MiniMax H3 + WanGP + ComfyUI: Seedance 2.5 Open Source Low VRAM Competitor Complete Easy Setup Guide

1
00:00:00,000 --> 00:00:01,335
สวัสดีทุกคนครับ

2
00:00:01,335 --> 00:00:04,182
ยินดีต้อนรับสู่วิดีโอถัดไปของเรา

3
00:00:04,182 --> 00:00:07,920
ในบทช่วยสอนวันนี้ เราจะมาพูดถึง MiniMax H3

4
00:00:07,920 --> 00:00:10,411
(โมเดลวิดีโอ AI ของ MiniMax)

5
00:00:10,411 --> 00:00:15,216
ที่เพิ่งเปิดตัวไปเมื่อประมาณหนึ่งถึงสองสัปดาห์ก่อนครับ

6
00:00:15,216 --> 00:00:18,954
โมเดลนี้เป็นโมเดลวิดีโอที่ยอดเยี่ยมมากครับ

7
00:00:18,954 --> 00:00:22,958
เทียบชั้นได้กับ Sora 2.0 (โมเดลวิดีโอชื่อดัง)

8
00:00:22,958 --> 00:00:25,895
และแม้กระทั่ง Sora 2.5 เลยทีเดียว

9
00:00:25,895 --> 00:00:28,564
มันสร้างวิดีโอคุณภาพสูงมากครับ

10
00:00:28,564 --> 00:00:32,835
อย่างที่เห็นได้จากเว็บไซต์เปิดตัวอย่างเป็นทางการ

11
00:00:32,835 --> 00:00:34,971
วิดีโอออกมาดูพรีเมียมมาก

12
00:00:34,971 --> 00:00:38,352
และเหมาะกับการใช้งานระดับโปรดักชันครับ

13
00:00:38,352 --> 00:00:40,043
และถ้าดูที่ ComfyUI

14
00:00:40,043 --> 00:00:42,802
(เครื่องมือสร้างเวิร์กโฟลว์ AI)

15
00:00:42,802 --> 00:00:46,895
เขาก็ปล่อยเวิร์กโฟลว์ ComfyUI ออกมาด้วยเช่นกัน

16
00:00:46,895 --> 00:00:49,119
พร้อมกับตัวอย่างวิดีโอดีๆ

17
00:00:49,119 --> 00:00:53,035
จำนวนมากให้ดูครับ ทุกตัวอย่างสุดยอดมากๆ ครับ

18
00:00:53,035 --> 00:00:56,505
แต่ปัญหาหนึ่งก็คือ ทุกแพลตฟอร์มที่ปล่อย

19
00:00:56,505 --> 00:00:57,929
MiniMax H3 ออกมา

20
00:00:57,929 --> 00:01:00,687
ยังต้องดาวน์โหลดโมเดลก่อนใช้งาน

21
00:01:00,687 --> 00:01:04,781
ถึงแม้จะเป็นโอเพนซอร์ส แต่ตัวโมเดลใหญ่มากจริงๆ

22
00:01:04,781 --> 00:01:08,696
ครับ ถ้าดูที่รีโพ MiniMax H3 อย่างเป็นทางการ

23
00:01:08,696 --> 00:01:12,522
จะเห็นว่าโมเดลนี้ใหญ่โตมาก และถ้าดูเวอร์ชัน

24
00:01:12,522 --> 00:01:15,548
compact (แบบกระชับ) ของทีม ComfyUI

25
00:01:15,548 --> 00:01:17,328
ซึ่งเป็นเวอร์ชัน FP8

26
00:01:17,328 --> 00:01:19,730
(รูปแบบข้อมูลความแม่นยำต่ำ)

