Pruna تحوّل نموذج الفيديو MiniMax H3 إلى مولّد صور بـ 8 خطوات

يعرف كل من يصنع فيديو بالذكاء الاصطناعي هذه المشكلة: تحتاج أولاً إلى لقطة، ثم تُحرَّك. وإذا أُنتجت اللقطة بنموذج والحركة بنموذج آخر، يتغير الأسلوب. فالإضاءة والملمس واللون تنحرف منذ اللقطة الثانية، ثم يبدأ الضبط اليدوي. تقترح Pruna حلاً بديلاً: أخذ نموذج الفيديو MiniMax H3 وتحويله إلى مولّد للصور الثابتة. اسمه P-H3-Image.

ما المعروف عن الإصدار

المعلومات حتى الآن مصدرها منشور قصير واحد من المتحمس @alemotion. يولّد النموذج صورة في 8 خطوات ولا يحتاج إلى CFG (classifier-free guidance). وهذا مهم لسبب عملي: فالـ CFG يتطلب عادةً تمريرة إضافية للنموذج في كل خطوة، لذا فإن الاستغناء عنه يوفر الوقت والذاكرة معاً.

يدعم التحرير ما يصل إلى 8 صور إدخال. يمكن تقديم شخصية وموقع وغرض ومرجع أسلوبي في آن واحد، وطلب تركيب لقطة جديدة منها. ويعمل النموذج أصلاً داخل ComfyUI، أي أنه لا حاجة إلى كتابة واجهة ربط خاصة.

وهناك رقم مستقل يخص الذاكرة. فمجموعة أوزان 4 بت بدقة 8 ميغابكسل تشغل في ذروتها نحو 21 غيغابايت من VRAM. وبطاقة RTX 4090 تملك 24. الهامش صغير لكنه موجود: فالبطاقة الاستهلاكية تتعامل مع اللقطات الكبيرة دون استئجار سحابة.

ما فائدته عملياً

سيناريو المؤلف: إنتاج لقطات رئيسية تحمل أصلاً «وجه» H3، ثم تحريكها لاحقاً فقط. والمنطق بسيط. إذا وُلدت اللقطة الأولى في عائلة النماذج نفسها التي ينتمي إليها الفيديو، فينبغي أن يقل التباين الأسلوبي بين المدخل والمخرج. هذه فرضية المؤلف، ولا توجد قياسات في المنشور، لكن الفكرة واضحة وقابلة للتحقق.

تخيّل إعلاناً من ست لقطات. تحمّل ثلاثة مراجع للبطل ومرجعاً للبيئة وآخر للأسلوب، وتحصل على لوحة قصة بواقع 8 خطوات لكل لقطة وتعتمدها. وبعد ذلك فقط تنفق على توليدات الفيديو المكلفة. الخطأ في مرحلة اللقطة أرخص بأضعاف من الخطأ في مرحلة الفيديو.

وهناك ميزة ثانية: 8 خطوات بدون CFG تعني تكرارات سريعة. وهذا حاسم للوحة القصة، لأنك تنتج غالباً عشرات النسخ قبل العثور على المطلوب.

القيود

المصدر واحد: منشور قصير حصل على 8 مشاهدات. لا توجد مقارنات مع نماذج صور أخرى. ولم يُبيَّن كم ثانية يستغرق التوليد على 4090، ولا كيف تصمد الجودة مع 8 مراجع، ولا مقدار ما يضعفه التكميم إلى 4 بت من التفاصيل مقارنةً بالدقة الكاملة.

رقم 21 غيغابايت يصف الذروة عند 8 ميغابكسل. وفي رسم ComfyUI حقيقي، حيث يعمل بجانبه مكبّر دقة أو ControlNet، ستنفد الـ 24 غيغابايت بسرعة. وأخيراً، ينبغي التحقق من تراخيص Pruna وMiniMax قبل الاستخدام التجاري.

ماذا تفعل

إذا كان لديك مسار عمل قائم على H3، فخذ موجزاً واحداً ومرّره عبر P-H3-Image وعبر نموذج الصور الحالي لديك. قارن مدى تطابق اللقطات أسلوبياً مع الحركة اللاحقة. وإذا كنت لا تستخدم H3، فمن المبكر الانتقال بسبب هذا الإصدار: لا توجد اختبارات مستقلة بعد.

لكن الاتجاه واضح. بدأت نماذج الفيديو تحصل على «توائم» للصور، كي يقوم المسار كله، من لوحة القصة إلى التحريك، على أسلوب واحد. وهذه فرصة للاستوديوهات والمبدعين المستقلين لتقليل الضبط اليدوي، وإشارة لمطوري الأدوات إلى أن الاتساق بين المراحل أصبح مهمة قائمة بذاتها.