Вход — кадр 288×448. Выход — 2304×3584, ровно в восемь раз по каждой стороне. Автор заметки на note.com сделал это на RTX 4070 12 ГБ примерно за 70 секунд. Вертикальный кадр 1248×1824 он растянул до 4576×1824 примерно за 100 секунд. Одна модель, P-H3-Image, без отдельного апскейлера. Работает, но это не апскейл в привычном смысле. Модель рисует картинку заново.
Тут я сначала хмыкнул. Модель создана на базе видеогенератора, а на вход ей дают крошечный кадр. Но размер выхода задаёте вы, а маленькая картинка служит только подсказкой. Поэтому новое полотно рисуется сразу в нужном размере.
Апскейл 288×448 → 2304×3584: как собрать граф
Автор взял официальный edit-воркфлоу из репозитория и поправил его в три места:
- Убрал ноду Scale Image to Total Pixels, которая растягивала вход до 4 МП и 1 МП. Load Image теперь идёт напрямую в Generate Text и в p-h3-image Conditioning.
- Удалил второе референсное изображение и Batch Images, а в Upsampler input убрал тег <Picture 2>.
- В p-h3-image Conditioning в поля width и height вписал нужное разрешение выхода.
Автор убрал растяжку, чтобы понять, на что способна сама P-H3 без предобработки. Это его выбор. В официальном воркфлоу вход всё-таки растягивают до 4 МП перед моделью.
Промпт апскейла
Upscale <Picture 1> into a high-resolution, sharp image. Keep the same character, pose, composition, colors and anime illustration style; only restore fine detail and crisp, clean line art.Из чего собран промт
- действиеапскейл входного изображения до высокого разрешения и резкости
Upscale <Picture 1> into a high-resolution, sharp image. - стильсохранить персонажа, позу, композицию, цвета и аниме-стиль
Keep the same character, pose, composition, colors and anime illustration style; - детализациявосстановить только мелкие детали и чистую линию
only restore fine detail and crisp, clean line art.
Промт просит модель восстанавливать, а не выдумывать. Она должна держать персонажа, позу, композицию, цвета и стиль, а дорисовать только мелкие детали и чистую линию. Короткую просьбу расширит апсемплер, автор ничего руками не переписывал.
Что менять под себя: описание стиля (аниме, фото, кино) и список того, что трогать нельзя. Размытое «сделай лучше» тут бесполезно, модели нужен перечень того, что сохранить.
Что вышло: фон и причёска держатся, глаза уезжают
По словам автора, из размытого входа получилась чистая иллюстрация с прорисованными прядями, швами на костюме и пуговицей на рукаве:
Пряди волос, швы на костюме и пуговица на рукаве нарисованы чётко. Из размытого входа получилась чистая линейная иллюстрация. (в переводе с японского)
Минус он тоже называет сам:
Глаза немного отличаются от исходного персонажа. P-H3 ближе к перерисовке, чем к апскейлеру, поэтому стопроцентного совпадения с оригиналом может не быть. (в переводе с японского)
Автор думает, что лучше была бы двухступенчатая схема: сначала лёгкий апскейлер, потом P-H3 на 1:1. Его сравнение шло с входом, растянутым бикубиком, поэтому разница в глазах видна не до конца. Проверял ли кто-то эту схему на практике, в материале не сказано.
Аутпейнт 1248×1824 → 4576×1824: больше, чем просто фон
Вторая задача интереснее. Вертикальный кадр растянули по ширине до панорамы, высоту сохранили. Исходник остаётся в центре, а слева и справа модель дорисовывает сцену.
Extend <Picture 1> to the left and right into a wide panoramic image. Keep the original image unchanged in the center at the same scale, with the same character, pose, colors and anime illustration style, and continue the scene naturally on both sides.Из чего собран промт
- действиерасширить изображение влево и вправо в панораму
Extend <Picture 1> to the left and right into a wide panoramic image. - сценаоставить исходное изображение в центре без изменения масштаба
Keep the original image unchanged in the center at the same scale, - стильсохранить персонажа, позу, цвета и аниме-стиль
with the same character, pose, colors and anime illustration style, - сценаестественно продолжить сцену с обеих сторон
and continue the scene naturally on both sides.
