MiniMax H3 (offline)

مینی مکس اچ ۳ (آفلاین)

MiniMax H3 (offline)
★★★★★★★★★★۴٫۲
هوش مصنوعی آفلاینابزارهای ویدئوپلن رایگاناجرای آفلاین
راهنمای نصب و اجرا ↓مشاهده سایت ↗
وزن‌ها رایگان؛ کار تجاری تا ۲۰ میلیون دلار درآمد سالانه آزاد و بالاتر از آن مجوز پولی (فروشندهٔ رسمی Comfy، از ۵۰۰۰ دلار در ماه).

نخستین مدل ویدیوی وزن‌باز مینی‌مکس (۳ اوت ۲۰۲۶) و بهترین مدل باز جدول Artificial Analysis: ویدیو و صدای استریو (گفتار، افکت و موسیقی) را با هم می‌سازد، تا ۱۵ ثانیه در 768p. با ComfyUI یا Wan2GP روی کارت ۱۲ گیگابایتی، ۳۲ گیگابایت رم و SSD سریع اجرا می‌شود و کار تجاری زیر ۲۰ میلیون دلار درآمد سالانه آزاد است.

اجرا روی سیستم خودتان

این مدل را یک بار دانلود می‌کنید و بعد بدون اینترنت روی لپ‌تاپ، کامپیوتر یا سرور خودتان اجرایش می‌کنید.

  • بعد از نصب، بدون اینترنت
  • وزن‌های باز
  • MiniMax H3 Community License Agreement — استفادهٔ تجاری با شرط
  • فارسی: نامعلوم

بعد از دانلود فایل‌ها، ComfyUI و Wan2GP کاملاً بدون اینترنت ویدیوی 768p می‌سازند. اگر قالب را از داخل ComfyUI باز کنید، برنامه فایل‌ها را از Hugging Face می‌خواهد؛ روی سیستم آفلاین آن‌ها را دستی در پوشه‌ها بگذارید. خروجی 2K و پیش‌پردازندهٔ پرامپت فقط از API آنلاین مینی‌مکس در دسترس‌اند.

استفاده، تغییر و توزیع رایگان است و کار تجاری هم آزاد است تا وقتی درآمد سالانهٔ محصولات و خدمات تجاری شما بیش از ۲۰ میلیون دلار نشود؛ بالاتر از آن مجوز کتبی جدا از مینی‌مکس لازم است. در رابط کاربری هر محصول تجاری که از مدل استفاده می‌کند باید «MiniMax H3» آشکارا دیده شود و خروجی‌ها را نمی‌شود برای بهتر کردن مدل هوش مصنوعی دیگری به کار برد. سیاست استفادهٔ مجاز استفادهٔ نظامی را ممنوع می‌کند و برای انتشار عمومی خروجی، اعلام ساخت ماشینی را می‌خواهد. یادداشت مستندات ComfyUI که هر استفادهٔ تجاری را نیازمند مجوز پولی می‌داند با متن مجوز و صفحهٔ مجوز خود Comfy نمی‌خواند؛ ملاک متن مجوز است. مجوز برای همهٔ مناطق یکسان نیست؛ متن مجوز را ببینید.

نسخه‌ها و سخت‌افزار لازم

  • ComfyUI pruned int8 (پیش‌فرض)۲۰B
    حافظهٔ لازم:
    کارت گرافیک ۱۲ گیگ یا رم ۳۲ گیگ
    Comfy-Org/MiniMax-H3 ↗

    پیش‌فرض قالب‌های ComfyUI؛ وزن‌های مدولاسیون (حدود ۴۰٪ پارامترها) هرس شده‌اند. فایل FL2VA برای متن و عکس به ویدیو و Ref2VA برای ویدیو با مرجع است. کنارش رمزگذار متن qwen3vl_32b_minimax_h3_nvfp4_awq (۱۵٫۶۹ گیگابایت، بدون نیاز به کارت Blackwell)، VAE ویدیوی int8 (۲٫۸۱) و VAE صدا (۰٫۶۱) لازم است. int8_convrot با PyTorch نسخهٔ cu130 کار می‌کند؛ وگرنه fp8_scaled (۲۰٫۹۶ گیگابایت) را بگیرید.

