是技术不是魔法， 拆解了一下英伟达的Sol-H3的实现原理， 先让 Qwen 把提示词编码，H3 用 4 步画一张 384p 的底稿； 这张底稿不解码成像素… · @bei351009016 · TwKit

@bei351009016

是技术不是魔法， 拆解了一下英伟达的Sol-H3的实现原理， 先让 Qwen 把提示词编码，H3 用 4 步画一张 384p 的底稿； 这张底稿不解码成像素，直接在 latent 里放大、转进 LTX 的空间， 由 LTX 用 3 步重画成 768p，最后解出画面和声音。 配置要求还是不低的，几乎吃满单台Spark的内存和性能， 但是能达到50s出5s视频确实很诱人了

曝光 413 · 评论 4 · 点赞 5 · 书签 0