Шторм і блискавки на власному ноутбуці. Що може локальна генерація відео з ШІ
Можна щодня читати про штучний інтелект, але так жодного разу не запустити модель на власному комп’ютері. Попри постійні дискусії навколо цієї теми в IT, я особисто досі не стикався з локальними ШІ на практиці. Нагода глибше зануритися в це питання з’явилася разом з тестовим ноутбуком Acer Predator Helios Neo 16 AI, на борту якого стоїть відеокарта NVIDIA GeForce RTX 5080 Laptop GPU. Потрібно було тільки вирішити, яке саме завдання доручити цій продуктивній мобільній станції : перевірити можливості агентного ШІ, згенерувати зображення чи взятися за відео.
Я обрав відео. По-перше, хотілося створити короткий атмосферний ролик. По-друге — пройти весь шлях від встановлення моделі до генерації фінальної сцени. Після кількох експериментів я зупинився на штормовому морі з невеличким фантастичним твістом. В результаті вийшов ролик, повністю згенерований та оброблений на самому ноутбуці. Про все це детальніше — нижче.
Дисклеймер. Спецпроєкт створено у співпраці з NVIDIA та Brain. Ноутбук для тестування надала компанія Acer.
Про локальний ШІ та використані інструменти
Локальний ШІ — це коли нейромережа працює на вашому комп’ютері, а не на серверах сервісу. Промпти, початкові зображення й результати залишаються на пристрої. Немає черг і не потрібно витрачати кредити на кожну спробу. Інтернет потрібен тільки для завантаження програми, моделей і додаткових компонентів. Після налаштування весь робочий пайплайн (генерація відео, з’єднання сцен і покращення готового матеріалу за допомогою технологій NVIDIA RTX Video) був автономним, без підключення до мережі.
Ціна питання — потужне залізо, оскільки всі обчислення бере на себе відеокарта. А також здатність системи охолодження стабільно тримати пікові ліміти TGP без перегріву (у нашому Predator Helios Neo 16 AI за це відповідають фірмові вентилятори AeroBlade 3D
Конкретно ця відеокарта побудована на архітектурі Blackwell і має Tensor Cores п’ятого покоління — спеціалізовані обчислювальні блоки для роботи нейромереж. Вони підтримують FP4 (чотирибітний формат чисел із рухомою комою), який допомагає сумісним моделям використовувати менше пам’яті та швидше виконувати обчислення.
Решта конфігурації: Intel Core Ultra 9 290HX Plus та 64 ГБ оперативної пам’яті. Великий обсяг RAM не був зайвим: обрана мною модель не вміщувалася повністю в 16 ГБ відеопам’яті, частина її даних зберігалася в ОЗУ, а на відеокарту підвантажувалася за потреби. Таке поєднання дозволило працювати на ноутбуці з моделлю, більшою за доступну VRAM.
Для генерації я використав ComfyUI. Це програма, в якій можна побудувати повний цикл роботи: від введення промпту й додавання початкового зображення до збереження готового відео. Контент створюють підключені моделі, а ComfyUI поєднує їх з інструментами обробки в єдиний ланцюг. Це такий собі набір блоків: один завантажує модель, інший передає текстовий опис, наступні — відповідають за рендеринг і збереження результату. Все це ідеально пасувало моєму задуму — хотілося створити кілька сцен, безшовно склеїти їх і вже потім покращити фінальний ролик.
Моделлю для мого експерименту стала LTX-2.3 від Lightricks. Однією з головних її переваг є можливість використовувати кадри попереднього фрагмента як основу для наступного. До того ж LTX-2.3 у форматі NVFP4 оптимізована під апаратний потенціал NVIDIA GeForce RTX 5080 Laptop GPU. Це суттєво зменшує обсяг пам’яті для зберігання ваг моделі та задіює апаратне прискорення FP4 у Tensor Cores. Для моделі на 22 мільярди параметрів це може стати вирішальним фактором — у синергії із підвантаженням даних з ОЗУ вона дає змогу стабільно генерувати відео безпосередньо на лептопі.
Від «Кипарисів» Ван Гога до фантастичного шторму. Генерація задуманого
Перш ніж братися за власний сюжет, я вирішив розібратися, як загалом працює генерація в ComfyUI. Для короткого тесту обрав картину «Пшеничне поле з кипарисами» Вінсента ван Гога. Тут готове зображення дозволяло зосередитися на анімації, не витрачаючи час на створення початкової сцени.