  • ComfyUI pruned w6a8 (کوچک‌ترین)۲۰B
    حجم دانلود:
    ۱۶ گیگ
    حافظهٔ لازم:
    کارت گرافیک ۱۲ گیگ یا رم ۳۲ گیگ
    Comfy-Org/MiniMax-H3 ↗

    از ۲۹ سپتامبر ۲۰۲۶. با همان رمزگذار متن و VAEها کل دانلود حدود ۳۵ گیگابایت می‌شود؛ کوچک‌ترین مجموعهٔ رسمی ComfyUI.

  • GGUF (Unsloth)۲۰B
    حجم دانلود:
    ۱۱٫۴ گیگ
    حافظهٔ لازم:
    کارت گرافیک ۱۴ گیگ یا رم ۱۶ گیگ
    unsloth/MiniMax-H3-GGUF ↗

    از Q2_K با ۶٫۷۲ تا Q8_0 با ۲۱٫۴۴ گیگابایت؛ رمزگذار متن GGUF هم هست (Q4_K_M با ۱۸٫۲۲ گیگابایت). راهنمای Unsloth آن را با stable-diffusion.cpp (sd-cli --mode vid_gen) اجرا می‌کند، رمزگذار متن را روی پردازنده نگه می‌دارد (--backend te=cpu) و برای کارت کوچک‌تر --offload-to-cpu را پیشنهاد می‌کند. عدد رسمی حافظهٔ کارت ندارد و بارگذاری در ComfyUI تأیید نشده است.

  • FastH3 هشت‌گامی v2۲۰B
    حافظهٔ لازم:
    کارت گرافیک ۱۲ گیگ یا رم ۳۲ گیگ
    FastVideo/FastVideo-FastH3-Comfy ↗

    نسخهٔ تقطیرشدهٔ FastVideo با ۸ گام ثابت و توجه پراکندهٔ VSA، پس سریع‌تر از ۲۰ گام پیش‌فرض. ComfyUI نسخهٔ ۰٫۳۶ به بعد؛ همان رمزگذار متن و VAEها را می‌خواهد.

  • Wan2GP (20B هرس‌شده یا 33B)۳۳B
    حافظهٔ لازم:
    کارت گرافیک ۲۴ گیگ یا رم ۲۶ گیگ
    DeepBeepMeep/MiniMax-H3 ↗

    فایل‌ها خودکار دانلود می‌شوند و حالت پیش‌فرض Lower VRAM است. سازندهٔ Wan2GP برای ویدیوی ۵ ثانیه‌ای (۱۲۴ فریم) در 832×480 حدود ۵ تا ۶ و برای ۱۵ ثانیه ۸ تا ۹ گیگابایت حافظهٔ کارت ادعا می‌کند؛ این عدد مستقل بررسی نشده. برای رم کم، گزینهٔ Lower RAM و رمزگذار متن فشرده دارد. نسخهٔ ۱۳٫۱۴۱ (۲۹ سپتامبر) تا ۳ ویدیو و ۳ صدای مرجع می‌پذیرد.

  • H3-Base رسمی BF16 (سرور)۳۳B
    حافظهٔ لازم:
    کارت گرافیک ۸۰ گیگ یا رم ۸۲ گیگ
    MiniMaxAI/MiniMax-H3 ↗

    هر دو فایل FL2VA و Ref2VA؛ کل مخزن ۴۹۸ گیگابایت است چون رمزگذار کامل Qwen3-VL-32B (۶۶٫۷ گیگابایت) و قالب Diffusers را هم دارد. مثال رسمی SGLang روی ۴ کارت اجرا می‌شود. SGLang با جابه‌جایی لایه‌به‌لایه روی یک کارت ۱۲ گیگابایتی و ۳۲ گیگابایت رم حدود ۲۳۵ ثانیه برای هر درخواست اندازه گرفته است؛ SSD سریع لازم است.

