Powracająca dorosła postać może wyglądać przekonująco w portrecie i nierozpoznawalnie po drugiej stronie pokoju. Eksport drugiego ujęcia w 4K daje większy plik, lecz nie zapewnia automatycznie zamierzonej twarzy. To przydatne pytanie za wyborem rozdzielczości MiniMax H3: czy ujęcie potrzebuje więcej informacji podczas generowania, czy już udane ujęcie potrzebuje tylko większego pliku do dostarczenia?
Użyj 768p jako praktycznego początku, zarówno do prób ruchu i kompozycji, jak i gdy liczy się twarz i garderoba, a wyższego poziomu wyniku generowania, gdy ujęcie zależy od małych cech lub późniejszego przycięcia. Jeśli klip o niższej rozdzielczości ma już właściwą postać, ruch i wyraz twarzy, upscaling wybranej próby jest tańszą drogą do większego pliku. To wybory produkcyjne, a nie twierdzenie, że powiększony materiał dorównuje generowaniu w wyższej rozdzielczości.
Dla pięciosekundowego zwykłego H3 image-to-video generowanie 768p z osobnym upscalingiem 2K kosztuje $0.245, podczas gdy wybór 2K w zadaniu generowania kosztuje $0.29. Różnica to tylko 4.5 centa, więc oszczędność kosztem ważnej twarzy nie jest automatycznie rozsądną okazją.
| Czego potrzebujesz | Od czego zacząć | Kiedy wydać więcej |
|---|---|---|
| Wybrać działanie, pozycję aparatu lub strój | Generowanie 768p | Gdy oceniasz drobne cechy twarzy, a nie pomysł |
| Mobilny klip portretowy ustalonej dorosłej postaci | Generowanie 768p z bliską lub średnią kompozycją | Gdy gotowemu źródłu brakuje cechy używanej do rozpoznania postaci |
| Większa kopia ujęcia z ukochaną miną i tempem | Powiększ to ujęcie | Nie generuj ponownie tylko dla rozmiaru; nowe generowanie to nowy występ |
| Szerokie ujęcie z małą twarzą lub dużym przycięciem | Najpierw przekadruj, potem rozważ wyższy poziom generowania | Gdy detal naprawdę musi przetrwać tę odległość |
| Wymagany plik 4K | Powiększ wybrane cięcie, potem eksportuj dokładne wymagane płótno | Gdy źródło jest widocznie słabe już przed powiększeniem |
Poradnik skupia się na filmach fikcyjnych dorosłych postaci, w tym produkcjach NSFW, i decyzjach wizualnych przed wydatkiem na serię. Rozdzielczość nie zmienia zachowania treści endpointu. Najpierw wybierz odpowiednią wersję H3; porównanie wersji H3 opisuje tę osobną decyzję.
„Generuj większe” i „upscale” mogą opisywać różne procesy
Ludzie często mieszają trzy rzeczy: zamówienie większego wyniku w usłudze generowania, powiększenie istniejącego MP4 i wymianę dekodera w lokalnym procesie ComfyUI. Wszystkie mogą zwiększać wymiary finalnego pliku. Nie otrzymują tych samych informacji i nie podejmują tych samych decyzji.
Wyższy poziom wyniku generowania wybiera się podczas tworzenia ujęcia. Żądanie nadal ma oryginalny prompt i wejścia obrazów. Wynik może różnić się miną, ruchem lub miejscowymi detalami od generowania niższego poziomu. Jeśli masz świetne ujęcie 768p, ponowne wysłanie tego samego obrazu początkowego na wyższym poziomie nie odzyskuje dokładnie tej próby z większą liczbą pikseli.
Osobny upscaling wideo zaczyna się od istniejącego klipu. Przydaje się, gdy chcesz zachować wybrany występ. Źródło już zawiera działanie, kadr i tempo, więc prosisz o większą wersję materiału, zamiast kolejnej interpretacji oryginalnej sceny.
Lokalny proces latentów lub VAE działa wewnątrz generowania, zanim istnieje gotowe wideo. Może skalować reprezentację wewnętrzną, wykonywać kolejne generowanie, zmieniać dekodowanie lub łączyć kilka tych operacji. Post mówiący „2× upscale” bez określenia etapu nie mówi, którego procesu używa.
