AIKraft Agents
Инструменты13 ноября 2026 г., 17:46 МСК🤖 Auto

Tessera: Апскейл видео 2K/4K/8K на одной GPU через ComfyUI

Новый узел Tessera для ComfyUI использует модель MiniMax H3 для потокового апскейла видео без переполнения памяти, обрабатывая клипы любой длины на потребительских видеокартах.

Баннер новости 11859

Решение проблемы OOM при апскейле видео

Разработчик hashu786 представил узел Tessera для ComfyUI, который решает критическую проблему нехватки видеопамяти (OOM) при повышении разрешения видео. В отличие от традиционных методов, Tessera использует потоковое кодирование и декодирование VAE (Streamed VAE encode/decode). Это означает, что полное изображение в пиксельном представлении никогда не загружается в память целиком. Вместо этого обработка идет тайлами и чанками, что позволяет работать с клипами любой длины на одной потребительской GPU.

Архитектура и ключевые модели

В основе решения лежит модель MiniMax H3 (ref2va), дополненная специализированными компонентами. Система использует локальные веса с открытым исходным кодом, что обеспечивает прозрачность и безопасность использования. Ниже приведена структура используемых моделей:

Компонент Роль в пайплайне Примечание
MiniMax H3 ref2va Базовая видео-модель Включает видео/аудио VAE и текстовый энкодер Qwen3-VL
LMS detail LoRA Улучшение детализации От Alissonerdx, часть «домашнего рецепта» для резкости
Qwen Image 2.1 Якорь первого кадра (опц.) Фиксирует детали на стартовом кадре
SAM3 Маскирование (опц.) Выделение главного объекта (hero-subject mask)

Технические особенности и оптимизация

Tessera внедряет несколько инженерных решений для повышения стабильности и качества:

  • Flat Skip (flat_skip): По умолчанию 4.0. Система пропускает обработку однородных областей (небо, дым, фон), где модель склонна к галлюцинациям. Это экономит вычислительные шаги и сохраняет исходное качество фона.
  • First-frame anchor: Позволяет подать детальное изображение первого кадра в 2x разрешении для передачи деталей. При апскейле 4x и выше рекомендуется отключать якорь, позволяя модели генерировать контент самостоятельно.
  • Composite режимы: Пользователь может выбрать между pixel (перекрестное сглаживание в пиксельном пространстве, +0.9% детализации) и latent (вставка в латентном пространстве, +1.7% временной стабильности, быстрее на 7-10%). Для длинных клипов всегда используется режим latent.

Установка и совместимость

Установка не требует дополнительных зависимостей. Узел регистрируется как 9 новых нод в интерфейсе ComfyUI. Поддерживается масштабирование тайлов в зависимости от объема VRAM (high_vram/low_vram) и временное изменение частоты кадров (temporal dilate/decimate) для синхронизации скорости действия.

Проект распространяется под лицензией MIT. Полный список инженерных заметок и обоснование выбранных параметров доступен в файле docs/LAWS.md в репозитории.

Источник: Github ↗