Промт просит держать центр без изменений в том же масштабе и продолжить сцену с обеих сторон. Под себя меняется описание сцены: что за окном, какой фон нужен для баннера или обложки.
Больше всего автора удивило вот что:
Удивительнее всего, что слева появились стеллаж и стена, а справа ноутбук на столе, которых не было в исходнике, и выглядит это очень естественно. Вероятно, P-H3 обучалась на очень больших изображениях и решает, что здесь уместно для такой картинки. (в переводе с японского)
Чашку, которая в исходнике обрезана краем, модель нарисовала целиком. Швы между старым и новым в аутпейнте местами заметны, но в целом сцена читается как одно полотно.
| Задача | Вход, px | Выход, px | Время, с (замер автора) |
|---|---|---|---|
| Апскейл, аниме-персонаж | 288×448 | 2304×3584 | около 70 |
| Аутпейнт, панорама | 1248×1824 | 4576×1824 | около 100 |
Где подвох: размеры, лицензия и память
- Перерисовка всего кадра. Лица, глаза и мелкие предметы могут уйти от оригинала. Это прямо написано в заметке.
- Кратность 32. Входное изображение и выходное разрешение округляются до чисел, кратных 32. Иначе пропорции поплывут.
- Потолок 8 Мп. Рекомендованные размеры: 2912×2912 для квадрата, 3360×2496 для 4:3 [S5]. Кадр 2304×3584 — около 8,3 млн пикселей, то есть почти у предела.
- Несостыковка по входам. Карточка модели говорит о восьми входных картинках, а релиз-блог обещает до девяти. Обзор AirMore отметил это расхождение, так что опирайтесь на карточку [S5].
- Лицензия. MiniMax H3 Community License, в некоторых регионах нужна отдельная лицензия, а для продуктов в заметке указано обязательное «Powered by MiniMax H3». Проверяйте до коммерческого использования [S5, S6].
- Память. Официально для int8 нужно около 21 ГБ. Автор заметки работал на 12 ГБ, но, судя по другой заметке из архива, это была стандартная выгрузка ComfyUI, а не вся модель в видеопамяти. Оперативки там было около 48 ГБ [A7].
- Цензура. Промпт-апсемплер цензурный. Для NSFW его нужно отключать или брать другой путь, как пишет автор заметки из архива [A2].
Как применить у себя
- Обновите ComfyUI до v0.44.0 или новее. Без неё нода p-h3-image Conditioning не появится [S4].
- Файлы. Если MiniMax H3 уже стоит, достаточно LoRA p-h3-image_lora_bf16.safetensors в models/loras. Она весит около 2 ГБ. Без H3 берите отдельную модель p-h3-image_int8_convrot.safetensors. Text encoder, VAE и промпт-апсемплер лежат в PrunaAI/P-H3-Image-Comfy.
- Откройте edit-воркфлоу p-h3-image_lora_edit.json со страницы модели и сделайте три правки из раздела выше.
- Задайте width и height кратно 32 и не больше 8 Мп.
- Вставьте промт, запустите и первым делом смотрите лицо и глаза в 100%, а не в превью.
- Если нужен точный персонаж, попробуйте двухступенчатую схему. Это гипотеза автора, не проверенная никем в материале.
Думаю, такой сценарий интереснее для раскадровок, постеров и фонов под титры, чем для портрета персонажа крупным планом. Там глаза будут первым, что заметит заказчик.
Стоит ли брать P-H3 под свою работу
Короче, для расширения кадров в широкий формат и подъёма разрешения без облачных подписок — да. Для персонажа, где нужно точное совпадение лица с оригиналом, — пока нет. Всё, что касается глаз, придётся сверять руками.
Модель открыта, но решают лицензия и память. В материале нет ни цены, ни подписки, зато есть три условия из раздела про подвох.
Собрать такую цепочку из нод — в полотне Workflow
Источники
Pruna AI: Today, we open-source P-H3-Image
P-H3-Image Puts MiniMax H3 Image Generation in ComfyUI | ComfyUI Wiki
P-H3-Image Review: Editing, NSFW Support, VRAM and LoRA
P-H3-Image: Pruna's Open Image Model From Video | LLMs Blog
Источникnote.com
