Probé cuánto cambia el tiempo de generación, en las mismas condiciones, al añadir una LoRA de aceleración a FL2 y REF4 de MiniMax H3.

La configuración utilizada fue la siguiente.

• FL2: arry v4_step600. La versión normal usa 20 pasos y la versión con LoRA de aceleración, 8 pasos
• REF4: PDD Ref2VA. La versión normal usa 20 pasos y la versión con LoRA de aceleración, 8 pasos
• Todos los vídeos duran 8 segundos, a 768×1344 y 24 fps
• Cada pareja usa el mismo prompt, la misma seed y la misma imagen de referencia
• A la izquierda, sin LoRA de aceleración; a la derecha, con LoRA de aceleración

Las pruebas cubren cinco tipos: movimiento rápido, transiciones intensas de escena, imágenes casi estáticas, detalles de pelo y tela, y movimiento de cámara con oclusión en primer plano. Generé 10 vídeos con FL2 y 10 con REF4, 20 en total.

FL2 — arry v4_step600

1. Movimiento rápido

Un vídeo de parkour en una calle neón bajo la lluvia. Usé condiciones con desplazamientos rápidos, salpicaduras y mucho movimiento de ropa y pelo.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 504 segundos (8 min 24 s); con ella, 272 segundos (4 min 32 s). El tiempo sin LoRA también incluye la carga inicial de FL2 en la VRAM. En el caso con LoRA, la conexión con el contenedor se interrumpió una vez durante el primer cambio, así que indico el tiempo del reintento que sí terminó correctamente.

2. Transiciones intensas de escena

Manteniendo fijo un colibrí cromado, cambié sucesivamente entre un museo, una jungla, un horno de fundición, una cueva de hielo, una ciudad de papel y el espacio exterior.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 454 segundos (7 min 34 s); con ella, 236 segundos (3 min 56 s). En esta pareja fue aproximadamente 1,92 veces más rápido.

3. Vídeo con pocos cambios

Una toma fija de un relojero. Solo se mueven los parpadeos, las pinzas unos milímetros, el segundero y el polvo.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 447 segundos (7 min 27 s); con ella, 233 segundos (3 min 53 s). Incluso con poco movimiento, el tiempo de generación apenas cambió y la diferencia fue de aproximadamente 1,92 veces.

4. Detalles de pelo y tela

Un giro rápido con un vestido de gasa semitransparente bordado con hilo de plata. Esta condición sirve para observar cuánto se degradan la tela y el pelo al acelerar.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 448 segundos (7 min 28 s); con ella, 234 segundos (3 min 54 s). También fue aproximadamente 1,91 veces más rápido.

5. Movimiento de cámara y oclusión en primer plano

Una bicicleta de montaña atravesando un bosque. Un helecho cubre por completo la pantalla mientras la cámara gira 180 grados.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 448 segundos (7 min 28 s); con ella, 234 segundos (3 min 54 s). Incluso con mucho movimiento de cámara fue aproximadamente 1,91 veces más rápido.

El promedio de los cuatro casos de FL2 con la VRAM ya cargada fue de 449,25 segundos sin LoRA y 234,25 segundos con LoRA. En este entorno, el resultado fue de aproximadamente 1,92 veces más rápido.

REF4 — PDD Ref2VA

Para REF4, proporcioné como única imagen de referencia un storyboard de seis viñetas creado con la generación de imágenes de ChatGPT.

1. Movimiento rápido

Convertí en vídeo la misma secuencia de parkour que en FL2, partiendo de seis poses.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 481 segundos (8 min 1 s); con ella, 299 segundos (4 min 59 s). El tiempo sin LoRA incluye la carga de REF4 en la VRAM. En el caso con LoRA, el primer intento se desconectó durante la decodificación, por lo que indico el tiempo del reintento que terminó correctamente.

2. Transiciones intensas de escena

Desarrollé el mismo colibrí y seis mundos distintos a partir de un storyboard de seis viñetas.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 424 segundos (7 min 4 s); con ella, 251 segundos (4 min 11 s). Fue aproximadamente 1,69 veces más rápido.

3. Vídeo con pocos cambios

Convertí los cambios sutiles del relojero en seis viñetas. En la versión con LoRA de aceleración, la división del storyboard permaneció visible en el vídeo final.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 418 segundos (6 min 58 s); con ella, 247 segundos (4 min 7 s). El tiempo es aproximadamente 1,69 veces menor, pero esta vez la diferencia visual es bastante grande.

4. Detalles de pelo y tela

Usé seis viñetas como referencia para el giro de la misma bailarina. Tanto con LoRA como sin ella, este caso se convirtió en un vídeo a pantalla completa relativamente limpio.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 420 segundos (7 min 0 s); con ella, 249 segundos (4 min 9 s). Fue aproximadamente 1,69 veces más rápido.

5. Movimiento de cámara y oclusión en primer plano

Especifiqué en seis viñetas el acercamiento a la bicicleta de montaña, una transición con un elemento de primer plano y el giro hacia la parte trasera. Esta vez, en ambos casos permaneció bastante la composición de viñetas.

Sin LoRA de aceleración · 20 pasos	Con LoRA de aceleración · 8 pasos
再生	再生

Sin LoRA de aceleración tardó 419 segundos (6 min 59 s); con ella, 248 segundos (4 min 8 s). Fue aproximadamente 1,69 veces más rápido.

El promedio de los cuatro casos de REF4 con la VRAM ya cargada fue de 420,25 segundos sin LoRA y 248,75 segundos con LoRA. En este entorno, el resultado fue de aproximadamente 1,69 veces más rápido.

Lo que aprendí al probarlo

Si solo se considera el tiempo de generación, el efecto de la LoRA de aceleración es muy importante. FL2 reduce el tiempo casi a la mitad y REF4 lo acorta alrededor de un 40 %. Parece muy útil para prototipar durante la fase de ajuste del prompt y la composición.

Sin embargo, al proporcionar a REF4 un storyboard de viñetas en una sola imagen, a veces parece aprender la propia cuadrícula como parte de la composición. Especialmente con la LoRA de aceleración, hubo casos en los que las viñetas permanecieron visibles durante mucho tiempo. Si buscas un vídeo normal a pantalla completa con REF4, creo que es más seguro proporcionar cada viñeta como imagen independiente en vez de una única hoja de contactos.

Además, tanto en FL2 como en REF4, la conexión con el contenedor se interrumpió una vez solo al cambiar por primera vez de la versión normal a la versión con LoRA de aceleración. Al volver a ejecutar con las mismas condiciones, funcionó, y después fue estable. Parece conveniente generar un vídeo de prueba corto tras el primer cambio.

Estas cifras son mediciones obtenidas en esta máquina, con esta resolución y vídeos de 8 segundos. Más que un benchmark absoluto, conviene interpretarlas como una comparación entre usar o no la LoRA en el mismo entorno.