MiniMax H3 Character Swap V1.5 mit Original Audio

MiniMax H3 Character Swap V1.5 mit Original Audio#

MiniMax H3 Character Swap V1.5 mit Original Audio ersetzt die Person auf dem Bildschirm in einem Quellvideo durch eine Referenzfigur, während der Original-Soundtrack intakt bleibt. Die Leinwand kombiniert Akatz Labs' Character Swap V1.5 LoRA, SAM3-Personenmaskierung und H3 Relay-Geschichte, um die Leistung der Quelle über mehrere Generationsfenster hinweg zu tragen und Identitäts- und Timing-Kontinuität zu unterstützen.

Dieser ComfyUI-Workflow ist für Editoren, Previs-Teams und Kreative konzipiert, die schnelle, quellenausgerichtete Charakterwechsel wünschen, ohne die Leistung im Audio zu verlieren. Getestete Beispiele umfassen realistische Menschen, eine Anime-Figur und einen Roboter. Mundformen, Hände und Fensterübergänge verdienen weiterhin eine Überprüfung, planen Sie also, Nähte und Artikulationen im endgültigen Render zu überprüfen. MiniMax H3 Character Swap V1.5 mit Original Audio läuft vollständig auf der H3-Videomodellfamilie mit leichten Steuerungen, die Sie pro Aufnahme anpassen können.

Schlüsselmodelle im Comfyui MiniMax H3 Character Swap V1.5 mit Original Audio Workflow#

• Comfy-Org MiniMax H3 Ref2VA U-Net. Kern-Video-Diffusionsrückgrat für audio-konditionierte Generierung in H3. Es verwandelt Rauschen in kohärentes Video, während es Referenzanleitungen und die Bearbeitungsmaske respektiert. Modelldateien
• MiniMax H3 Video VAE. Kodiert und dekodiert Video-Latents für H3, sodass Fenster sauber in der gewählten Auflösung gerendert werden. Modellkarte
• MiniMax H3 Audio VAE. Packt und entpackt Audio-Latents, die von H3 verwendet werden, um Sprachrhythmus und Lippen mit dem Quelltrack auszurichten. Modellkarte
• Qwen3-VL 32B Text-Encoder für H3. Interpretiert Ihr Prompt und Referenzkonditionierung, sodass der Ersatzcharakter und die Leistungsnotizen konsistent angewendet werden. Im H3-Modellbündel enthalten. Dateien
• Akatz Labs Character Swap V1.5 LoRA (h3_character_swap_v1.5.safetensors). Lehrt H3, wie man ein Eingabemotiv der Zielcharakteridentität zuordnet, während Pose und Leistung erhalten bleiben. Repository
• MiniMax H3 FL2V Turbo 8-Step LoRA. Ein schneller Zeitplanadapter, der H3-Sampling mit 8 Schritten für schnelle, fensterbasierte Videogenerierung beschleunigt. Repository
• SAM 3.1 Multiplex-Checkpoint. Erkennt und verfolgt die Person, die ersetzt werden soll, und erzeugt robuste Masken für bewegte Objekte. Repository
• H3 Relay Toolkit. Bietet geschichtsbasierte Fensterplanung, Maskenwiederherstellung/-erweiterung, Schleifen und Fensterzusammenstellung für Kontinuität über den gesamten Clip hinweg. GitHub
• Referenz-Workflow-Quelle. Die Charakterwechselmethode und LoRA stammen von Akatz Labs und sind hier für H3 Relay angepasst. GitHub

Verwendung des Comfyui MiniMax H3 Character Swap V1.5 mit Original Audio Workflow#

Die Leinwand folgt einem einfachen Pfad von Eingaben zu einem zusammengesetzten Video: Sie stellen einen Quellclip und eine Charakterreferenz bereit, SAM findet und verfolgt die zu ersetzende Person, H3 Relay plant Fenster mit Geschichtsübernahme, H3 generiert die bearbeiteten Frames innerhalb der Maske, dann setzt der Workflow alles mit dem Original-Audio wieder zusammen. Gruppen auf der Leinwand sind so organisiert, dass Sie von oben nach unten arbeiten und an natürlichen Kontrollpunkten überprüfen können.

01 · Benutzereingaben#

Laden Sie Ihren Clip in Source video hoch, fügen Sie dann ein einzelnes Charakterbild oder -blatt in Character reference · Picture 1 hinzu. H3RelayPrepareSource richtet Frames auf das Raster des Modells aus und zeigt tatsächliche Breite, Höhe, Frame-Anzahl und Audio an. Der Knoten gibt eine saubere Charge von Frames und den Original-Soundtrack aus, der später zum Leitfaden wird. Halten Sie den ersten Durchgang einfach, indem Sie mit einer einzigen, kontinuierlichen Aufnahme beginnen.