Після завантаження картини, як референсу, я описав бажаний рух й запустив генерацію. Так пройшов базовий цикл: підготувати матеріал, задати параметри, отримати ролик, переглянути його та скоригувати запит. Картина почала рухатися, але з’явилося те, чого я не планував: камера постійно рухалася, а густі мазки нідерландського майстра змінювалися кожного кадру. Спроба зафіксувати перший та останній кадри зупинила наїзд, але разом з нею майже прибрала і анімацію.
Втім, для знайомства з інструментом мені цього було вже достатньо. Я зрозумів, як запускати генерацію та міняти її налаштування. Головне було засвоїти, що навіть простий на вигляд задум потребує кількох ітерацій. Після цього настав час переходити до власної сцени.
Для основного відео, як вже зазначалося вище, я обрав шторм у відкритому морі. Вода, хмари й спалахи світла в LTX-2.3 виходили переконливішими, ніж фактура живопису або предмети з чіткими контурами. Тим більше що від першої генерації шторму я отримав вдалу основу для подальшої роботи. Лишалося додати до природної сцени фантастичну деталь.
Задум складався з трьох частин. Спочатку під хвилями з’являється фіолетове світло й поступово наближається до глядача. Далі з води піднімається стовп біло-фіолетової енергії, здіймаючи бризки навколо. В останній третині блискавки б’ють навколо цього стовпа. Тут мені хотілося за десять секунд створити тривожне очікування й завершити сцену яскравою кульмінацією.
Збирати таку послідовність довелося поступово. Після першої вдалої генерації шторму я отримав початковий кадр, який визначав, як виглядатимуть поверхня води, освітлення та яким буде ракурс. Вже на його основі з’явився фрагмент із підводним світінням. Тут довелося попрацювати над промптом: модель не одразу зрозуміла, що від неї вимагають, і вперто розміщувала сяйво над водою чи постійно змінювала положення камери. В результаті спрацював опис того, що має бачити глядач: розмиту пляму світла під штормовими хвилями.
Ще одним викликом стало продовження сцени так, щоб море не завмирало перед появою стовпа енергії. При передачі моделі лише одного кадру із попередньої частини на стику двох відео виникала пауза в русі. Для продовження довелося використати останні 17 кадрів попереднього фрагмента. Це допомогло не лише підтягнути зображення сцени, але й налагодити послідовність рухів. Так само я додав фінал із блискавками навколо.
Після вибору вдалих варіантів і з’єднання трьох частин я отримав десятисекундний ролик у роздільності 1280×704 та з частотою 25 кадрів/с. Але для себе я хотів більшого. Тому наступним кроком вирішив підвищити роздільність і плавність за допомогою RTX Video.
Для готового відео я вирішив використати RTX Video безпосередньо в ComfyUI. Тому додав до схеми два інструменти: RTX Video Super Resolution, який підвищує роздільність та RTX Video Frame Generation, що збільшує частоту кадрів. Обидва входять до розширення ComfyUI NVIDIA VFX Nodes, створеного Comfy-Org спільно з NVIDIA, і обидва використовують можливості RTX-відеокарт. В цьому випадку після генерації сцени GeForce RTX 5080 працювала вже над обробкою готового відео.
Спочатку ролик проходив через Super Resolution із масштабом х2 та режимом якості ULTRA. Роздільність зросла з 1280×704 до 2560×1408 (вдвічі за кожною стороною, або ж вчетверо за кількістю пікселів). Для такого збільшення Super Resolution використовує штучний інтелект, який також допомагає зменшувати артефакти стиснення.
Наступним етапом стала робота з RTX Video Frame Generation. Тут тежу був множник 2 та режим HIGH. Це давало проміжні кадри між вже наявними і можливість зберегти відео з частотою 50 кадрів/с замість початкових 25. Водночас ролик зберігав темп і тривалість, але в ньому було більше проміжних фаз руху хвиль і камери. Весь цей завершальний етап — підвищення роздільності, створення проміжних кадрів і збереження файлу — зайняв приблизно 52 секунди. Використання відеопам’яті під час цієї обробки не перевищувало 3 ГБ і було помітно менше, ніж під час генерації самої сцени.
GeForce RTX 50 проти процесора. Очевидна перевага
Коли я шукав різні варіанти стовпа енергії та блискавок, повторна генерація кількасекундного фрагменту на GeForce RTX 5080 Laptop GPU займала
Мені вдалося провести це порівняння на ноутбуці з доволі потужним процесором — Intel Core Ultra 9 290HX Plus на 24 ядра та максимальною частотою до 5,5 ГГц. Якщо й ви хочете спробувати провести такий експеримент і розібратися з локальною генерацією відео, підібрати ноутбук або ПК з NVIDIA GeForce RTX 50 Series можна у Brain. Мережа має понад 25 років досвіду на українському ринку електроніки та понад 70 фізичних магазинів у різних регіонах країни, на додаток до інтернет-магазину. Фахівці Brain допоможуть обрати готовий комп’ютер або зібрати конфігурацію під ваші завдання та бюджет.
