新闻动态

RelayVSR、SeedVR2与H3 Refine:画质速度实测

行业资讯 发布者:晨展科技 2026-11-16 12:57 访问量:2

在AI短剧生产中,先用较低分辨率生成,再提高交付清晰度,是一条值得验证的路线。但节省的一采开销,可能被后续处理时间抵消;更锐利的成片,也可能改变角色的眉眼、牙齿与服装纹理。

这次以相同底片测试RelayVSR、SeedVR2和H3 Refine,关注三个问题:要多等多久、画面变在哪里、哪条路线适合当前工作站稳定交付。以下为单次样例记录,不代表所有素材或硬件上的表现。

先把比较条件说清楚

主样例是同一段10.125秒的自然光中文口播,544×960、24fps、243帧,约0.522MP。RelayVSR和SeedVR2处理同一份视频,H3 Refine复用这次生成的一采影音latent缓存,解码画面已核对同源。

三条路线最终都交付1088×1920,约2.089MP,属于1080p附近的竖屏尺寸。MP表示总像素数量:1920×1080约为207万像素,所以“1080p”和“约2MP”并不矛盾。

必须单独说明:本次H3 Refine采用的是“1MP二采→普通放大至1080p”。实际二采尺寸为768×1376,随后用Lanczos等比放大并少量补边到1088×1920。普通放大增加输出像素,不代表生成了原生2MP二采细节。

同一段10秒视频,分别花了多久

测试工作站使用RTX 5070 Ti 16GB。以下是单次实际运行记录,包含相应模型加载、处理、解码与保存,不含首次生成底片、下载、剪辑及故障排查;没有做多轮相同冷启动统计。

最终成片路线实际处理路径本次追加耗时
RelayVSR X2544×960→1088×192076.655秒,约1分17秒
SeedVR2544×960→1088×1920585.895秒,约9分46秒
H3 Refine备用路线768×1376二采→普通放大至1088×1920二采428.344秒+放大编码0.865秒,合计约7分09秒

RelayVSR本次的追加处理速度约为SeedVR2的7.64倍。Refine使用了较低的中间采样尺寸,这张表比较的是最终交付路线,不能理解成三种原生2MP算法的同档速度排名。共享的一采生成耗时465.321秒,未重复计入。

本次成功路线的耗时表;Refine采用1MP二采后普通放大,不能当作原生2MP同档对比
本次成功路线的耗时表;Refine采用1MP二采后普通放大,不能当作原生2MP同档对比

看人脸:更锐利,也可能改掉原来的细节

下面两张都是实际输出的同帧局部,不是AI重新绘制的示意图。从左到右固定为:原片、RelayVSR、SeedVR2、H3 Refine备用路线。请放大看眉眼、牙齿、发际线与嘴唇轮廓,别只看缩略图。

实际同帧脸部对比,从左到右:原片、RelayVSR、SeedVR2、H3 Refine(1MP二采后普通放大1080p)
实际同帧脸部对比,从左到右:原片、RelayVSR、SeedVR2、H3 Refine(1MP二采后普通放大1080p)

RelayVSR把眉毛、头发、嘴唇边缘处理得更利落,整体变化比较克制。但原片模糊的细发,并没有全部恢复成可验证的独立发丝。

SeedVR2的眼周、牙齿和肤质更平滑、锐利,特写看起来更精致;同时眼形、牙齿和细纹也有明显重建。它能带来更讨喜的画面,但更锐不等于更接近原本的真实细节。

Refine备用路线也会改变人脸。这组样例中,没有看到它在所有局部都全面领先,不能只凭“重新采样”这个名字就认定效果一定更好。

看衣料和边缘:各自保留了什么,改写了什么

实际同帧衣料细节对比,从左到右:原片、RelayVSR、SeedVR2、H3 Refine(1MP二采后普通放大1080p)
实际同帧衣料细节对比,从左到右:原片、RelayVSR、SeedVR2、H3 Refine(1MP二采后普通放大1080p)

衣料褶皱、发丝以及杯沿,比“整张脸是不是好看”更容易暴露处理差异。RelayVSR更偏向保留原有形状;SeedVR2的衣料、杯沿更清楚,重建感也更明显;Refine备用路线能够强调衣料纹理与褶皱,但这些变化不能全部视为找回了原片丢失的信息。

完整评测视频还包含全景、局部、0.5倍慢放,以及三组历史辅助素材。辅助素材仅有RelayVSR和SeedVR2结果,不参与本轮三方案速度表,也没有冒充三种方法都跑过。

颜色和声音,这次怎么处理

抽查的全景、局部和分时帧没有看到此前那种明显的整段大幅跑色,仍能看到肤色、蓝衣和纹理的细微差别。本次SeedVR2开启了LAB保色,不能隐去这个配置差异,也不能由此保证所有素材都不会偏色。

画质并排比较段统一使用一采原声,避免声音差异干扰看图;另有一节单独播放Refine真实二采音轨。Refine属于影音二采,声音也可能变化,不能默认和原音完全一致。语音识别文字一致也不代表音色、韵律与口型已经全部通过人工验收。

为什么没有把原生2MP Refine结果放进来

原生约2MP Refine进行了多次尝试。旧作者版本的Sage配置在运行约20分45秒后人工中止,更新作者源码后的另一次尝试约16分42秒后人工中止;两次都没有返回完成的第一步,也没有可用的原生2MP二采成片。

这些是未完成试跑的中止时点,不是成功生成耗时,也不是模型自动报错的固定时限。排查时观察到较高的提交内存和内存压力,但未证明唯一根因,不能据此说Refine普遍不支持2MP。

本次采用的1MP备用结果来自已成功完成3步采样的旧作者版本,不是更新版本跑出的原生2MP。验收还检查了实际采样进度和报告:只看任务显示success或输出分辨率,不足以排除节点异常后返回旧latent的情况。

这里的Refine是社区Director实现,不等于MiniMax官方尚未开源的H3-Regenerate-2K。

这次用到的主要配置

RelayVSR:X2、BF16、CPU卸载、chunk_len 16、seed 42。

SeedVR2:3B FP8,16块CPU交换,SDPA,batch 5;VAE分块512/64,LAB保色,输入与latent噪声均为0,seed 42。

已成功的H3 Refine:H3 3D FP16 latent放大、Ref2VA INT8、4step FL2V Turbo LoRA strength 1、SageAttention、Euler/beta、3步、denoise 0.2、继承一采seed。有效1MP结果使用Director作者提交bdefc5f8037aad286ff1aa3d908dfb3cf13b080b。

怎么选,要看你最在意什么

如果要连续做一批短剧镜头,最在意速度、成本和原貌保留,本组更倾向RelayVSR。

如果更在意人物特写的平滑和精致感,愿意等待更长时间,也能接受眼牙和纹理被重新构造,本组更倾向SeedVR2。

如果希望沿用H3的一采缓存继续二采,Refine值得做小样验证。但本次只能确认1MP备用路线跑通,原生2MP的运行问题仍未解决,不适合把它包装成已经验证的综合最优方案。

本次没有高分辨率真值,因此没有给三种方法编造PSNR或统一画质分数。结论适用于当前口播样例与配置,不能外推到所有高速运动、夜景、动画和长视频。

资料与实现边界

MiniMax H3官方模型说明

社区Director作者说明(固定提交)

社区Refine采样实现

测试记录日期:2026年11月13日。封面由GPT生成,仅作概念设计;正文局部对比和耗时表来自本次实际输出。



关键字:

https://m.chenzhankj.com/hyzx/upscale-review-20261113.html