Что энтузиасты выложили за два дня
10 ноября на GitHub появился репозиторий PedroMarinhoDev/ComfyUI-ReCaVSR: порт видео-суперразрешения ReCaVSR внутрь ComfyUI. Код под GPL-3.0, веса USTC лежат на Hugging Face с 3 октября. В тот же день выложили win520-1206/ComfyUI-H3-LowVRAM-Workflows под MIT, набор воркфлоу MiniMax H3 для карт, которым не хватает памяти. 11 ноября добавился AnniCodex/ComfyUI-H3-FaceRefine-Plus, тоже MIT, надстройка над ComfyUI-H3-FaceRefine с функцией Flow Lock.
Три репозитория за двое суток это ещё не рынок, это разведка. Люди проверили, что считается на домашнем железе, и выложили рабочие воркфлоу вместе со своими замерами. Для студии такая разведка полезна: по ней видно, где заканчивается подписка на облако.
Апскейл видео нейросетями на своей карте: цифры ReCaVSR
ReCaVSR обучен на коэффициент 4x, апскейл идёт одним проходом на блок кадров. По README автора порта 149 кадров из 960x480 раскрываются в 3840x1920 за 36 секунд на RTX 4090 и за 67 секунд на RTX 3090. Замеры сделаны с int8-файлом весов на 6,27 ГБ, версия bf16 весит 10,6 ГБ. В README заявлено, что сборка runs from 8 GB, то есть запускается на карте с восемью гигабайтами.
149 кадров это около шести секунд видео при 24 кадрах в секунду, и 36 секунд на такой кусок в 4x означают, что апскейл перестал быть ночной задачей. Порог входа теперь видеокарта из игрового компьютера и диск с весами.

Потоковая запись и чем платит быстрый декодер
Кадры идут блоками: первый блок 21 кадр, дальше по 8 кадров. Каждый готовый блок сразу пишется на диск, поэтому пик памяти зависит от размера блока. Длина клипа на память не влияет, растёт только время. Длинный клип здесь стоит времени, память остаётся ровной.
Вторая развилка это декодер. Быстрый вариант мягче по деталям. Декодер Wan 2.2 рисует волосы и кожу тоньше, зато работает в 25-40 раз дольше. На клипе, который считается минуту, множитель в 25-40 раз превращает работу в полчаса, и решать это надо до запуска. После запуска остаётся только смотреть, как идёт счёт.
Дрожащие лица в MiniMax H3 и Flow Lock
Диагноз автора надстройки точный и знакомый каждому, кто правил лицо в готовом клипе. При перерисовке лица модель сдвигает глаза и уголки рта на 1-2 пикселя, и на каждом кадре сдвиг свой. Волосы и уши при этом остаются на месте, поэтому глаз ловит дрожь мгновенно, даже когда зритель не понимает, что именно дёргается.
Flow Lock на тесте автора снизил дрожание с 0,73 до 0,19 процента высоты лица. Плата за это время: сборка работает в 2,3-2,9 раза дольше официального рефайна. В комплекте ещё Stitch Plus и Tone Match, первый вклеивает перерисованное лицо обратно в кадр, второй возвращает его цвет к исходнику.
Тесты скромные: один клип на каждый случай, одна карта RTX 5090, всё на видео MiniMax H3 и под её лицензией. Один клип это не статистика, но направление верное, и цифра 0,19 процента объясняет, что именно чинили.

Слабые карты: 18-21 минута на пятисекундный клип
Третий репозиторий решает обратную задачу: запустить H3 там, где памяти мало. По пересказу Fervor Creative AI воркфлоу выдаёт пятисекундный клип за 18-21 минуту на ноутбучной RTX 5070 с 8 ГБ и примерно 32 ГБ оперативной памяти. Для одного теста терпимо, для серии из двадцати версий это шесть-семь часов счёта.
Лицензии: три документа разной силы
Код порта ReCaVSR под GPL-3.0, а у весов своя лицензия апстрима, и перед коммерческой работой её читают отдельно от кода. Две надстройки под MIT, к их коду вопросов нет.
Лицензия MiniMax H3 не действует в США, ЕС, Великобритании и Южной Корее без разрешения MiniMax. Ограничение идёт от модели, с портом оно не связано, и переносится на всё, что собрано поверх H3, включая воркфлоу для слабых карт и надстройку с Flow Lock.
Что смотреть в готовом файле
Апскейл не отменяет приёмку. Смотреть покадрово в полном масштабе, в местах движения, на волосах, на коже и на мелком тексте в кадре. Потом переключить слои и сравнить с оригиналом: глаз привыкает к новой резкости за несколько секунд и перестаёт видеть артефакты.
Третья проверка на телефоне, потому что сжатие площадок съедает мягкие переходы и подчёркивает резкие границы. Общий разбор того, что апскейл чинит и что ломает, есть в статье про нейросеть апскейл видео.
В работе с клиентом апскейл это часть услуги видео нейросетями, где кадр всё равно смотрит человек. Если ролик нужен под ключ, есть ручные ролики от 16 000 ₽. Когда карта уже стоит и хочется считать дома не только апскейл, есть отдельный разбор, как работает локальная нейросеть для генерации видео со звуком.
Мой вывод
Локальный апскейл стал обычной работой на игровой карте: 36 секунд на полторы сотни кадров говорят сами за себя. Дрожание лица тоже перестало быть приговором, у него появилась измеримая цифра и цена в виде времени счёта, которое растёт в 2,3-2,9 раза.
Дальше начинается скучное. Покадровая приёмка, чтение лицензий, проверка на телефоне. Клиент платит за результат на своём экране, и там видно и мягкий декодер, и потерянные 1-2 пикселя.




