# minih33 — Guia de geração no ComfyUI

## Arquivos
- Modelo base: `Comfy-Org/MiniMax-H3` → `diffusion_models/minimax_h3_fl2va_bf16.safetensors`
  (+ text encoder e VAEs do mesmo repo, workflow H3 padrão do ComfyUI)
- LoRA: use a versão convertida para ComfyUI deste repo:
  `checkpoints/comfy/minih33_quick-step00002500_comfy.safetensors`
  (chaves `diffusion_model.*`; carregar com **LoraLoaderModelOnly**)
- Os arquivos `checkpoints/minih33_quick-step*.safetensors` (sem `_comfy`) estão no formato
  musubi — servem para o musubi-tuner/inferência do fork, não para o ComfyUI.

## Resoluções (importante — o H3 é sensível à área treinada)
A LoRA foi treinada em 3 áreas (multi-resolução obrigatória do H3):

| Resolução | Área | Peso no treino |
|---|---|---|
| 512×288 | 0,15 MP | ~55% |
| 640×384 | 0,25 MP | ~28% |
| 832×480 | 0,40 MP | ~17% |

- **Gere nessas resoluções (ou áreas próximas)**. Sempre múltiplos de 32.
- O treino usou spatial density jitter 0.2 → tolerância de ~±20% de área além das treinadas.
- **Evite gerar muito acima de 832×480** (ex.: 1024×576+): área não treinada, risco de
  artefatos "fly-eye"/ruído. Para saída maior, gere a 832×480 e faça upscale externo.

## Durações (24 fps, grid 17n+5)
Treinada com escada de durações: 56 / 73 / 90 / 124 frames — maioria em **124 frames (5,17 s)**.

- **Alvo ideal: 124 frames** (~5 s). Também funcionam bem: 90 (3,75 s), 73 (3,04 s), 56 (2,33 s).
- Frames válidos do H3: 5, 22, 39, 56, 73, 90, 107, 124, 141... (17n+5). O sampler faz snap.
- Não mude o fps: o modelo é 24 fps fixo.

## Modo de uso (o que a LoRA aprendeu)
- **Image-to-video (primeiro frame)**: task de treino foi i2va — forneça a imagem inicial
  no conditioning de primeiro frame do workflow H3. É o caso de uso principal.
- Prompt no estilo das captions de treino: comece com
  `A japanese style seamless loop animation, ...` e descreva a ação/movimento desejado
  (veja `exemplo_de_captions.txt` neste repo).
- Movimento aprendido: loops cíclicos (o movimento se repete dentro do clipe).

## Parâmetros
- Steps: **20** (modelo é CFG-distilled — 1 avaliação por step, sem negative prompt).
- Força da LoRA: teste **0.75 / 1.0** (e 0.5 se estiver forte demais).
- Áudio: o modelo gera trilha, mas a LoRA foi treinada video-only — o áudio vem do base.
- Checkpoint deste guia: step 2500 do run "quick" (guidance 4 + jitter 0.2, LR 1e-4, rank 32).