Результатом поделились на Reddit. Для генерации использовали 2,09 мегапикселя, 25 шагов и сэмплер Euler+Beta. Spectrum помог угадать примерно половину шагов и сильно сократил время рендера, но точность следования промту просела. Полный ролик автор выложил отдельно, потому что Reddit пережимает видео максимум до 720p.
Сцена стилизована под сериал «Castle»: детектив Кейт Беккет заходит в лофт и обнаруживает, что Ричард Касл превратил кухню в лабораторию для генерации видео. На острове стоит ПК, от него тянутся трубки к радиатору внутри открытого холодильника, а на мониторе показан интерфейс из референса. В финале компьютер искрит и загорается — по плану промта, конечно.
Автор уточнил, что случайно взял гибридный чекпойнт fl2va/ref2va для диапазона 20–49 вместо версии 30–49. Также не использовал BF16-версию текстового энкодера: вторая RTX 5090 и оперативная память были заняты. При свободных ресурсах он выбрал бы seeds_2 и sgm_uniform — такой вариант лучше держит промт, но рендер занял бы около часа.
Связка seeds_2 и Spectrum дополнительно прогнозирует внутренние вызовы H3: всего 2N−1 при N шагах. В предыдущем тесте она дала заметно лучший результат, но для этой сцены потребовала бы примерно час. Короче, локальный 2K уже пашет, но за скорость приходится платить точностью и аккуратностью настройки.
Главное
- - Локальная генерация через ComfyUI на RTX 5090
- - Разрешение 1984×1120, 2,09 мегапикселя, около 14 секунд видео
- - 25 шагов Euler+Beta, время рендера — 30 минут 49 секунд
- - Spectrum ускоряет расчёт, но ухудшает следование промту
- - seeds_2 + sgm_uniform дали бы лучшее качество примерно за час
- - Использованы референсы персонажей, лофта и интерфейса
ИсточникReddit: AI-видео и картинки
