Instalei uma LoRA de aceleração no FL2 e no REF4 do MiniMax H3, então resolvi testar quanto o tempo de geração muda sob as mesmas condições.

A configuração usada foi a seguinte.

• FL2: arry v4_step600. A versão normal usa 20 steps, e a versão com LoRA de aceleração usa 8 steps
• REF4: PDD Ref2VA. A versão normal usa 20 steps, e a versão com LoRA de aceleração usa 8 steps
• Todos os vídeos têm 8 segundos, 768×1344 e 24 fps
• Cada par usa o mesmo prompt, a mesma seed e a mesma imagem de referência
• À esquerda, sem LoRA de aceleração; à direita, com LoRA de aceleração

Os testes cobriram cinco cenários: movimento rápido, transições intensas de cena, vídeo quase estático, detalhes de cabelo e tecido, e movimento de câmera com oclusão em primeiro plano. Foram 10 vídeos no FL2 e 10 no REF4, totalizando 20.

FL2 — arry v4_step600

1. Movimento rápido

Um vídeo de parkour numa rua neon sob chuva. Usei condições com deslocamento veloz, respingos de água e bastante movimento de roupa e cabelo.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, levou 504 segundos (8 min 24 s); com ela, 272 segundos (4 min 32 s). O tempo sem LoRA também inclui o carregamento inicial do FL2 na VRAM. Na versão com LoRA, a conexão com o contêiner caiu uma vez na primeira troca, então registrei o tempo da nova tentativa bem-sucedida.

2. Transições intensas de cena

Mantive um beija-flor cromado fixo enquanto a cena alternava sucessivamente entre um museu de arte, uma selva, uma fundição, uma caverna de gelo, uma cidade de papel e o espaço sideral.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 454 segundos (7 min 34 s); com ela, 236 segundos (3 min 56 s). Neste par, foi cerca de 1,92 vez mais rápido.

3. Vídeo com pouca mudança

Uma câmera fixa em um relojoeiro. Só se movem os piscamentos, uma pequena movimentação da pinça, o ponteiro dos segundos e a poeira.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, levou 447 segundos (7 min 27 s); com ela, 233 segundos (3 min 53 s). Mesmo com pouco movimento, o tempo de geração quase não mudou: a diferença foi de cerca de 1,92 vez.

4. Detalhes de cabelo e tecido

Uma rotação rápida usando um vestido de chiffon semitransparente bordado com fios de prata. É um cenário para observar o quanto tecido e cabelo se degradam com a aceleração.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 448 segundos (7 min 28 s); com ela, 234 segundos (3 min 54 s). Aqui também foi cerca de 1,91 vez mais rápido.

5. Movimento de câmera e oclusão em primeiro plano

Uma mountain bike correndo pela floresta. Samambaias cobrem completamente a tela, enquanto a câmera faz uma volta de 180 graus nesse intervalo.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 448 segundos (7 min 28 s); com ela, 234 segundos (3 min 54 s). Mesmo com grande movimentação de câmera, foi cerca de 1,91 vez mais rápido.

Na média dos quatro casos do FL2 com a VRAM já carregada, sem LoRA foram 449,25 segundos e com LoRA foram 234,25 segundos. Neste ambiente, o ganho foi de cerca de 1,92 vez.

REF4 — PDD Ref2VA

No REF4, forneci como uma única imagem de referência um storyboard de seis quadros criado com a geração de imagens do ChatGPT.

1. Movimento rápido

Transformei a mesma sequência de parkour do FL2 em vídeo a partir de seis poses.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 481 segundos (8 min 1 s); com ela, 299 segundos (4 min 59 s). O tempo sem LoRA inclui o carregamento do REF4 na VRAM. Com a LoRA, a primeira tentativa perdeu a conexão durante a decodificação, então registrei o tempo da nova tentativa bem-sucedida.

2. Transições intensas de cena

Desenvolvi o mesmo beija-flor e seis mundos diferentes a partir de um storyboard de seis quadros.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 424 segundos (7 min 4 s); com ela, 251 segundos (4 min 11 s). Foi cerca de 1,69 vez mais rápido.

3. Vídeo com pouca mudança

Transformei as mudanças sutis do relojoeiro em seis quadros. No caso com a LoRA de aceleração, a divisão de quadros do storyboard permaneceu visível no vídeo.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 418 segundos (6 min 58 s); com ela, 247 segundos (4 min 7 s). O tempo é cerca de 1,69 vez menor, mas desta vez a diferença visual é bem grande.

4. Detalhes de cabelo e tecido

Usei seis quadros da mesma dançarina girando como referência. Nos dois casos, com e sem LoRA, o resultado se expandiu relativamente bem para um vídeo em tela cheia.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 420 segundos (7 min 0 s); com ela, 249 segundos (4 min 9 s). Foi cerca de 1,69 vez mais rápido.

5. Movimento de câmera e oclusão em primeiro plano

Especifiquei em seis quadros a aproximação da mountain bike, uma transição com primeiro plano e o movimento da câmera para trás. Desta vez, a composição em quadros permaneceu bastante evidente nos dois resultados.

Sem LoRA de aceleração · 20 steps	Com LoRA de aceleração · 8 steps
再生	再生

Sem a LoRA de aceleração, foram 419 segundos (6 min 59 s); com ela, 248 segundos (4 min 8 s). Foi cerca de 1,69 vez mais rápido.

Na média dos quatro casos do REF4 com a VRAM já carregada, sem LoRA foram 420,25 segundos e com LoRA foram 248,75 segundos. Neste ambiente, o ganho foi de cerca de 1,69 vez.

O que aprendi com o teste

Considerando apenas o tempo de geração, o efeito da LoRA de aceleração é bastante expressivo. No FL2, o tempo caiu quase pela metade; no REF4, a redução foi de cerca de 40%. Parece muito útil para protótipos, enquanto se refinam prompts e composição.

Por outro lado, ao fornecer uma única imagem de storyboard em grade ao REF4, ele pode aprender a própria grade como parte da composição. Isso aconteceu especialmente em alguns casos com a LoRA de aceleração, nos quais a divisão dos quadros permaneceu por mais tempo. Para buscar um vídeo comum em tela cheia com o REF4, considero mais seguro enviar cada quadro como imagem separada do que usar uma única folha de contato.

Além disso, tanto no FL2 quanto no REF4, a conexão com o contêiner caiu uma vez apenas na primeira troca da versão normal para a versão com LoRA de aceleração. Ao executar novamente nas mesmas condições, o processo teve sucesso e permaneceu estável depois disso. Parece uma boa prática gerar um vídeo curto de teste após a primeira troca.

Os números deste teste foram medidos nesta máquina, nessa resolução e com vídeos de 8 segundos. Em vez de encará-los como um benchmark absoluto, veja-os como uma comparação entre usar ou não a LoRA no mesmo ambiente.