27
00:01:19,730 --> 00:01:23,468
รวมถึงเวอร์ชันอื่นๆ ที่เป็นเวอร์ชัน pruned

28
00:01:23,468 --> 00:01:27,383
(แบบตัดแต่งให้เล็กลง) ก็ยังใหญ่มากอยู่ดีครับ

29
00:01:27,383 --> 00:01:31,476
ดังนั้นถ้าใครมีสเปกเครื่องระดับล่าง แล้วลองใช้

30
00:01:31,476 --> 00:01:34,947
ComfyUI หรือโมเดลโอเพนซอร์ส ของ MiniMax

31
00:01:34,947 --> 00:01:38,773
เวอร์ชันทางการ ก็จะทดลองใช้งานได้ยากมากครับ

32
00:01:38,773 --> 00:01:41,620
เพราะมันต้องการฮาร์ดแวร์และ VRAM

33
00:01:41,620 --> 00:01:44,735
(หน่วยความจำของการ์ดจอ) เยอะมากครับ

34
00:01:44,735 --> 00:01:45,981
ในบทช่วยสอนนี้

35
00:01:45,981 --> 00:01:49,718
ผมจะพาทุกคนไปดูวิธีทำแบบนี้ได้ฟรีบน Kaggle

36
00:01:49,718 --> 00:01:53,366
Kaggle เป็นแพลตฟอร์มทำโน้ตบุ๊ก AI ออนไลน์

37
00:01:53,366 --> 00:01:56,392
ซึ่งรองรับ VRAM ต่ำ ที่น้อยกว่า 16

38
00:01:56,392 --> 00:02:00,396
กิกะไบต์ครับ เอาล่ะ ถ้าอย่างนั้นเราไปเริ่มที่

39
00:02:00,396 --> 00:02:02,799
Kaggle notebooks กันเลยครับ

40
00:02:02,799 --> 00:02:06,625
เครื่องมือที่เราจะใช้กันวันนี้ชื่อว่า WanGP

41
00:02:06,625 --> 00:02:10,451
ครับ WanGP เป็นเฟรมเวิร์ก ที่ออกแบบมาสำหรับ

42
00:02:10,451 --> 00:02:14,545
GPU ความจำต่ำโดยเฉพาะ ดูรีโพ GitHub ได้เลยครับ

43
00:02:14,545 --> 00:02:18,282
มันอยู่ภายใต้องค์กร Deep BiP MiP บน GitHub

44
00:02:18,282 --> 00:02:21,663
นะครับ โดย WanGP เป็นตัวสร้างวิดีโอ AI

45
00:02:21,663 --> 00:02:25,579
ที่เร็วสำหรับกลุ่ม GPU ระดับล่าง ถ้าใครไม่มี

46
00:02:25,579 --> 00:02:29,494
GPU ระดับสูง ก็สามารถลองใช้ WanGP เพื่อรันบน

47
00:02:29,494 --> 00:02:31,274
GPU ระดับล่างได้ครับ

48
00:02:31,274 --> 00:02:34,210
ซึ่งก็ให้ผลลัพธ์ที่ดีมากเหมือนกัน

49
00:02:34,210 --> 00:02:37,503
และที่เห็นอยู่นี้คือวิดีโอ MiniMax H3

50
00:02:37,503 --> 00:02:40,884
ที่สร้างด้วย WanGP ครับ คุณภาพดีมากเลย

51
00:02:40,884 --> 00:02:44,710
และนี่คือเว็บ UI ของเครื่องมือ เขายังมี SDK

52
00:02:44,710 --> 00:02:48,537
(ชุดเครื่องมือสำหรับนักพัฒนา) ให้ลองใช้ด้วย

53
00:02:48,537 --> 00:02:51,740
ซึ่งในวิดีโอนี้เราจะสาธิตวิธีใช้ SDK

54
00:02:51,740 --> 00:02:55,834
กันด้วยครับ แต่ก่อนอื่น มาดูหน้าจอ UI แบบต่างๆ

55
00:02:55,834 --> 00:03:03,842
ของ WanGP กันก่อนครับ อย่างที่เห็น นี่คือวิดีโอที่สร้างจาก prompt (ข้อความคำสั่ง) แบบต่างๆ