Na przykład karta modelu H3 Latent Upscaler opisuje generowanie w małej rozdzielczości, powiększenie latentów, a potem ponowne próbkowanie lub dopracowanie przy docelowej rozdzielczości. Ten dodatkowy etap generowania jest częścią proponowanego procesu, a nie tylko innym rozmiarem eksportu.
Ilustracja: żądanie generowania używa oryginalnych instrukcji sceny; osobny upscale otrzymuje wybrane wideo.
Opcja 2K H3 potrzebuje dokładniejszego opisu niż „natywna”
Oficjalna karta modelu H3 MiniMax opisuje bazowy wynik z domyślnym krótszym bokiem 768 pikseli. Etap H3-Regenerate-2K podaje wynik o niższej rozdzielczości i oryginalny kontekst z powrotem do H3, by wygenerować większy rezultat. Różni się od zwykłego dedykowanego super-resolution stosowanego tylko do gotowego pliku.
Praktyczna różnica to dostęp do kontekstu: etap regenerowania może korzystać z oryginalnych instrukcji i referencji, podczas gdy upscaler MP4 pracuje na otrzymanym klipie. MiniMax przedstawia to jako zaletę architektury; nie ustala, która ścieżka lepiej zachowa konkretną postać.
Dlatego artykuł używa wyższego poziomu wyniku generowania dla wyboru hostowanego. „Natywne 2K kontra fałszywe 2K” to zbyt prymitywny opis, a menu rozdzielczości nie jest gwarancją architektury.
Dostępne poziomy zależą od wersji H3
Zwykłe H3 image-to-video oferuje 768p i 2K (480p nie jest już oferowane od 9 października 2026). H3 LoRA i H3 Spicy image-to-video oferują 480p, 540p, 768p i 1080p. Menu nie są zamienne: w porównaniu nie ma zwykłego ustawienia H3 1080p, a menu LoRA nie dodaje generowania 2K.
Uwagi parametrów H3 Spicy określają konkretnie 768p jako natywne płótno, a 1080p jako wynik powiększony ponad nie. Zapłaty za 1080p nie należy więc interpretować jako gwarancji natywnie odwzorowanych detali twarzy. Poziom jest opcją produktu z ceną, a nie obietnicą każdej drobnej cechy.
Wybierz dokładną wersję i zadanie przed porównywaniem cen. Przejście z procesu niestandardowej LoRA postaci do zwykłego H3 zmienia więcej niż rozdzielczość, nawet jeśli cena zwykłego H3 jest niższa.
Licz piksele na twarzy, a nie tylko w całym kadrze
Rozdzielczość rozkłada się na cały obraz. W szerokiej scenie sypialni duża część pikseli może opisywać ścianę, pościel, zasłony i pustą przestrzeń wokół osoby. Jeśli powracająca postać zajmuje mały fragment, zwiększenie całej rozdzielczości wydaje pieniądze na wszystkie te obszary naraz.
Prosty przykład geometryczny pokazuje znaczenie kompozycji. Załóżmy, że twarz zajmuje 10% wysokości w poziomym ujęciu. Na kadrze wysokim na 480 pikseli ma około 48 pikseli. Przy wysokości 768 i tej samej kompozycji ma około 77 pikseli. To więcej miejsca na cechy, lecz nadal mała twarz.
Teraz zachowaj wysokość płótna 480 i zmień kompozycję, by twarz zajmowała 25% wysokości. Ma około 120 pikseli. Przekadrowanie przydzieliło więcej pikseli twarzy niż skok z 480 do 768 w oryginalnym szerokim ujęciu.
Liczby są ilustracjami arytmetycznymi, a nie progami rozpoznawania H3. Nie ma niezawodnej reguły, że twarz staje się poprawna przy konkretnej liczbie pikseli. Znaczenie mają światło, kąt, ruch, kompresja i referencja. Użyteczna zasada jest prostsza: ważna cecha musi być dość duża w źródle, by tożsamość była widoczna przed poleganiem na powiększaniu.
Ilustracja: przekadrowanie może przydzielić twarzy więcej pikseli niż zwiększenie całego kadru. Wartości 480 pikseli to przykład obliczeniowy; zwykłe H3 nie oferuje już 480p od 9 października 2026.
Dla szerokiego ujęcia ustal, co odbiorca musi rozpoznać
Ujęcie ustanawiające pokój i ujęcie ujawniające twarz mają różne zadania. W serii dorosłej postaci szeroki kadr może tylko określać znajomy strój, sylwetkę i miejsce. Niekoniecznie musi nieść najdrobniejsze detale oczu i ust. Kolejne bliskie ujęcie może dostarczyć rozpoznanie.