  • Viggle-Animate (جایگزینی شخصیت)۳۳٫۱B
    حافظهٔ لازم:
    کارت گرافیک ۲۴ گیگ یا رم ۲۶ گیگ
    Viggle/Viggle-Animate ↗

    مشتقی از شرکت Viggle (۳۱ اوت ۲۰۲۶) که شخصیت یک ویدیو را با یک فریم بازنقاشی‌شده عوض می‌کند: فاین‌تیون کامل ۳۳٫۱ میلیاردی Ref2VA که برای سه گذر تقطیر شده و همان مجوز H3 را دارد. در ComfyUI با نود جانبی و در Wan2GP (از نسخهٔ ۱۲٫۷۲) اجرا می‌شود.

نصب و اجرا

  1. ۱

    ComfyUI را به نسخهٔ ۰٫۳۶ یا جدیدتر به‌روز کنیدویندوز

    update\update_comfyui.bat

    قالب‌های پایه از ۰٫۳۰، قالب چندفریمی از ۰٫۳۴، Fun ControlNet از ۰٫۳۵ و FastH3 از ۰٫۳۶ کار می‌کنند؛ آخرین نسخه ۰٫۳۸ (۲۹ سپتامبر ۲۰۲۶) است. این فایل در پوشهٔ نسخهٔ قابل‌حمل ComfyUI است.

  2. ۲

    قالب آماده را باز کنید

    python main.py

    در http://127.0.0.1:8188 از Template Library بخش Video قالب MiniMax H3 T2V (یا I2V و R2V) را باز کنید و پنجرهٔ دانلود فایل‌ها را بپذیرید. بوم پیش‌فرض 1344×768 است، با ۲۰ گام و sampler از نوع res_multistep و scheduler برابر simple.

  3. ۳

    یا فایل‌ها را دستی دانلود کنیدلینوکس

    cd ComfyUI/models wget -P diffusion_models https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors wget -P text_encoders https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors wget -P vae https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/vae/minimax_h3_video_vae_int8_convrot.safetensors wget -P vae https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/vae/minimax_h3_audio_vae_fp32.safetensors

    برای ویدیو با مرجع، minimax_h3_ref2va_pruned_int8_convrot.safetensors را به‌جای فایل اول بگیرید. اگر PyTorch شما نسخهٔ cu130 نیست، نسخهٔ fp8_scaled را بگیرید. در ویندوز همین لینک‌ها را با مرورگر بگیرید و در پوشه‌های هم‌نام بگذارید.

  4. ۴

    اختیاری: LoRA توربو برای ۸ گاملینوکس

    wget -P ComfyUI/models/loras https://huggingface.co/lightx2v/Minimax-h3-Turbo/resolve/main/minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

    با این LoRA تعداد گام از ۲۰ به ۸ می‌رسد. برای سرعت بیشتر Sage Attention (از راه KJNodes) یا گزینهٔ --fast fp16_accumulation هم هست.

  5. ۵

    یا Wan2GP را نصب کنیدویندوز

    git clone https://github.com/deepbeepmeep/Wan2GP cd Wan2GP scripts\install.bat

    روی لینوکس scripts/install.sh را اجرا کنید. در برنامه MiniMax H3 FL2VA یا Ref2VA را انتخاب کنید تا فایل‌ها خودکار دانلود شوند.