56
00:03:03,842 --> 00:03:07,757
กัน กดเล่นดูได้เลยครับ ว่าจะได้ผลลัพธ์แบบไหน

57
00:03:07,757 --> 00:03:11,317
"ถ้าคุณได้ยินผม ให้ส่งสัญญาณตามนี้" ครับ

58
00:03:11,317 --> 00:03:14,342
เห็นไหมครับ วิดีโอนี้คุณภาพดีจริงๆ

59
00:03:14,342 --> 00:03:17,635
ลองเล่นอีกครั้งนะครับ "ถ้าคุณได้ยินผม

60
00:03:17,635 --> 00:03:21,728
ให้ส่งสัญญาณตามนี้" จะเห็นว่าภาพลื่นไหลมากครับ

61
00:03:21,728 --> 00:03:24,398
ถึงแม้จะเป็นวิดีโอแค่ 5 วินาที

62
00:03:24,398 --> 00:03:26,978
แต่มันคือวิดีโอคุณภาพสูงจริงๆ

63
00:03:26,978 --> 00:03:30,360
บน UI เราสามารถตั้งค่าพารามิเตอร์ต่างๆ

64
00:03:30,360 --> 00:03:32,940
ได้มากมายครับ เช่นลองใช้ LoRA

65
00:03:32,940 --> 00:03:35,343
(เทคนิคปรับแต่งโมเดล) ดูได้

66
00:03:35,343 --> 00:03:39,080
ซึ่งตัวที่ว่าน่าจะเร็วที่สุดคือ first-step

67
00:03:39,080 --> 00:03:42,105
LoRA ครับ เรายังเลือกใช้โมเดลต่างๆ

68
00:03:42,105 --> 00:03:45,932
เพื่อปรับแต่งได้ด้วย เช่นโมเดล 33B และโมเดล

69
00:03:45,932 --> 00:03:47,029
pruned 20B

70
00:03:47,029 --> 00:03:50,588
และยังเพิ่มโมเดลที่ปรับแต่งเองได้อีกด้วย

71
00:03:50,588 --> 00:03:54,059
ซึ่งเราทำไว้แล้วครับ แค่กดที่ไอคอนเพิ่ม

72
00:03:54,059 --> 00:03:57,618
แล้วใส่ checkpoint (จุดบันทึกโมเดล) หลัก

73
00:03:57,618 --> 00:04:01,177
รวมถึง text encoder (ตัวเข้ารหัสข้อความ)

74
00:04:01,177 --> 00:04:05,093
ลงไปครับ ตรงนี้เขาปรับแต่งมาให้เรียบร้อยแล้ว

75
00:04:05,093 --> 00:04:09,008
เราไม่ต้องไปหาว่า ต้องดาวน์โหลดจากที่ไหนครับ

76
00:04:09,008 --> 00:04:11,945
แค่ดาวน์โหลดจาก Hugging Face ตรงๆ

77
00:04:11,945 --> 00:04:15,148
แล้วใส่ไว้ในโฟลเดอร์ temp ของ Kaggle

78
00:04:15,148 --> 00:04:16,572
แล้ววางพาธตรงนี้

79
00:04:16,572 --> 00:04:19,241
ซึ่งเป็นพาธในเครื่องของเราครับ

80
00:04:19,241 --> 00:04:23,246
เราลองทั้งโมเดลหลัก text encoder และโมเดล VAE

81
00:04:23,246 --> 00:04:26,182
(ตัวเข้ารหัสอัตโนมัติ) ดูแล้วครับ

82
00:04:26,182 --> 00:04:29,564
ดาวน์โหลดทุกอย่างมาแล้ววางพาธไว้ตรงนี้

83
00:04:29,564 --> 00:04:30,720
เรียบร้อยครับ

84
00:04:30,720 --> 00:04:34,814
เราสามารถดาวน์โหลดโมเดลแล้ววางไว้ที่ไหนก็ได้บน

85
00:04:34,814 --> 00:04:35,911
WanGP

86
00:04:35,911 --> 00:04:40,360
มันจะโหลดได้โดยแค่ระบุพาธให้ถูกต้องเท่านั้นเองครับ