Jeśli historia wymaga rozpoznania twarzy z daleka, przydziel ujęciu więcej budżetu. Użyj wyższego poziomu generowania, wyraźnego oddzielenia od tła i pozy nieukrywającej połowy twarzy. Nie planuj agresywnego cyfrowego zbliżenia później jako sposobu odkrycia detali niewidocznych w źródle.
Jeśli pokój jest ważniejszy od twarzy, niech pozostanie ujęciem pokoju. Duże płótno może mieć wartość dla wyposażenia i światła, ale nie oceniaj sukcesu przez możliwość zamiany w zbliżenie. Prośba, by jeden klip spełniał obie role, niepotrzebnie utrudnia wybór rozdzielczości.
Przytnij kompozycję przed animacją, gdy możesz
Dla image-to-video przygotuj klatkę początkową w docelowym kształcie dostarczenia. Pionowy portret jest czytelniejszą bazą pionowego klipu portretowego niż szerokie źródło planowane do późniejszego przycięcia.
Centralny kadr 9:16 z obrazu 16:9 zachowuje tylko około 31.6% oryginalnej szerokości, jeśli wykorzystuje pełną wysokość. Ze zwykłego poziomego 1920×1080 portretowy kadr ma około 608×1080 przed skalowaniem. Plik mógł zaczynać jako Full HD, ale zachowany obraz nie zawiera już 1920 pikseli w poprzek osoby.
Świadome przycięcie odpowiednio szczegółowego źródła może poprawić kadr wysyłany do H3. Wycięcie maleńkiej twarzy z niskiej jakości zrzutu samo nie tworzy lepszej referencji. Użyj oryginału i przestań powiększać, gdy tylko uwidaczniasz istniejące rozmycie.
Zostaw też dość miejsca na rzeczywisty ruch. Idealnie ciasna klatka początkowa może stać się nieużyteczna, jeśli mały obrót odcina linię włosów lub dłoń przekracza krawędź. Poprawna klatka rezerwuje miejsce na działanie bez marnowania większości płótna na pustą przestrzeń.
Zmieniająca się twarz nie zawsze jest problemem rozdzielczości
Dyskusja o wideo referencyjnym H3 zaczęła się od dokładnie takiego pytania: twarz w 480p tylko ogólnie przypominała referencję, a twórca zastanawiał się nad koniecznością 720p. Później przypisał problem własnemu procesowi i LoRA Turbo. To przydatny kontrprzykład dla uznawania każdego słabego podobieństwa za niedobór pikseli; nie jest ogólnym werdyktem procesów Turbo.
Jeśli twarz zmienia proporcje, choć już wypełnia dużą część obrazu, większy wynik nie powinien być pierwszą naprawą. Rozwiąż konfliktowe referencje, niezgodne źródło lub zbyt złożone działanie. Jeśli twarz jest spójna, ale po prostu za mała, kompozycja i rozdzielczość są trafniejszym kierunkiem.
Ile faktycznie kosztują obie ścieżki
Poniżej publiczne ceny generowania SpicyAPI dla image-to-video w USD. Zakładamy istniejące źródła; tworzenie lub edycja tych obrazów doda własny koszt. Każdy wiersz opisuje jeden wygenerowany klip, a nie szacunek liczby użytecznych prób.
Zwykłe H3: porównaj bezpośrednio ścieżki 2K
MiniMax H3 image-to-video kosztuje $0.037 za sekundę w 768p i $0.058 w 2K.
| Poziom generowania | Za sekundę | 5 sekund | 10 sekund |
|---|---|---|---|
| 768p | $0.037 | $0.185 | $0.37 |
| 2K | $0.058 | $0.29 | $0.58 |
Opcja 2K wymaga co najmniej pięciu sekund. Zwykłe H3 image-to-video poza tym przyjmuje od czterech do piętnastu sekund, z czterema dostępnymi tylko w 768p.