دانلود

نکات امنیتی

  • همهٔ فایل‌های رسمی و Comfy-Org از نوع .safetensors هستند. نسخه‌های «hybrid»، «merged» و uncensored زیادی از H3 در Hugging Face هست؛ فقط از Comfy-Org، MiniMaxAI، unsloth و FastVideo دانلود کنید.
  • قالب‌های پایه به نود جانبی نیاز ندارند. KJNodes، نود Viggle-Animate و بارگذارهای GGUF نودهای شخص ثالث‌اند؛ فقط از سازندگان شناخته‌شده نصب کنید.
  • مخزن رسمی چند فایل پایتون (FL2VA/audio_vae) برای مسیر SGLang و vLLM دارد؛ ComfyUI و Diffusers نسخهٔ ۰٫۴۰ به اجرای کد از مخزن نیاز ندارند.
  • خروجی 2K و پیش‌پردازندهٔ H3-Context-IR پرامپت و فایل‌ها را به API مینی‌مکس می‌فرستند که بررسی خودکار محتوا دارد؛ کار کاملاً آفلاین فقط 768p است.
  • ComfyUI را با گزینهٔ --listen روی اینترنت باز نکنید؛ پورت ۸۱۸۸ را فقط در شبکهٔ داخلی و پشت رمز عبور استفاده کنید.

برای شرکت‌ها و سازمان‌ها

برای استودیو یا سرور شرکت: نسخهٔ BF16 رسمی با SGLang یا vLLM روی چند کارت اجرا می‌شود. اگر مدل را در اختیار مشتری یا کاربران دیگر می‌گذارید، مجوز می‌خواهد کاربران را به محدودیت‌های استفاده متعهد کنید، سازوکار جلوگیری از سوءاستفاده و کانال گزارش داشته باشید و نام «MiniMax H3» را در رابط نشان دهید. بالای ۲۰ میلیون دلار درآمد سالانه مجوز پولی لازم است که Comfy فروشندهٔ رسمی آن است: Professional از ۵۰۰۰ دلار در ماه و Enterprise با قیمت توافقی و وزن‌های تقطیرنشده. این مجوزهای پولی اجازهٔ راه‌اندازی بازار استنتاج یا فروش دوبارهٔ API را نمی‌دهند.

برنامه‌هایی که این مدل را اجرا می‌کنند

هم‌سطح ابری

آخرین بررسی: ۱۲ مهر ۱۴۰۵ · انتشار: ۲۴ مرداد ۱۴۰۵

معرفی: مینی مکس اچ ۳ (آفلاین)

MiniMax H3 مدل ویدیوی مینی‌مکس است که ۳۱ ژوئیهٔ ۲۰۲۶ از راه API عرضه شد و وزن‌هایش ۳ اوت ۲۰۲۶ روی Hugging Face منتشر شد؛ نخستین مدل ویدیوی وزن‌باز این شرکت. ویدیو و صدای استریو (گفتار، افکت و موسیقی) را در یک مرحله می‌سازد. دو فایل اصلی دارد: FL2VA برای متن به ویدیو، ساخت ویدیو از فریم اول یا آخر و از دو فریم اول و آخر؛ و Ref2VA که با تا ۹ عکس، ۳ ویدیو و ۳ صدای مرجع (حداکثر ۱۲ فایل) برای ویرایش ویدیو، انتقال حرکت یا صدا و ثابت نگه داشتن شخصیت به کار می‌رود.

کیفیت: در جدول متن به ویدیوی Artificial Analysis (۴ اکتبر ۲۰۲۶) با امتیاز ۱۱۳۷٫۹ چهارم است، پشت سه مدلی که فقط از راه API در دسترس‌اند، و بالاترین مدل وزن‌باز جدول است. خروجی نسخهٔ باز ضلع کوتاه ۷۶۸ پیکسل (1344×768 در نسبت ۱۶:۹)، ۲۴ فریم در ثانیه، ۴ تا ۱۵ ثانیه و صدای استریو ۳۲ کیلوهرتز است و نسبت تصویر از ۲۱:۹ تا ۹:۱۶ را می‌پذیرد. خروجی 2K (H3-Regenerate-2K) و پیش‌پردازندهٔ پرامپت (H3-Context-IR) منتشر نشده‌اند و فقط از API مینی‌مکس در دسترس‌اند.

