थिति में भी यह लगभग 1.91 गुना तेज़ था।

VRAM लोड होने के बाद FL2 के चार मामलों का औसत लें तो, LoRA के बिना 449.25 सेकंड और उसके साथ 234.25 सेकंड लगे। इस वातावरण में यह लगभग 1.92 गुना तेज़ रहा।

REF4 — PDD Ref2VA

REF4 को ChatGPT इमेज जनरेशन से बनाया गया 6-फ्रेम स्टोरीबोर्ड एक रेफ़रेंस इमेज के रूप में दिया गया।

1. तेज़ गति

FL2 वाले ही पार्कूर क्रम को 6 फ्रेम की पोज़ से वीडियो में बदला गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 481 सेकंड (8 मिनट 1 सेकंड) और उसके साथ 299 सेकंड (4 मिनट 59 सेकंड) लगे। बिना LoRA वाले परिणाम में REF4 को VRAM में लोड करने का समय शामिल है। LoRA वाले पक्ष में पहली कोशिश के दौरान डिकोडिंग पर कनेक्शन टूट गया था, इसलिए सफल रीट्राई का समय दिया गया है।

2. तीव्र सीन ट्रांज़िशन

उसी हमिंगबर्ड और छह प्रकार की दुनियाओं को 6-फ्रेम स्टोरीबोर्ड से विकसित किया गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 424 सेकंड (7 मिनट 4 सेकंड) और उसके साथ 251 सेकंड (4 मिनट 11 सेकंड) लगे। यह लगभग 1.69 गुना तेज़ था।

3. बहुत कम बदलाव वाला वीडियो

घड़ीसाज़ के सूक्ष्म बदलावों को 6 फ्रेम में बनाया गया। स्पीड-अप LoRA वाले परिणाम में स्टोरीबोर्ड का ग्रिड लेआउट वैसे ही वीडियो में रह गया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 418 सेकंड (6 मिनट 58 सेकंड) और उसके साथ 247 सेकंड (4 मिनट 7 सेकंड) लगे। समय लगभग 1.69 गुना तेज़ है, लेकिन इस बार दृश्य रूप में अंतर काफ़ी बड़ा है।

4. बाल और कपड़े के बारीक विवरण

उसी डांसर के घूमने को 6 फ्रेम में रेफ़रेंस किया गया। इसमें LoRA के साथ और बिना, दोनों ही स्थितियों में अपेक्षाकृत साफ़ फुल-स्क्रीन वीडियो बन पाया।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 420 सेकंड (7 मिनट 0 सेकंड) और उसके साथ 249 सेकंड (4 मिनट 9 सेकंड) लगे। यह लगभग 1.69 गुना तेज़ था।

5. कैमरा मूवमेंट और फोरग्राउंड ऑक्लूज़न

माउंटेन बाइक का नज़दीक आना, फोरग्राउंड वाइप और पीछे की ओर घूमना 6 फ्रेम में तय किया गया। इस बार दोनों परिणामों में फ्रेम-विभाजित संरचना काफ़ी हद तक बनी रही।

स्पीड-अप LoRA नहीं・20step	स्पीड-अप LoRA के साथ・8step
再生	再生

स्पीड-अप LoRA के बिना 419 सेकंड (6 मिनट 59 सेकंड) और उसके साथ 248 सेकंड (4 मिनट 8 सेकंड) लगे। यह लगभग 1.69 गुना तेज़ था।

VRAM लोड होने के बाद REF4 के चार मामलों का औसत लें तो, LoRA के बिना 420.25 सेकंड और उसके साथ 248.75 सेकंड लगे। इस वातावरण में यह लगभग 1.69 गुना तेज़ रहा।

आज़माने पर पता चला

सिर्फ़ जनरेशन समय देखें तो स्पीड-अप LoRA का प्रभाव काफ़ी बड़ा है। FL2 में समय लगभग आधा हुआ, जबकि REF4 में भी लगभग 40% की कमी आई। प्रॉम्प्ट और कंपोज़िशन को अंतिम रूप देने से पहले के प्रोटोटाइप के लिए यह बहुत उपयोगी लगता है।

हालाँकि, REF4 को एक ही फ्रेम-विभाजित स्टोरीबोर्ड इमेज देने पर वह कभी-कभी उस ग्रिड को ही कंपोज़िशन के रूप में सीख लेता है। खासकर स्पीड-अप LoRA वाले परिणामों में, कुछ मामलों में फ्रेम विभाजन लंबे समय तक बना रहा। REF4 से सामान्य फुल-स्क्रीन वीडियो बनाना हो तो एक कॉन्टैक्ट शीट देने के बजाय हर फ्रेम को अलग इमेज के रूप में देना अधिक सुरक्षित लगता है।

साथ ही, FL2 और REF4 दोनों में केवल पहली बार सामान्य संस्करण से स्पीड-अप LoRA संस्करण पर स्विच करते समय कंटेनर कनेक्शन एक बार टूट गया। समान शर्तों में दोबारा चलाने पर कामयाबी मिली और उसके बाद यह स्थिर रहा। पहले स्विच के बाद एक छोटा टेस्ट वीडियो चला लेना बेहतर कार्यप्रणाली लगती है।

ये आंकड़े इसी मशीन, इसी रिज़ॉल्यूशन और 8 सेकंड के वीडियो पर वास्तविक माप हैं। इन्हें पूर्ण बेंचमार्क मानने के बजाय, एक ही वातावरण में LoRA के साथ और बिना की तुलना के रूप में देखना चाहिए।