تنزيل أوزان H3 لا يعطيك H3 الذي كنت تشاهده

أوزان MiniMax H3 على Hugging Face والتنزيل غير محجوب. وهذا حقيقي، وغير معتاد لنموذج فيديو عند هذا المستوى من الجودة. وهو كذلك يُنقَل روتينيًا بصيغة «H3 مفتوح المصدر»، وتلك صيغة تهيّئ لخيبة بعينها: تسحب 42 غيغابايت إلى ComfyUI، وتشغّل القالب الرسمي، فلا تشبه النتيجة المقاطع التي جعلتك تريد النموذج.

لا خلل في تركيبك. أنت تملك ثلث منظومة.

شكل الشيء

يعمل H3 بوصفه خدمة على ثلاث مراحل:

your input (text / images / video / audio)
        ↓
① H3-Context-IR      hosted, not open
        ↓
② H3-Base            open weights  ← this is what you downloaded
        ↓
③ H3-Regenerate-2K   hosted, not open
        ↓
   the 2K file

المرحلة ② هي المولد. وهي مفتوحة فعلًا، وتنتج فعلًا فيديو بصوت ستيريو متزامن، وهي الجزء الصعب من المسألة. وهي كذلك المرحلة الوحيدة التي تحصل عليها.

① مرحلة Context-IR هي التي تقرأ برومبتك كما ينبغي

تأخذ Context-IR ما أعطيتها إيّاه — جملة، أو تسع صور مرجعية، أو ثلاثة مقاطع فيديو، أو عيّنة صوتية — وتعيد كتابته في تمثيل وسيط منظَّم يستهلكه المولد. تحلّ التعليمات عبر الوسائط، وتستنتج الترتيب الزمني، وتملأ الدلالات التي أغفلتها.

والمخرَج ليس نسخة مرتّبة من جملتك. هو وثيقة على مستوى اللقطات، بحقول:

• integrated_multimodal_description — وصف بصري لكل لقطة، بأختام زمنية مثل At 00:04.500
• overall_soundscape — الأجواء والمؤثّرات
• non_diegetic_music — الموسيقى التصويرية، إن وُجدت

ومهام المرجع تحصل على ثلاثة حقول إضافية فوق ذلك، منها تحليل استبقاء لكل أصل يقول كم يجب التمسّك بكل مرجع بدقّة.

وأعداد الرموز في الأمثلة الرسمية تبيّن كم من الكتابة تنجزه هذه المرحلة نيابةً عنك: نحو 8,600 رمز لمهمة من النصّ إلى فيديو، ونحو 22,800 للصورة إلى فيديو، ونحو 39,300 لمهمة مرجعية. تلك هي الوثيقة التي يصير إليها برومبتك ذو السطر الواحد قبل أن يرى المولد أي شيء.

شغّل الأوزان المتاحة ولا يحدث شيء من ذلك. فجملتك تدخل بوصفها جملتك. النموذج هو نفسه؛ لكن الموجز جزء صغير من ذلك الحجم.

وإرشادات MiniMax نفسها صريحة في المخرجين: نادِ واجهة Context-IR البرمجية، أو ابنِ طبقة سياق خاصة بك متّبعًا إرشادات كتابة البرومبت المنشورة. ولا يوجد خيار ثالث تكفي فيه الجملة.

③ مرحلة Regenerate-2K ليست مكبِّرًا

هذا هو الجزء الأجدر بالفهم، لأن الاسم يوحي بشيء ليس هو.

المكبِّر التقليدي يستقبل إطار 768p جاهزًا ويستنتج ما ينبغي أن تكونه البكسلات الناقصة. وليس لديه شيء آخر يعمل منه، فالتفصيل الدقيق — النصّ الصغير، والوجوه البعيدة، والنسيج — يُختَرع اختراعًا.

أما Regenerate-2K فتغذّي النموذج بنتيجة 768p مع السياق متعدّد الوسائط الأصلي وتولّد من جديد بدقة 2K. فما زال معها برومبتك وموادّك المرجعية، فالتفصيل الذي كان أصغر من أن يُحلّ عند 768p يمكن إعادة بنائه ممّا كان يُفترض أن يكونه، لا تخمينه ممّا صار إليه.