Video Upscaler kosztuje $0.006 za sekundę źródła w 720p lub 1080p, $0.012 w 2K i $0.024 w 4K. Tak dodanie go do H3 zmienia sumę:
| Ścieżka | Suma 5 sekund | Suma 10 sekund | Za co płacisz |
|---|---|---|---|
| H3 768p → upscale 1080p | $0.215 | $0.43 | Większa kopia wybranej próby 768p |
| H3 768p → upscale 2K | $0.245 | $0.49 | Więcej pikseli źródła przed powiększeniem |
| Generowanie H3 2K | $0.29 | $0.58 | Wyższy poziom wyniku zadania generowania |
| H3 768p → upscale 4K | $0.305 | $0.61 | Większy poziom dostarczenia ze źródła 768p |
Przy pięciu sekundach samo generowanie 768p kosztuje $0.185, a z późniejszym upscalingiem 2K $0.245. Źródło się nie zmienia: ujęcie 768p powiększone do 2K lub 4K nadal zaczyna od tych samych pikseli 768p. Jeśli nie potrzebujesz jeszcze większego pliku do dostarczenia, pozostanie przy ujęciu 768p za $0.185 jest rozsądne dla ujęcia skupionego na twarzy.
Bliższe porównanie to 768p z upscalingiem 2K kontra bezpośrednie generowanie 2K: $0.245 kontra $0.29, różnica 4.5 centa dla pięciu sekund. Jeśli już lubisz występ 768p, upscale zachowuje ten wybór. Jeśli jeszcze nie wygenerowałeś ujęcia i ważne będą małe detale, dodatkowe 4.5 centa może łatwiej uzasadnić niż późniejszy etap ratunkowy. Żadna cena nie mówi, która wersja konkretnego ujęcia będzie wyglądać lepiej.
H3 LoRA i Spicy mają inną różnicę cen
Powracająca postać może zależeć od LoRA lub ustalonego procesu Spicy. Użyj odpowiednich cen, zamiast zakładać zastosowanie tabeli zwykłego H3.
| Wersja image-to-video i poziom | Za sekundę | 5 sekund | 10 sekund |
|---|---|---|---|
| H3 LoRA 480p | $0.05 | $0.25 | $0.50 |
| H3 LoRA 540p | $0.075 | $0.375 | $0.75 |
| H3 LoRA 768p | $0.10 | $0.50 | $1.00 |
| H3 LoRA 1080p | $0.20 | $1.00 | $2.00 |
| H3 Spicy 480p | $0.038 | $0.19 | $0.38 |
| H3 Spicy 540p | $0.057 | $0.285 | $0.57 |
| H3 Spicy 768p | $0.084 | $0.42 | $0.84 |
| H3 Spicy 1080p | $0.152 | $0.76 | $1.52 |
Dla H3 LoRA pięciosekundowe generowanie 480p z późniejszym upscalingiem 1080p daje $0.28, wobec $1.00 za poziom generowania 1080p. Przy dziesięciu sekundach to $0.56 kontra $2.00. Dla H3 Spicy to $0.22 kontra $0.76 przy pięciu sekundach lub $0.44 kontra $1.52 przy dziesięciu.
Różnice są duże, więc warto rozważyć powiększanie wybranych prób. Nie dowodzą identycznych detali twarzy, a upscaler nie otrzymuje LoRA postaci ani oryginalnego promptu. Jeśli charakterystyczna cecha nie pojawiła się w źródle o małej rozdzielczości, niższa suma nie obiecuje jej powrotu później.
Ceny należą do H3 LoRA image-to-video i H3 Spicy image-to-video. Reference-to-video ma własną wycenę; nie mnoż stawki image-to-video przez długość innego zadania.
Planuj osobno propozycje i wybrane klipy
Załóżmy, że następne wydanie potrzebuje czterech pięciosekundowych klipów postaci i wybierasz generowanie dwunastu propozycji. To budżet produkcyjny ze stałą liczbą propozycji, a nie prognozowany wskaźnik sukcesu.
| Dwanaście propozycji, cztery wybrane do dostarczenia 2K | Generowanie propozycji | Upscaling wybranych klipów | Suma |
|---|---|---|---|
| Zwykłe H3 768p | 12 × $0.185 = $2.22 | 4 × $0.06 = $0.24 | $2.46 |
| Zwykłe H3 2K | 12 × $0.29 = $3.48 | Brak | $3.48 |
Oszczędność częściowo wynika z odroczenia powiększania do wyboru zachowanych prób. Powiększenie wszystkich dwunastu propozycji niższej rozdzielczości oddaje tę przewagę. Dla 768p podnosi sumę z $2.46 do $2.94 bez żadnego nowego występu do wyboru.
