ComfyUI APIs के साथ एंड-टू-एंड MiniMax-H3 वीडियो और ऑडियो जनरेशन पाइपलाइन बनाना

यह वर्कफ़्लो ComfyUI को प्रोग्रामेटिक रूप से सेट करता है, GPU मेमोरी, डिस्क क्षमता, मॉडल प्रिसिज़न, रिज़ॉल्यूशन, अवधि, सैंपलिंग और जनरेशन मोड को कॉन्फ़िगर करता है। यह हार्डवेयर क्षमताओं के आधार पर गतिशील रूप से एक वेट प्रोफ़ाइल चुनता है। आवश्यक डिफ्यूज़न, टेक्स्ट-एनकोडर, वीडियो-VAE और ऑडियो-VAE वेट्स Hugging Face से डाउनलोड किए जाते हैं, और सर्वर HTTP और WebSocket API के माध्यम से संचार करता है। निष्पादन ग्राफ़ Python में बनाया गया है, जो /object_info के विरुद्ध नोड स्कीमा को मान्य करता है। समर्थित मोड में टेक्स्ट-टू-वीडियो, फर्स्ट और लास्ट फ्रेम कंडीशन्ड, और संदर्भ-छवि-कंडीशन्ड जनरेशन शामिल हैं। पाइपलाइन में स्वचालित मॉडल सेटअप, स्कीमा-जागरूक ग्राफ़ निर्माण, संयुक्त वीडियो-ऑडियो डिकोडिंग, प्रगति निगरानी और आउटपुट संग्रह एकीकृत है।