87
00:04:40,360 --> 00:04:43,830
จากนั้นก็กำหนดขนาด (dimensions) ได้ครับ

88
00:04:43,830 --> 00:04:47,835
ในตัวอย่างนี้เราใช้ 480 คุณลองขนาดอื่นๆ ดูได้

89
00:04:47,835 --> 00:04:50,771
และยังสลับจำนวนเฟรมสำหรับวิดีโอ 5

90
00:04:50,771 --> 00:04:54,509
วินาทีได้ด้วย หรือจะลอง 10 วินาทีก็ได้ครับ

91
00:04:54,509 --> 00:04:57,089
ถ้ามีเวลาหรือมี GPU ที่ดีกว่า

92
00:04:57,089 --> 00:05:00,115
แล้วก็เปลี่ยนจำนวน inference steps

93
00:05:00,115 --> 00:05:03,852
(รอบการสร้างภาพ) ได้ ค่าเริ่มต้นคือ 4 ครับ

94
00:05:03,852 --> 00:05:07,678
เพราะเราเลือกใช้ turbo LoRA (LoRA โหมดเร็ว)

95
00:05:07,678 --> 00:05:10,437
ไว้ แค่นั้นแหละครับ กด generate

96
00:05:10,437 --> 00:05:13,195
แล้วคุณจะได้วิดีโอสุดเจ๋งแบบนี้

97
00:05:13,195 --> 00:05:17,022
อยากรู้วิธีติดตั้งทั้งหมดไหมครับ เราไปดูที่

98
00:05:17,022 --> 00:05:20,848
Kaggle notebooks กันเลย ใน Kaggle notebooks

99
00:05:20,848 --> 00:05:23,784
สิ่งที่ต้องทำก็แค่ดาวน์โหลด WanGP

100
00:05:23,784 --> 00:05:27,789
ไปไว้ในโฟลเดอร์หลัก ซึ่งก็คือโฟลเดอร์ทำงานของ

101
00:05:27,789 --> 00:05:30,814
Kaggle ที่เป็นโฟลเดอร์เริ่มต้นครับ

102
00:05:30,814 --> 00:05:33,217
จากนั้นติดตั้ง dependencies

103
00:05:33,217 --> 00:05:36,064
(ไลบรารีที่ต้องใช้) ให้เรียบร้อย

104
00:05:36,064 --> 00:05:40,514
แล้วก็ดาวน์โหลดโมเดลไปไว้ที่ไหนก็ได้ตามต้องการครับ

105
00:05:40,514 --> 00:05:41,611
พูดง่ายๆ

106
00:05:41,611 --> 00:05:45,971
คือดาวน์โหลดทุกอย่างลงในไดเรกทอรีภายในเครื่องครับ

107
00:05:45,971 --> 00:05:49,530
จะเห็นว่าอยู่ใต้โฟลเดอร์ temp/minimax H3

108
00:05:49,530 --> 00:05:53,713
ซึ่งเป็นโมเดลทั้งสามตัวที่พูดถึงก่อนหน้านี้ครับ