Dla postaci LoRA dwadzieścia dziesięciosekundowych propozycji 480p kosztuje $10.00. Powiększenie pięciu wybranych do 1080p dodaje $0.30, dając $10.30. Generowanie wszystkich dwudziestu w 1080p kosztuje $40.00. Jeśli jednak propozycje 480p stale tracą tożsamość, tańszy plan nie spełnia celu; zmień rozdzielczość źródła lub kompozycję przed zakupem kolejnych takich samych prób.
Planowana seria dwunastu propozycji po pięć sekund z czterema wybranymi do dostarczenia 2K. Liczba wybranych jest ilustracyjna. Wartości 480p na wykresie pochodzą z poziomu, którego od 9 października 2026 nie ma już w ofercie.
Upscaling nalicza rzeczywistą długość źródła zaokrągloną w górę do pełnych sekund, z minimum trzy i maksimum sześćdziesiąt sekund. Tabele zakładają dokładnie pięcio- lub dziesięciosekundowe wejścia. Źródło 5.2 sekundy jest rozliczane jako sześć, więc upscale 2K kosztuje $0.072 zamiast $0.06. Wstępny szacunek może rezerwować maksimum sześćdziesięciu sekund; rozliczenie używa faktycznie naliczanej długości. Zostaw miejsce na blokadę przy planowaniu małego salda.
Zbuduj ujęcie postaci wokół tego, co musi przetrwać
Rozważ pięciosekundowy portret fikcyjnej postaci w wieku 32 lat do serii dla dorosłych. Postać siedzi obok ciepłej lampy, ma ciemny jedwabny szlafrok i obraca się ku aparatowi z lekkim uśmiechem. Rozpoznawalne cechy to kształt twarzy, krótkie ciemne włosy, wąski srebrny kolczyk i kontrastujący kołnierz szlafroka.
To proponowany przykład kreatywny, a nie zapisany wynik H3. Pokazuje decyzję rozdzielczości bez zamieniania projektu w techniczny benchmark.
1. Przygotuj źródło z jasnym zadaniem
Użyj jednej czystej klatki początkowej z ustaloną twarzą, strojem i światłem. Skomponuj ją od klatki piersiowej w górę, by twarz była ważną częścią obrazu. Zachowaj kołnierz, zostaw obok głowy miejsce na obrót i unikaj dłoni zasłaniającej twarz na początku.
Nie dodawaj pełnej panoramy pokoju tylko dlatego, że ją masz. Tutaj pokój dostarcza atmosferę; postać powód oglądania. Złożone lustro, drobna tapeta, wzorzysta pościel i kilka odbijających ozdób dodają małe struktury do zachowania bez wspierania celu.
Jeśli kolczyk jest kluczowy dla projektu, niech na obrazie wyraźnie odróżnia się od tła. Jeśli to mały dodatek, nie pozwól maleńkiemu odbiciu stać się powodem odrzucenia użytecznego występu. Ustal priorytet przed zakupem kolejnego poziomu.
2. Poproś o czytelny ruch
Przydatna instrukcja początkowa:
Dorosła postać powoli obraca głowę ku aparatowi, utrzymuje swobodny uśmiech, a potem nieruchomieje. Aparat pozostaje stały na wysokości oczu. Zachowaj twarz w całości w kadrze, spójną krótką fryzurę i srebrny kolczyk oraz niezmieniony kontrastujący kołnierz ciemnego szlafroka. Ciepłe stabilne światło lampy, ciche odgłosy pokoju, bez dialogu.
Mówi to modelowi, co zmienia się po pierwszej klatce. Nie prosi jednocześnie o nową twarz, inną garderobę i szeroki ruch aparatu. Daje też ważnym fakturom szansę pozostać widocznymi, zamiast znikać w szybkim ruchu.
Dla portretu zacznij od 768p i pięciu sekund w zwykłym H3. Cena generowania to $0.185. To praktyczne ustawienie kontroli postaci i ruchu bez natychmiastowego najwyższego poziomu.
Jeśli tylko wybierasz między obrotem głowy a pochyleniem na siedząco, czterosekundowa próba w 768p za $0.148 odpowie na wcześniejsze pytanie. Gdy pytanie zmienia się w „czy kolczyk pozostaje przy uchu i czy to nadal moja postać?”, lepiej oceniać ujęcie, które naprawdę zachowasz, a nie najtańszą próbę.