Конкретно мій сетап дозволяв перевірити, наскільки відрізнятиметься час генерації на RTX навіть у порівнянні з продуктивним сучасним процесором. Для цього окремого тесту я обрав сцену з підводним світінням, скоротивши її до 49 кадрів у роздільній здатності 512×288. Людською мовою, приблизно дві секунди відео зі звуком. Початкове зображення, промпт, модель LTX-2.3 у NVFP4, додатковий модуль LoRA та вісім кроків генерації я залишив без змін.
Щоб поміряти весь цикл із підготовкою моделей до роботи я перед кожним прогоном перезапускав ComfyUI. Під час тесту процесора відкривав програму з параметром —cpu. При цьому час виконання брав з журналів ComfyUI і паралельно записував завантаження GPU, CPU та використання пам’яті. Головний висновок: на GeForce RTX 5080 Laptop GPU весь цикл зайняв 50,8 секунди, тоді як на Intel Core Ultra 9 290HX Plus — 22 хвилини 19 секунд. Відеокарта дала у 26 разів швидший результат.
| Етап | GeForce RTX 5080 Laptop GPU | Intel Core Ultra 9 290HX Plus |
|---|---|---|
| Обробка текстового опису моделлю Gemma 3 12B | ≈8 с | 1 хв 44 с |
| Підготовка відеомоделі до роботи | Менш як 1 с | 7 хв 13 с |
| Генерація: вісім кроків моделі | ≈36 с | 12 хв 50 с |
| Перетворення результату моделі на кадри та звук | ≈26 с | |
| Увесь цикл із холодного старту | 50,8 с | 22 хв 19 с |
Важливий нюанс — помітна різниця виникла ще до генерації. На CPU підготовка відеомоделі тривала понад сім хвилин, а її завантажений обсяг в оперативній пам’яті становив приблизно 24 ГБ. На GPU цей же етап займав менше секунди. Обробка текстового опису відбувалася приблизно у 13 разів швидше.
Під час повторного запуску на GPU весь цикл скоротився до 21,6 секунди. Моделі вже були в пам’яті, а результат обробки незмінного текстового опису використовувався з кешу. Всі вісім кроків генерації займали близько 20 секунд проти 770 секунд у CPU-тесті. Водночас телеметрія показувала, що під час CPU-тесту процесор був завантажений приблизно на 99%, а використання оперативної пам’яті сягало 62,7 ГБ із 64. Відеокарта в цей час простоювала.
У GPU-тесті вже її завантаження доходило до 99%, а використання відеопам’яті становило близько 15 ГБ.
Тут розкрилася головна практична перевага RTX — можливість перебирати варіанти. Понад 22 хвилини очікування навіть на коротку спробу суттєво сповільнюють роботу над сценою. Але коли ти отримуєш наступний результат за лічені секунди, то можна послідовно уточнювати освітлення, рух камери чи характер блискавок.
До цього експерименту я жодного разу не запускав локальні моделі. Однак мінімальними зусиллями отримав гарний ролик у роздільності 2560×1408 та з частотою 50 кадрів/с. При цьому все, від першої генерації до фінальної обробки, було зроблено на ноутбуці Acer Predator Helios Neo 16 AI. На ньому вдалося зібрати весь процес: описати сцену, відібрати вдалі фрагменти, з’єднати їх і пропустити результат через RTX Video.
Тут швидкість RTX 50 Series мала критичну роль. Повторні генерації чотирисекундних фрагментів займали трохи більше хвилини, тож можна було змінювати задум і одразу перевіряти його на практиці. Підтримка NVFP4 разом із підвантаженням даних з ОЗУ дозволила працювати з більшою моделлю. На знайомство з програмою, налаштування та всі експерименти пішло загалом менше 12 годин.
За цей час я зрозумів, як керувати генерацією та описувати потрібний ефект і куди зберігати рух між фрагментами. Важливо, що такий підхід вбачається корисним не тільки для атмосферних заставок, відеовставок, стримерських перебивок чи перевірки творчих задумів. Застосування може бути куди ширшим і саме цей досвід показав, як почати без попереднього знайомства з локальним ШІ. Головне — виділити деякий час на освоєння інструментів і обрати надійну апаратну базу. Для 3D-художників, моушн-дизайнерів та ентузіастів генеративного ШІ такий лептоп, як Acer Predator Helios Neo 16 AI, виступає повноцінною альтернативою масивному настільному ПК — поєднуючи мобільність, колосальну обчислювальну потужність GeForce RTX
