Veda-Sparse (ByteDance / HKU)/2026-10
動画生成の最大の負荷であるアテンション計算の約9割を飛ばし、ComfyUI上のMiniMax-H3の生成を約2.9倍に高速化するカスタムノード。MODELにつなぐだけで使える。
動画生成AIは、画面の全部分どうしの関係を計算するため、長い映像ほど時間がかかります。Vedaは、小さな予測モデルで「重要な部分だけ」を先に当て、上位約10%だけ計算して残りを省く手法です。ComfyUIでは、MiniMax-H3のMODELの線にノードを1つ挟むだけで、RTX 5070で全体2.9倍、アテンション部分だけなら7.1倍の高速化が報告されています。長尺ほど効果が大きくなります。広告制作では、試作の生成待ち時間を短くでき、1日に回せる案の数が増えます。ターボLoRAやスタイルLoRA、量子化モデルともそのまま併用できるので、既存のワークフローを壊さずに導入できます。Ctrl+Bで無効化し、同じシードで通常品質と見比べることも簡単です。
仕組み:動画の拡散モデル(ノイズから映像を描き出すAI)は、画面を小さなタイル(ブロック)に区切り、タイル同士の関連度を全部計算します。ここが処理時間の大半を占めます。Vedaは、関連が強いタイルを事前に当てる小さな予測モデル(275MB)を使い、上位約10%だけを計算します。論文(ICML 2026、ByteDanceと香港大学)では、720P生成で5.1倍の高速化と、元の品質と同等の人間評価が報告されています。 従来との違い:ComfyUIにはもともと「Model Sparse Attention」ノードがありますが、これは注意の仕組みを丸ごと置き換えます。Vedaは重みを書き換えず、アテンションの呼び出しだけを上書きする方式です。そのため、LoRA、量子化モデル、先頭・末尾フレーム指定、参照画像の条件づけと共存できます。Vedaが扱えない場面では、自動でモデル本来のアテンションに戻り、ノード上にその旨が表示されます。 使うには:ComfyUI 0.38.0以上が必要です。ComfyUI ManagerでVedaを検索するか、`comfy node install veda-sparse-attention`で入れます。NVIDIAはSM80以降(RTX 30系以降)でTriton、Apple SiliconではMLXが使われます。予測モデルはテンプレートを開くとワンクリックで取得できます。費用はかかりません。MiniMax-H3本体の重みは別途用意が必要です。
ノードはMIT。対象のMiniMax-H3の重みは別途MiniMax H3 Community Licenseに従う。
動画拡散モデル向けの、スパースアテンションによる長尺化・高速化の手法。
アテンション計算を高速・省メモリにする標準的なGPUカーネル。Vedaの比較基準。
MiniMax-H3をApple Silicon向けに移植したMLX実装。