3. Zachowaj dobry występ; napraw właściwy problem
Jeśli źródło ma właściwą twarz, atrakcyjny obrót i stabilne ubranie, lecz wygląda miękko w docelowym rozmiarze, powiększ wybrany plik. Przejście 1080p dodaje $0.03 dla dokładnie pięciosekundowego źródła; 2K dodaje $0.06. Wykańczasz już pożądane ujęcie.
Jeśli postać staje się kimś innym podczas obrotu, zmień ujęcie zamiast wyostrzać. Skróć obrót, utrzymaj go bliżej widoku trzy czwarte lub przygotuj obraz początkowy pod zamierzonym kątem. Jeśli twarz w niskiej rozdzielczości jest maleńka, przybliż źródłową kompozycję. Te zmiany dotyczą różnych przyczyn, więc nie nakładaj wszystkich na następną próbę bez powodu.
Jeśli twarz jest stabilna, ale drobny wzór kołnierza pełza, rozważ prostszą tkaninę w źródle z zachowaniem kroju i koloru. Dla powracającej postaci NSFW rozpoznawalna stylizacja często znaczy więcej niż każda mikroskopijna nić. Ubranie powinno pozostać tym samym ubraniem przez cały występ.
4. Niech finalne miejsce wyznacza powiększenie
Dla portretu oglądanego głównie na telefonie czysty poziom dostarczenia 1080p może wystarczyć. Dla większego playera lub edycji naprawdę potrzebującej miejsca na przycięcie przydaje się 2K. Upscale 4K dodaje $0.12 do dokładnie pięciosekundowego klipu, ale większa etykieta nie zamienia źródła 768p w nowy materiał.
Poziom upscalera to budżet pikseli zachowujący proporcje źródła, a nie obietnica jednego dokładnego płótna. Jeśli potrzebujesz 3840×2160 poziomo lub 2160×3840 pionowo, sprawdź otrzymane wymiary i dopasuj lub przytnij wynik w edytorze przed eksportem dokładnego rozmiaru. Sam wybór „4K” nie kończy wymagania.
Wybierz ujęcie i użyteczny fragment klipu przed opłacaniem powiększenia. Dodaj ostre tytuły lub nakładki graficzne przy finalnej rozdzielczości montażu, zamiast prosić enhancer wideo o odtworzenie małego tekstu wtopionego w źródło. Obsługę plików opisuje osobny poradnik dostarczania po upscalingu wideo.
Dopasuj naprawę do widocznego problemu
Klip może być duży, ostry i nadal nieodpowiedni. Przydatne rozróżnienie dotyczy informacji przestrzennej, ruchu, tożsamości i finalnego eksportu. Każde wskazuje inne działanie.
Odległa twarz jest ogólna od pierwszej klatki
Niech twarz zajmie więcej kompozycji lub wybierz wyższy poziom generowania, jeśli odległość jest konieczna. Popraw źródło, jeśli oryginalna twarz już jest niewyraźna. Upscaler może powiększyć te nieliczne piksele i odtworzyć wiarygodny detal, lecz nie może skorzystać z niedostarczonej referencji, by znać dokładne cechy.
Dla portretu całej sylwetki w pokoju rozważ dwa ujęcia: jedno ustanawiające strój i drugie pokazujące twarz. Często to przydatniejsza zmiana kreatywna niż żądanie portretowych informacji twarzy od małej sylwetki w szerokim kadrze.
Twarz jest początkowo właściwa, ale zmienia się podczas ruchu
To problem tożsamości lub ruchu, a także możliwie detali. Drugie przejście może uwidocznić zmieniającą się twarz bez uczynienia jej właściwą.
Ogranicz zmianę kąta, usuń sprzeczne instrukcje wyglądu lub podziel ambitne działanie na krótsze ujęcia. Jeśli kosmyk ciągle zasłania oko podczas obrotu, przygotuj czytelniejszą pozę początkową lub poproś o delikatniejszy ruch. Więcej pikseli nie rozstrzyga, którą strukturę twarzy model powinien utrzymać za zasłoną.
Skóra staje się wyraźna, ale sztuczna
Twardsza krawędź nie jest przekonującą skórą. Jasne granice szczęki, wyryty wzór policzka lub wyjątkowo regularna faktura mogą wyglądać ostro w miniaturze i rozpraszać w pełnym rozmiarze.