سخت‌افزار: مدل کامل ۳۳ میلیارد پارامتر است و فایل BF16 آن ۶۶ گیگابایت. فایل‌های هرس‌شدهٔ ComfyUI (حدود ۲۰ میلیارد پارامتر) ۲۱ گیگابایت‌اند و از ۲۹ سپتامبر نسخهٔ ۱۶ گیگابایتی w6a8 هم آمده؛ رمزگذار متن فشردهٔ Qwen3-VL-32B ۱۵٫۷ گیگابایت دیگر است. عدد ۴۲٫۵ گیگابایتی که ComfyUI اعلام کرد جمع حجم همهٔ فایل‌هاست، نه حافظهٔ کارت گرافیک. با جابه‌جایی پویای لایه‌ها بین کارت، رم و دیسک، حداقل واقع‌بینانه کارت ۱۲ گیگابایتی، ۳۲ گیگابایت رم و SSD از نوع NVMe است: SGLang اجرای کامل را با ۳۲ گیگابایت رم روی کارت‌های ۱۲، ۱۶ و ۲۴ گیگابایتی اندازه گرفته و ComfyUI روی کارت ۱۲ گیگ حدود ۵ دقیقه برای هر ویدیو طول کشیده است. کارت ۱۶ تا ۲۴ گیگ با ۶۴ گیگ رم راحت‌تر است.

راه‌های اجرا: قالب‌های آمادهٔ ComfyUI برای متن به ویدیو، عکس به ویدیو و ویدیو با مرجع (FastH3 از نسخهٔ ۰٫۳۶)، Wan2GP از نسخهٔ ۱۲٫۴۲ که سازنده‌اش برای ویدیوی ۵ ثانیه‌ای 832×480 فقط ۵ تا ۶ گیگابایت حافظهٔ کارت ادعا می‌کند، SwarmUI، Diffusers نسخهٔ ۰٫۴۰، SGLang و vLLM. نسخه‌های GGUF شرکت Unsloth از ۶٫۷ تا ۲۱ گیگابایت هم با stable-diffusion.cpp اجرا می‌شوند.

دو محدودیت مهم: فارسی جزو ۱۱ زبانی نیست که مینی‌مکس برای گفتار پایدار اعلام کرده و کیفیت گفتار فارسی آزموده نشده است. مجوز MiniMax H3 Community کار تجاری را آزاد می‌گذارد تا وقتی درآمد سالانهٔ محصولات تجاری شما از ۲۰ میلیون دلار بیشتر نشود، به شرط آنکه نام «MiniMax H3» در رابط محصول دیده شود؛ خروجی‌ها را هم نمی‌شود برای بهتر کردن مدل هوش مصنوعی دیگری به کار برد.

بهترین کاربردها

  • •بدون اینترنت با کارت گرافیک خودم ویدیو همراه با صدا و دیالوگ بسازم
  • •روی کامپیوتر خودم از یک عکس، ویدیوی کوتاه با صدا بسازم (آفلاین)
  • •بهترین مدل ویدیوی وزن‌باز را در ComfyUI روی کارت ۱۲ تا ۲۴ گیگابایتی اجرا کنم
  • •ویدیو را آفلاین با عکس، ویدیو و صدای مرجع ویرایش کنم و شخصیت را ثابت نگه دارم
  • •روی سرور شرکت ویدیوی تبلیغاتی کوتاه با صدا بسازم بدون آپلود در سرویس آنلاین
  • •نسخهٔ آفلاین Hailuo را روی سیستم خودم نصب کنم

برای این کارها سراغش نروید

  • –ساخت ویدیو آنلاین در مرورگر بدون نصب
  • –ویدیوی 2K یا بلندتر از ۱۵ ثانیه
  • –گفتار فارسی مطمئن در ویدیو
  • –کامپیوتر بدون کارت گرافیک
  • –ساخت عکس

تصاویر محیط ابزار

صفحهٔ اصلی مینی مکس اچ ۳ (آفلاین)

