|
|
作者:@AIwood爱屋研究室
H3 Taomate HD 把少步数加速与渐进分辨率采样放进同一套视频生成流程。本文根据 AIwood 的 ComfyUI 演示整理节点准备、三个核心参数和效果检查方法;它不是对已有视频做通用修复,也不意味着只改输出尺寸就能得到更多细节。
一、先准备节点、配套模型与工作流
作者提供了 ComfyUI-TaoMateHD 节点和 TaoMate-HD-preview-comfy 模型,并在简介中附上网盘资源。按项目说明安装节点、准备模型,再打开配套示例工作流,逐个确认加载节点已选到本机文件。视频没有完整逐项展示所有环境依赖和安装命令,本文不补写未经演示的命令或显存门槛。
画面中的关键节点是 TaoMate HD Progressive Sampler。它接收模型、正向与负向条件以及 latent,输出结果继续进入后续解码。导入工作流后先核对这些连线,不要把它当作一个可随意替换到任意模型上的普通放大节点。
二、从 steps=3、cfg=1 开始核对
作者演示的默认配置是 steps=3、cfg=1.0。这套 HD LoRA 已包含三步加速,因此视频提醒不要再额外叠加一套加速 LoRA。应按配套工作流检查模型与 LoRA 组合,而不是看到“加速”就不断叠加。
渐进采样会把步骤分配给低、中、高三个分辨率阶段。视频给出的例子是:
- 3 步:1 / 1 / 1。
- 4 步:2 / 1 / 1。
- 5 步:2 / 2 / 1。
- 6 步:2 / 2 / 2。
这些数值说明的是三个阶段的采样分配,不是三次独立生成后拼接。作者介绍该方法在采样过程中逐步提高分辨率,并指出它不依赖额外的潜空间放大模型;不要与带有额外中间编解码或放大模型的其他工作流混为一谈。
三、low_scale 先保留 0.625
节点画面显示 low_scale=0.625,作者用 480/768 的比例解释这个默认值。视频允许调整,但建议先用默认配置。初次对照时,先固定输入、提示词和种子,只改变一个参数,更容易观察差异;这里的对照建议不代表本文已经实际运行工作流。
四、怎样理解演示中的生成耗时
视频展示了 1080p、10 秒的样例:其中一组标示约 84 秒采样时间,另一组带参考输入的样例约 116 秒采样时间。这些是作者该次演示的采样记录,不是完整任务从加载模型到编码输出的总耗时,也不是对其他硬件的速度保证。
作者还提到额外的加速配置。由于字幕中的部分专名不够可靠,本文不据此拼写插件名或给出安装指令;需要复现时应对照原视频的完整画面和实际项目说明,不能仅凭耗时数字反推配置。
五、不要只看清晰度,按四类画面检查
- 人物与小物件:检查脸部、衣物以及手持金属环在运动中是否保持一致。
- 手指与纸牌:观察手指和牌的数量、牌面形状,以及快速翻转时是否出现穿插或崩坏。
- 转身与落地:检查旋转动作、服装变化、落地过程和转回正面后的脸部。
- 参考图一致性:比较不同视角下的人物、服装、配饰,尤其留意侧面转正面的连续性。
这些是视频采用的观察项目,不是一份统一测试条件下的成功率排名。看结果时应播放完整动作,而不只截取最好的一帧。
六、适用范围与不足
作者认为这种路线仍有局限,尤其是远景小脸,并将其与其他放大方法作对比;中近景人物的展示更有参考价值。片中效果不能推导为所有场景都优于其他方案。若主要需求是细小面部、复杂动作或严格角色一致性,应先用自己的代表性素材小规模验证,再决定是否用于批量任务。
原视频提供的资源
节点项目:ComfyUI-TaoMateHD
配套模型:TaoMate-HD-preview-comfy.safetensors
【模型与工作流:https://pan.quark.cn/s/409d33fc5b45】
本文根据原视频官方可见字幕及演示画面整理,没有实际安装或运行该模型。资源链接来自原视频公开简介,具体版本及下载状态以项目页面为准;完整连线与动态效果请结合文首视频查看。
|
|