Porównaj większą wersję w rozmiarze rzeczywiście widzianym przez odbiorców. Jeśli ulepszenie szkodzi wyglądowi, zachowaj oryginalną próbę i użyj mniejszego rozmiaru dostarczenia lub ostrożniejszego powiększenia w edytorze. Video Upscaler SpicyAPI udostępnia wybór rozdzielczości, a nie kontrolę przywracania twarzy czy siły wyostrzania, więc nie ma ukrytego suwaka „zachowaj twarz” do zmniejszenia.
Nie przepuszczaj ciągle tego samego materiału przez powiększanie w nadziei, że twarz stanie się naturalna. Powtarzane przetwarzanie może podkreślać wcześniejsze błędy i oddalać od lubianego źródła.
Włosy lub tkanina migoczą, choć postać prawie się nie porusza
To problem czasowy: faktura zmienia się między klatkami. Nieruchomy obraz może wyglądać szczegółowo, choć przy odtwarzaniu ta sama faktura pełza. Cienkie włosy, mała krata, delikatne wzory koronki i błyszczące dodatki uwidaczniają zmiany.
Badania super-resolution wideo traktują to jako osobne wyzwanie. Praca StableVSR opisuje syntezę detali przy ich koordynacji między sąsiednimi klatkami. Wyjaśnia to słabość niezależnego stosowania enhancementu obrazu do każdej klatki jako zamiennika procesu wideo. Nie ustala wewnętrznego projektu ani zmierzonej wydajności narzędzia SpicyAPI.
Jeśli migotanie już jest w źródle H3, uprość problematyczny wzór lub ogranicz ujawniający go ruch. Jeśli pojawia się dopiero po powiększeniu, wróć do czystego źródła zamiast znów zwiększać poziom. Kilka dodatkowych włosów w zatrzymanej klatce nie jest zyskiem, jeśli nigdy nie zostają w jednym miejscu.
Twarz jest rozmyta tylko podczas obrotu
Nie oczekuj, że przestrzenne powiększenie odtworzy ostre ujęcie z każdej rozmytej klatki. Zwolnij obrót, zachowaj nieruchomy aparat lub wybierz moment z mniejszym ruchem dla głównej miny. Źródło z silnym oddzieleniem światłem może też ułatwić odczyt cech bez proszenia o dodatkową wymyśloną fakturę.
Część rozmycia może pasować do ruchu. Całkowite usunięcie nie jest automatycznie poprawą, zwłaszcza jeśli wynik staje się sekwencją przesadnie ostrych klatek, które nie wyglądają już jak to samo ujęcie.
Pobrane wideo wygląda dobrze, ale upload jest zamglony
Porównaj lokalnie zapisany plik z przesłaną wersją przed regenerowaniem. Jeśli lokalne źródło jest czyste, a publikacja miękka, zmiana promptu H3 nie trafia w etap widocznej utraty.
Eksportuj z oryginalnego wybranego pliku, unikaj wielokrotnych pobrań z aplikacji społecznościowych jako plików pośrednich i utrzymuj płótno zgodne z miejscem dostarczenia. Platforma może ponownie kompresować upload; przesłanie 4K nie gwarantuje odbioru 4K ani zachowania delikatnej faktury. Używaj większej wersji, gdy wspiera rzeczywiste dostarczenie, zamiast uniwersalnego lekarstwa na dystrybucję.
Co robi społecznościowy X2 VAE i czego nie dowodzi
Dyskusja H3 X2 Detail VAE jest przydatna, bo autor wyraźnie oddziela rozmiar wyniku od nowych informacji. W oryginalnym wątku wydania wyjaśnia, że zwykły tryb 2X tworzy dwukrotnie większe wymiary przestrzenne z latentu H3 przy mniej więcej tych samych widocznych detalach. Na pytanie, czy oznacza odpowiednio lepszą jakość, odpowiada, że celu dodatkowych detali nie osiągnięto jak zamierzono.
Karta modelu rozdziela dwa tryby:
- Dekodowanie 2X VAE: powiększa dekodowany wynik z wygenerowanego latentu H3.
- Ulepszanie detali referencji: przetwarza istniejącą referencję RGB przez dodatkową ścieżkę wczesnego encodera przed generowaniem reference-to-video.
Drugi tryb ma informacje z rzeczywistego obrazu źródłowego. Nie jest prostym sposobem wydobycia takich samych dodatkowych informacji z dowolnego wygenerowanego latentu wideo. Autor przedstawia wydanie jako eksperymentalne i mówi, że oryginalny cel wyższych detali wyłącznie z latentów nie został osiągnięty.