02 · H3-Modelle und LoRA#

H3 Ref2VA · INT8 lädt das MiniMax H3-Diffusionsrückgrat. Der Text-Encoder, Video VAE und Audio VAE werden automatisch verkabelt. Zwei LoRAs sitzen auf H3: FL2V Turbo · 8-step für schnelles Sampling und Character Swap V1.5 · strength für Identitätsübertragung. Diese Paarung ermöglicht es MiniMax H3 Character Swap V1.5 mit Original Audio schnell zu laufen, während der Charakterstil erhalten bleibt.

03 · SAM-Personenauswahl und Masken#

SAM3_Detect findet Personen im ersten Frame basierend auf der SAM person description. H3RelaySelectMask wählt das Subjekt aus, dann verfolgt SAM3_VideoTrack diese Maske über die gesamte Frame-Charge hinweg. H3RelayRecoverMasks behebt Lücken und H3RelayExpandMask erweitert die Region, um Haare und Hände abzudecken, damit Identitätsbearbeitungen keine Halos hinterlassen. Eine Vorschau hilft Ihnen zu bestätigen, dass die erweiterte Personenmaske dem beabsichtigten Subjekt entspricht.

04 · H3 Relay Fensterplanung#

H3RelayWindowPlan erstellt überlappungsbewusste Fenster, die für H3 dimensioniert sind, mit einem kleineren Abschnitt der Geschichte, der zur Kontinuität weitergetragen wird. StartLoop und H3RelayWindowInputs speisen Frames, Masken und das pro Fenster Audio in die Generierung ein. Hier wird die Quelle in handhabbare Stücke unterteilt, um Kontext zwischen aufeinanderfolgenden Fenstern einer kontinuierlichen Aufnahme zu erhalten. Szenenschnitte benötigen eine separate Überprüfung. MiniMax H3 Character Swap V1.5 mit Original Audio verwendet diesen Plan, um Samen und Bereiche für eine reproduzierbare Passage deterministisch zu halten.

05 · Referenzkonditionierung und Leitfäden#

MiniMaxH3ReferenceToVideo verwandelt Ihr Charakterbild und Leistungs-Prompt in Konditionierung für H3. H3RelayApplyHistory injiziert die Frames und das Audio des vorherigen Fensters als weiche Anleitung für das nächste. H3RelayApplyEditMask mischt die verfolgte Bearbeitungsregion mit dem aktuellen Latent, um die Bearbeitung einzuschränken; es garantiert keine pixelidentische Hintergrundbewahrung. MiniMaxH3AddGuide ermöglicht es Ihnen, native Zielanleitungen aus dem Audio des Fensters hinzuzufügen, damit Lippen und Ausdrücke dem Original-Soundtrack folgen.

06 · Sampling und Decodierung#

H3RelaySamplingMemory, CFGGuider, KSamplerSelect und SamplerCustomAdvanced führen die Generierungsschleife Fenster für Fenster mit dem LoRA-angepassten H3-Modell aus. LTXVSeparateAVLatent und VAEDecode dekodieren visuelle Inhalte zurück zu Frames, die zur Montage bereit sind. Diese Teile erledigen die Schwerstarbeit und halten den Speicher vorhersehbar. Die meisten Benutzer können sie für einen ersten Durchgang so belassen, wie sie sind.

07 · H3 Relay Montage und Ausgabe#

H3RelayAppendWindow sammelt Fenster in der richtigen Reihenfolge und schneidet Überlappungen bei Bedarf ab. H3RelayFinishWindows gibt Frames aus und fügt das Original-Audio wieder an, sodass Timing und Sprache der Quelle treu bleiben. CreateVideo und Save final video schreiben das Ergebnis auf die Festplatte. Überprüfen Sie Fensterübergänge, Mundformen, Hände und Verdeckungen, dann iterieren Sie bei Bedarf. MiniMax H3 Character Swap V1.5 mit Original Audio ist für schnelle Überprüfungszyklen bei kurzen Aufnahmen optimiert.

Schlüssel-Knoten im Comfyui MiniMax H3 Character Swap V1.5 mit Original Audio Workflow#