ولهذا سُعِّرت بوصفها توليدًا ($0.05 لثانية الإخراج، مع إعادة احتساب أصول المصدر) لا بوصفها معالجة لاحقة، ولهذا فإن «سأكبّرها محليًا وحسب» ليست المقايضة نفسها.

ماذا يعني هذا بحسب ما تفعله

وفي الصفّ الثاني تجعيدة يسهل إغفالها. فمنذ ComfyUI 0.33.1 توجد عُقَد شركاء لمرحلتي Context-IR وRegenerate-2K، فصار مخطّط على جهازك قادرًا على بلوغ 2K. لكن تلك العُقَد تعمل على خوادم MiniMax. فخطّ إنتاج محلي ينتهي عند 2K يرسل نتيجة 768p وموادّ مصدرك خارج الجهاز، وهذا يقوّض السبب الرئيس الذي يستضيف من أجله أغلب الناس بأنفسهم أصلًا.

«مفتوح الأوزان» لا «مفتوح المصدر»

التفريق هنا ليس تنطّعًا، والترخيص هو موضع عضّته.

رخصة مجتمع MiniMax H3 تحصر الاستخدام في «نطاق جغرافي معمول به» يستثني الاتحاد الأوروبي والمملكة المتحدة وجمهورية كوريا والولايات المتحدة. والقيد مكتوب في الجملة الأولى من الاتفاقية لا في ملحق — وهو يمتدّ إلى المخرجات، فالمقطع المُخرَج في مكان مسموح والمنشور في مكان مستثنى خارج المنحة هو الآخر.

وأمران يُنقَلان عن هذا نقلًا خاطئًا على نطاق واسع:

1. الاتفاقية محصورة في مستودع Hugging Face. هي تحكم نقطة التفتيش. ومن لم ينزّل الأوزان قطّ ولم ينادِ سوى الواجهة البرمجية المستضافة لم يدخل فيها أصلًا — فعلاقته مع شروط الخدمة بدلًا منها. والواجهة المستضافة موثَّقة بأنها متاحة عالميًا.
2. وللمناطق المستثناة مسار رسمي. تدعو MiniMax إلى طلبات الترخيص منها وتؤطّر القيد بوصفه حذرًا تنظيميًا لا سياسة: «القيد الحالي يعني ‹ليس بعد›، لا ‹ليس أبدًا›.»

وبالقياس إلى تعريف المصدر المفتوح، يسقط الترخيص في معيارين — التمييز ضد الأشخاص أو الجماعات، والتمييز ضد مجالات العمل. الأوزان مفتوحة. أما الترخيص فليس ترخيص مصدر مفتوح. وتسمية Hugging Face نفسها له هي other، فالناشر لا يدّعي غير ذلك هو الآخر.

هذا ملخّص، لا استشارة قانونية. اقرأ LICENSE والأسئلة الشائعة الرسمية قبل أن تتّخذ قرارًا يعتمد عليه.

قبل أن تنزّل 498 غيغابايت

ملاحظة عملية أخيرة، لأنها توقع الناس عند الخطوة الأولى. المستودع الكامل نحو 498.5 غيغابايت، لأن نقاط التفتيش الخام وتحويلات diffusers تجلس جنبًا إلى جنب. وأنت شبه مؤكّد أنك تريد جزءًا منه:

حدّد نطاق التنزيل بما يحتاجه إطار عملك. وإن كنت تتبع دليل ComfyUI، فتحقّق من الإصدار الذي يستهدفه — فكثير جدًا منها لا يزال يقول 0.30.0، وهو الذي نزلت فيه العُقَد لا الإصلاحات التسعة التي تخصّ H3 وجاءت بعده. استخدم 0.32.0 أو أحدث؛ فاثنان من تلك الإصلاحات يعالجان تلف الصوت وذروة الذاكرة.

أو لا تنزّل شيئًا منه. إذ إن مولد الفيديو بالذكاء الاصطناعي على MiniMax H3 هنا هو المسار المستضاف، بمرحلتي Context-IR وRegenerate-2K معًا، وهذا ما يجعل مخرجاته تشبه المقاطع التي دفعتك للبحث عن الأوزان.