صفحهٔ اصلی مینی مکس اچ ۳ (آفلاین)

قابلیت‌ها و محیط کار

قابلیت‌ها و محیط کار

نقاط قوت

  • ✓بالاترین مدل وزن‌باز در جدول متن به ویدیوی Artificial Analysis (اکتبر ۲۰۲۶) و چهارم در کل
  • ✓ویدیو و صدای استریو (گفتار، افکت و موسیقی) در یک مرحله
  • ✓ویرایش ویدیو، انتقال حرکت یا صدا و ثابت نگه داشتن شخصیت با تا ۹ عکس، ۳ ویدیو و ۳ صدای مرجع
  • ✓قالب‌های آمادهٔ ComfyUI بدون نود جانبی، به‌علاوهٔ Wan2GP، SwarmUI و Diffusers
  • ✓نسخهٔ هشت‌گامی FastH3 و LoRA توربو برای ساخت سریع‌تر
  • ✓کار تجاری برای کسب‌وکارهای زیر ۲۰ میلیون دلار درآمد سالانه رایگان است

نقاط ضعف

  • ✗حداقل کارت ۱۲ گیگابایتی، ۳۲ گیگابایت رم و SSD از نوع NVMe لازم است؛ فایل‌های ComfyUI روی هم ۳۵ تا ۴۲ گیگابایت‌اند و روی کارت ۱۲ گیگ هر ویدیو حدود ۵ دقیقه طول می‌کشد
  • ✗نسخهٔ باز فقط 768p و حداکثر ۱۵ ثانیه است؛ 2K و پیش‌پردازندهٔ پرامپت فقط از API مینی‌مکس
  • ✗فارسی جزو ۱۱ زبان پایدار گفتار نیست و آزموده نشده
  • ✗در محصول تجاری باید نام «MiniMax H3» دیده شود، خروجی برای بهتر کردن مدل دیگر ممنوع است و بالای ۲۰ میلیون دلار درآمد مجوز جدا لازم است
  • ✗مخزن رسمی ۴۹۸ گیگابایت است و نسخهٔ BF16 در مثال رسمی روی ۴ کارت اجرا می‌شود

قیمت‌گذاری

رایگان (وزن باز)

Free (open weights)

رایگان

  • • وزن‌های 768p رایگان (FL2VA و Ref2VA)
  • • کار تجاری تا ۲۰ میلیون دلار درآمد سالانه با نمایش نام «MiniMax H3»
  • • بالاتر از سقف، مجوز پولی از راه Comfy

قیمت‌ها تقریبی و بر اساس آخرین بازبینی است؛ برای قیمت دقیق به سایت رسمی مراجعه کنید.

پرسش‌های پرتکرار

با چه کارت گرافیکی اجرا می‌شود؟

حداقل واقع‌بینانه کارت ۱۲ گیگابایتی (مثل RTX 3060)، ۳۲ گیگابایت رم و SSD از نوع NVMe است؛ بخش‌هایی از مدل که روی کارت جا نمی‌شوند در رم می‌مانند یا از دیسک خوانده می‌شوند. روی کارت ۱۲ گیگ هر ویدیو حدود ۵ دقیقه طول می‌کشد. کارت ۱۶ تا ۲۴ گیگابایتی با ۶۴ گیگابایت رم راحت‌تر است. عدد ۴۲٫۵ گیگابایت در اعلامیهٔ ComfyUI جمع حجم فایل‌هاست، نه حافظهٔ کارت.

فارسی حرف می‌زند؟

به‌طور رسمی نه. ۱۱ زبان پایدار اعلام‌شده عربی، چینی، انگلیسی، فرانسوی، آلمانی، ایتالیایی، ژاپنی، کره‌ای، پرتغالی، روسی و اسپانیایی‌اند و زبان‌های دیگر «با درجه‌های مختلف» پشتیبانی می‌شوند. کیفیت گفتار فارسی آزموده نشده است.