• H3RelayWindowPlan Erstellt den Generierungszeitplan und die Überlappungsgeschichte. Die getesteten Beispiele verwenden 124-Frame-Fenster und 18-Frame-Geschichte bei 24 fps. Jeder 12,25-Sekunden-Clip erstreckt sich über drei Fenster. Überprüfen Sie beide Verbindungen auf lokale Erscheinungs- oder Bewegungsänderungen; dies garantiert keine nahtlose Fortsetzung.
• MiniMaxH3ReferenceToVideo Baut die Hauptkonditionierung aus Ihrem Charakterbild und Prompt bei der tatsächlichen Breite, Höhe und Fensterlänge auf. Verwenden Sie ein identitätstreues Bild oder Blatt und sagen Sie klar, dass mehrere Ansichten denselben Charakter darstellen. Halten Sie Leistungsanweisungen prägnant und an den Quellton und Gesten gebunden. Wenn die Identität abdriftet, verstärken Sie die Identitätsbeschreibung und vereinfachen Sie Stilmodifikatoren.
• H3RelayApplyEditMask Verwendet die verfolgte Maske und kodierte Quellframes, um die Generierung einzuschränken. Überprüfen Sie die Maskenabdeckung um Haare und bewegte Gliedmaßen. Das getestete Diagramm setzt den generierten Körper nicht wieder auf unveränderte Quellpixel zusammen, sodass umliegende Details sich noch ändern können.
• MiniMaxH3AddGuide Verwendet den Quellton des aktuellen Fensters als native Anleitung. Dies unterstützt sprachbezogene Bewegungen, aber die Beibehaltung des Soundtracks garantiert keine exakte Lippen-Synchronisation. Der in diesem Diagramm freigelegte Knoten hat keine einstellbare Leitstärke-Kontrolle.
• LoraLoaderModelOnly · Character Swap V1.5 Lädt den offiziellen h3_character_swap_v1.5.safetensors Adapter bei der getesteten Stärke von 1,0. Änderungen an der Stärke können das Ergebnis beeinflussen, aber es gibt keine verifizierte Regel, dass eine Reduzierung die Mundbewegung verbessert oder eine Erhöhung die Kostümdetails fixiert.
• SamplerCustomAdvanced plus CFGGuider Führt das getestete Turbo-Rezept aus: 8 Schritte, CFG 1, er_sde, und normal-Planung. Beginnen Sie mit diesen Standardeinstellungen; Änderungen an Schritten oder Anleitungen erfordern einen neuen Vergleich und sind keine garantierten Qualitätsverbesserungen.
• SAM3_Detect und SAM3_VideoTrack Treiben die Personenerkennung und -verfolgung für den Bearbeitungsbereich an. Verwenden Sie eine klare SAM person description, um eine Tendenz zu Ihrem Subjekt zu erzeugen, wenn mehrere Personen sichtbar sind. Wenn die Verfolgung bei Verdeckungen ausrutscht, passen Sie die Erkennungsempfindlichkeit an oder wählen Sie das Subjekt vor der erneuten Verfolgung erneut aus. Das Ziel ist eine einzelne stabile Maske, die dem beabsichtigten Darsteller folgt.
• H3RelayFinishWindows Setzt die endgültigen Frames zusammen und hält den Audio-Modus auf source, sodass der Original-Soundtrack durchläuft. Halten Sie source ausgewählt, wenn die Beibehaltung des Originaltons erforderlich ist. Dieser Knoten ist das letzte Qualitätskontrolltor vor der Kodierung.

Optionale Extras#

• Wählen Sie Aufnahmen mit stabilem Licht und minimalen schnellen Schwenks für Ihre ersten Durchgänge.
• Verwenden Sie ein einzelnes, identitätstreues Referenzbild mit neutralem Ausdruck und sichtbarer Haarlinie.
• Halten Sie Breite und Höhe durch 32 teilbar und stimmen Sie das Quellseitenverhältnis für effiziente Speichernutzung ab.
• Bei einer unruhigen Naht testen Sie einen anderen gültigen Fensterplan und führen Sie die abhängige Fenstersequenz erneut aus, da spätere Fenster frühere Geschichte verwenden.
• Überprüfen Sie immer Lippen, Hände, Haaransätze und Fensterübergänge zu 100 Prozent vor der Lieferung.

MiniMax H3 Character Swap V1.5 mit Original Audio kombiniert quellenausgerichtetes Timing, referenzgeführte Charaktergenerierung und Fenster-Geschichtskontrollen, sodass Sie schnell von Test zu Endergebnis iterieren können. Für tiefere Kontextinformationen zur Methode und den Ressourcen siehe die oben genannten Akatz Labs-Referenzen.

Danksagungen#

Dieser Workflow implementiert und baut auf den folgenden Arbeiten und Ressourcen auf. Wir danken Akatz Labs für den H3 Character Swap Tool-Workflow, Akatz AI für den MiniMax H3 Character Swap LoRA (v1.5) und H3 Relay, sowie Comfy-Org für die MiniMax H3 Basismodelle für ihre Beiträge und Pflege. Für autoritative Details verweisen wir auf die Originaldokumentation und die unten verlinkten Repositories.

Ressourcen#

• Akatz Labs Workflow-Quelle
  • GitHub: akatz-labs/h3-character-swap-tool
• Character Swap V1.5 LoRA
  • Hugging Face: akatz-ai/MiniMax-H3-Character-Swap-LoRA
• H3 Relay
  • GitHub: akatz-ai/h3-relay
• MiniMax H3 Basismodelle
  • Hugging Face: Comfy-Org/MiniMax-H3

Hinweis: Die Nutzung der referenzierten Modelle, Datensätze und Codes unterliegt den jeweiligen Lizenzen und Bedingungen, die von ihren Autoren und Betreuern bereitgestellt werden.