109
00:05:53,713 --> 00:05:57,094
จากนั้นก็เปิดใช้งานได้เลย สำคัญมากครับ

110
00:05:57,094 --> 00:06:01,098
ต้องรันบน Cloudflare เพราะเครื่องมืออื่นอย่าง

111
00:06:01,098 --> 00:06:02,611
Gradio หรือ ngrok

112
00:06:02,611 --> 00:06:06,526
นั้นช้ามากสำหรับการใช้งานผ่านเทอร์มินัล ส่วน

113
00:06:06,526 --> 00:06:09,018
Cloudflare นั้นทำงานได้ดีมาก

114
00:06:09,018 --> 00:06:11,598
รันคำสั่งนี้เพื่อสตาร์ท WanGP

115
00:06:11,598 --> 00:06:15,692
ขึ้นที่แบ็กเอนด์ครับ ซึ่งจะรันอยู่บน port 7860

116
00:06:15,692 --> 00:06:18,717
จากนั้นดาวน์โหลด Cloudflare tunnel

117
00:06:18,717 --> 00:06:22,544
แล้วเปิดอุโมงค์ชี้ไปที่ localhost 7860 ครับ

118
00:06:22,544 --> 00:06:24,857
พอทุกอย่างรันเรียบร้อยแล้ว

119
00:06:24,857 --> 00:06:28,417
เราก็จะเห็นอินเทอร์เฟซแบบที่เห็นเมื่อกี้

120
00:06:28,417 --> 00:06:31,976
และแค่ใส่ prompt ก็สร้างวิดีโอได้เลยครับ

121
00:06:31,976 --> 00:06:35,624
ส่วนการใช้งาน SDK ตามที่พูดถึงก่อนหน้านี้

122
00:06:35,624 --> 00:06:39,095
WanGP รองรับการพัฒนาแบบ Python SDK ครับ

123
00:06:39,095 --> 00:06:42,476
ทำได้ประมาณนี้ ก็คือระบุโฟลเดอร์ WanGP

124
00:06:42,476 --> 00:06:46,302
ของคุณก่อน จากนั้นก็ใส่พารามิเตอร์ต่างๆ ของ

125
00:06:46,302 --> 00:06:50,396
WanGP เข้าไป รวมถึง exporter settings ด้วยครับ

126
00:06:50,396 --> 00:06:52,086
ส่วนนี้สำคัญมากครับ

127
00:06:52,086 --> 00:06:56,091
มันคือการตั้งค่าที่ใช้กำหนดโมเดล ตัวอย่างเช่น

128
00:06:56,091 --> 00:06:59,828
เราสามารถดาวน์โหลดโมเดลจาก export settings

129
00:06:59,828 --> 00:07:03,921
ตรงนี้ได้ แล้วส่งออกการตั้งค่านั้นไปยังเครื่อง

130
00:07:03,921 --> 00:07:06,769
local (เครื่องภายใน) แล้วใช้ SDK

131
00:07:06,769 --> 00:07:10,595
อ่านค่าการตั้งค่านั้นมาครับ แค่นั้นแหละครับ

132
00:07:10,595 --> 00:07:13,176
จากนั้นก็ส่งงาน (submit task)

133
00:07:13,176 --> 00:07:17,269
ด้วยการตั้งค่านี้ แล้วก็เริ่มสร้างวิดีโอได้เลย

134
00:07:17,269 --> 00:07:21,006
ดาวน์โหลดผลลัพธ์ได้จากโฟลเดอร์ output ครับ

135
00:07:21,006 --> 00:07:25,011
พอวิดีโอสร้างเสร็จ มันจะอยู่ในโฟลเดอร์ output

136
00:07:25,011 --> 00:07:26,968
และดูได้จาก video path

137
00:07:26,968 --> 00:07:29,994
ซึ่งก็คือชื่อไฟล์วิดีโอนั่นเองครับ

138
00:07:29,994 --> 00:07:33,108
และนี่คือวิธีสร้างวิดีโอ MiniMax H3

139
00:07:33,108 --> 00:07:35,689
ฟรีบนฮาร์ดแวร์ของ Kaggle ครับ

140
00:07:35,689 --> 00:07:38,714
หวังว่าคลิปนี้จะเป็นประโยชน์นะครับ

141
00:07:38,714 --> 00:07:42,185
ถ้าชอบวิดีโอนี้ ช่วยกด subscribe กดไลก์

142
00:07:42,185 --> 00:07:44,409
หรือคอมเมนต์กันด้วยนะครับ

143
00:07:44,409 --> 00:07:46,990
ถ้ามีคำถามอะไรก็ถามได้เลยครับ

144
00:07:46,990 --> 00:07:49,126
ขอบคุณมากที่สนับสนุนช่อง

145
00:07:49,126 --> 00:07:52,240
และแล้วเจอกันใหม่ในวิดีโอหน้านะครับ