برای کار تجاری آزاد است؟

تا وقتی درآمد سالانهٔ محصولات تجاری شما از ۲۰ میلیون دلار بیشتر نشود بله، به شرط آنکه «MiniMax H3» در رابط محصول دیده شود و خروجی‌ها را برای بهتر کردن مدل هوش مصنوعی دیگری به کار نبرید. بالاتر از این سقف مجوز پولی لازم است که Comfy می‌فروشد. مستندات ComfyUI جمله‌ای سخت‌گیرانه‌تر دارد، ولی ملاک متن مجوز است. مجوز برای همهٔ مناطق یکسان نیست؛ متن مجوز را ببینید.

کیفیتش با نسخهٔ آنلاین Hailuo یکی است؟

نه کاملاً. نسخهٔ باز فقط 768p و تا ۱۵ ثانیه می‌سازد. بازسازی 2K و پیش‌پردازندهٔ پرامپت (H3-Context-IR) منتشر نشده‌اند و فقط در Hailuo AI و API مینی‌مکس در دسترس‌اند.

چطور نصب کنم؟

ComfyUI را به نسخهٔ ۰٫۳۶ یا جدیدتر به‌روز کنید، از Template Library بخش Video قالب MiniMax H3 T2V، I2V یا R2V را باز کنید و دانلود فایل‌ها را بپذیرید (حدود ۳۵ تا ۴۲ گیگابایت). راه دیگر Wan2GP است که فایل‌ها را خودش دانلود می‌کند و حالت کم‌حافظه دارد.

نسخهٔ GGUF برای کارت ضعیف‌تر به درد می‌خورد؟

Unsloth نسخه‌های GGUF از ۶٫۷ گیگابایت (Q2_K) تا ۲۱٫۴ گیگابایت (Q8_0) منتشر کرده که با stable-diffusion.cpp اجرا می‌شوند و رمزگذار متن را روی پردازنده نگه می‌دارند. عدد رسمی حافظهٔ کارت برایشان نیست و بارگذاری‌شان در ComfyUI تأیید نشده است.

امتیاز و نظر شما

بدون نیاز به ثبت‌نام؛ نظر متنی پس از بررسی منتشر می‌شود.

نظرات کاربران

هنوز نظری ثبت نشده — اولین نفر باشید!

ابزارهای مشابه

مشاهده همه
Dreamina

دریمینا

Dreamina

رایگان

سایت رسمی و بین‌المللی بایت‌دنس (زیر برند کپ‌کات) برای ساخت ویدئو و تصویر با هوش مصنوعی؛ اصلی‌ترین جای استفاده از Seedance 2.5، Seedance 2.0 و Seedream 5.0، با اعتبار رایگان روزانه.

تولید ویدئوتبدیل عکس به ویدئوویرایش ویدئو
★★★★★★★★★★۴٫۳
Kling AI

کلینگ

Kling AI

رایگان

ابزار ویدئوی هوش مصنوعی کوایشو با Kling 3.0 و 3.0 Omni: متن یا عکس را به کلیپ تا ۱۵ ثانیه‌ای با صدای همزمان تبدیل می‌کند؛ Omni کاراکتر را از روی ویدئوی مرجع با همان چهره و صدا در صحنه‌های تازه نگه می‌دارد.

تولید ویدئوتبدیل عکس به ویدئوهمگام‌سازی لب
★★★★★★★★★★۴٫۵(۱۴ رأی)
Google Flow

گوگل فلو

Google Flow

رایگان

استودیوی فیلم‌سازی هوش مصنوعی گوگل با Gemini Omni 1.1 و Veo 3.1: از متن، عکس یا فریم اول و آخر ویدئو بسازید و ویدئوی خودتان را با پرامپت ویرایش کنید — روزانه ۵۰ اعتبار رایگان.

تولید ویدئوتبدیل عکس به ویدئوویرایش ویدئو
★★★★★★★★★★۴٫۵(۱۳ رأی)