【水曜は動画・3Dの日】
動画生成モデル MiniMax H3 をもとにした派生モデル「Singularity」の新版 V2 が、Hugging Face で公開されました。
あわせて別の作者が、中身を削った軽量版を出しています。
何が変わったのか、家庭用のグラボで動くのかを、モデルのページと公式ドキュメントから整理します。
この記事のポイント
- 動画生成モデル MiniMax H3 の派生版 Singularity の新版 V2 と、別の作者による軽量版
- 動きの種類が広がり、キャラの画像をわたして動かせる。ComfyUI で試せる
- 元のファイルが大きすぎたところへ軽量版が出て、家庭用のグラボでも手が届くようになった
NAGIモチモチ先輩、動画の AI でまた何か出たみたいだけど、なあに？
モチモチふっ、いいか NAGI くん。MiniMax の動画モデルを、ファンがきたえ直したものの新しい版なのだよ。こういう作り直しは、むかしからの伝統で……
NAGI伝統の話はまたこんどね。まえの版となにがちがうの？
モチモチ動きのはばが広がって、言ったとおりに動きやすくなったということだ。肌のテカリをおさえるくふうもある。テカリだぞ、テカリ。
NAGIテカリはいいとして、なんで話題なの？
モチモチもとのファイルが大きすぎて、家で動かすのはたいへんだったのだ。そこへべつの人が軽い版を出した。手がとどく人がぐっとふえたということだ。
NAGIけずったら、きれいさが落ちたりしないの？
モチモチ作った人のくらべでは、いちばん重い版はもととほとんど同じだ。軽くするほど差が出る。あっしゅくのりくつというのはだな……
NAGIりくつはいいや。それって私にも関係ある？
モチモチキャラの絵をわたして動かせるから、自分のキャラを動かしたいなら大ありだ。ComfyUI があれば試せるということだ。
目次
動かすには
- V2 で変わったことモデルのページによると、動きの種類が広がり、プロンプトどおりに動きやすくなりました。
写実・3D CG などの画風も強くなっています。
遠くの顔の補正や、肌のテカリをおさえる工夫は、もともとの特長として書かれています。 - ファイルの選び方配布元の int8 版は34.0GB。
WAS 氏の軽量版（pruned）は、int8 が21.0GB、w6a8 が16.0GB、w4a8 が11.8GB です。
作者のくらべでは、元との差（PSNR）は順に29.1dB、26.2dB、21.4dB。
元を同じ設定で作り直しただけでも24.7dB だったので、int8 の差はそれより小さいことになります。 - ほかに要るものテキストエンコーダ（Qwen3-VL 32B）と、映像と音声の VAE です。
- 設定の目安ComfyUI 公式ドキュメントの既定は、0.4MP（16:9 なら864×480）・124フレーム（約5秒）・20ステップ。
4ステップのターボ LoRA は速いかわりに、参照画像がききにくくなります。
顔や形を参照に合わせたいなら、ターボを使わないほうがよいとされています。 - メモリ公開実測では、RTX 5070 Ti 16GB を8GB に制限して、640×384・226フレーム・20ステップで VRAM のピークが7,444MiB、所要190秒でした。
メインメモリは32GB です。
起動時に –disable-pinned-memory –reserve-vram 1.5 を付けています。 - VRAM が足りないとき公式ドキュメントでは、メインメモリへ逃がすより、小さいファイルに下げるようすすめています。
長い動画は、解像度を下げると収まりやすくなります。 - つまずきやすい点int8_convrot のファイルは、Comfy Kitchen の attention では動きません。
INT8 の attention は、動画の終わりの崩れや文字化けの原因になることがあります。 - ライセンス配布元のページは apache-2.0、軽量版は MiniMax H3 Community License と表示しています。
商用で使うときは、両方とベースモデルの条件を確かめてください。
ひとこと
NAGI のひとこと
私はまず、真ん中の w6a8 で短い動画を1本作るところから始めてみます。
いちばん軽い版は画質の落ち方が気になるので、しばらく様子見です。
コメント