بناء خط أنابيب شامل لتوليد الفيديو والصوت باستخدام MiniMax-H3 وواجهات برمجة تطبيقات ComfyUI

يقوم سير العمل هذا بإعداد ComfyUI برمجيًا، مع تكوين ذاكرة GPU، وسعة القرص، ودقة النموذج، والدقة، والمدة، وأخذ العينات، وأوضاع التوليد. ويختار ديناميكيًا ملف تعريف الأوزان بناءً على قدرات الأجهزة. ويتم تنزيل أوزان الانتشار، وترميز النصوص، وترميز الفيديو (VAE)، وترميز الصوت (VAE) المطلوبة من Hugging Face، ويتواصل الخادم عبر واجهات برمجة تطبيقات HTTP و WebSocket. يتم بناء الرسم البياني للتنفيذ في Python، مع التحقق من صحة مخططات العقد مقابل /object_info. تتضمن الأوضاع المدعومة النص إلى فيديو، والتوليد المشروط بالإطار الأول والأخير، والتوليد المشروط بالصورة المرجعية. تدمج هذه العملية إعداد النموذج تلقائيًا، وبناء الرسم البياني المدرك للمخطط، وفك تشفير الفيديو والصوت المشترك، ومراقبة التقدم، وجمع المخرجات.