To interesująca opcja lokalnego procesu, a nie dowód równoważności generowania 480p z dekodowaniem X2 i generowania w wyższej rozdzielczości. Nie jest też tym samym produktem co upscaler gotowego MP4. Hostowane kontrolki rozdzielczości SpicyAPI nie przyjmują zamiennego VAE, więc instalacja społecznościowego pliku jest osobną decyzją ComfyUI.
Pamiętaj też arytmetykę: podwojenie szerokości i wysokości daje cztery razy więcej pikseli, a nie zmierzony czterokrotny wzrost jakości. Gładszy kontur, więcej kontrastu i nowo odtworzona faktura to różne zmiany. Ustal, która pomaga postaci, przed opisaniem powiększonego wyniku jako „bardziej szczegółowego”.
Rozdzielczość, migotanie i liczba klatek to osobne kontrolki
Rozdzielczość opisuje przestrzenny rozmiar klatki. Frame rate liczbę klatek wyświetlanych w sekundzie. Migotanie faktury niechciane zmiany wyglądu między nimi. Wszystkie mogą wpływać na dopracowanie wideo, ale nie zastępują się wzajemnie.
Oficjalna karta H3 wymienia 24 FPS. Klip 24 FPS może mieć szczegółową twarz, a szybka panorama pokazywać wyraźne skoki. Wyższa rozdzielczość nadal ma to tempo, chyba że osobny proces je zmieni. Z kolei dodawanie klatek pośrednich może wygładzać ruch, pozostawiając małą twarz równie słabo określoną.
Interpolacja klatek syntetyzuje obrazy pośrednie. Udokumentowane presety Topaz ilustrują rozdział: opcja 4K używa enhancementu, a 4K-and-60-FPS łączy go z interpolacją. To różnica dwóch operacji, a nie rekomendacja konwersji każdego H3 do 60 FPS.
Dla przykładu siedzącego portretu zachowaj źródłowy frame rate, chyba że dostarczenie lub styl wymaga innego. Subtelna mina nie staje się wierniejsza tylko przez większą liczbę klatek. Przy świadomej konwersji sprawdź obrót i przejścia dłoni przed twarzą: w tych miejscach nowe obrazy pośrednie interpretują zmieniające się granice.
Video Upscaler SpicyAPI oferuje video_url i resolution, bez kontroli FPS. Używaj go dla większego obrazu; nie kupuj 4K z oczekiwaniem rozwiązania 60 FPS, zastąpienia złego działania czy usunięcia każdego migotania.
Wybierz ścieżkę dla tego wydania
Dla eksploracji nowej sceny dorosłej postaci wydawaj mało na krótkie propozycje 768p do sensownego działania i kompozycji. Próba odpowiada, czy pomysł działa; nie musi być finalnym portretem.
Dla rozpoznawalnej twarzy w serii na telefon zacznij bliżej i w 768p. Następny wydatek przeznacz na poprawne źródło przed powiększaniem niejasnej lub zmieniającej się twarzy. Jeśli udana próba potrzebuje tylko większego pliku, wykończ ją jednym odpowiednim upscalingiem.
Dla szerokiej sceny lub edycji z mocnym przycięciem chroń ważny obszar osoby przed generowaniem. Użyj wyższego poziomu, gdy ujęcie naprawdę zależy od małych cech, i zachowaj jasny oryginalny kontekst. Nie zakładaj, że etykieta finalnego pliku wynagrodzi twarz zajmującą niemal zero miejsca.
Dla wymaganego dostarczenia 4K najpierw uzyskaj postać, działanie i faktury, potem powiększ wybrane cięcie. Sprawdź rzeczywiste wymiary i eksportuj w edytorze określone płótno 3840×2160 lub 2160×3840. Upscaler zachowuje proporcje źródła, więc sam poziom 4K nie gwarantuje dokładnego rozmiaru ani pochodzenia wszystkich detali z tego rozmiaru.
Następny krok jest konkretny: otwórz zamierzoną klatkę źródłową, zdecyduj, czy widz potrzebuje pokoju, pełnego stroju czy twarzy, i jasno wykadruj priorytet. Potem wybierz poziom H3 dla tego ujęcia. Płać za powiększenie, gdy masz coś wartego powiększenia.
