Intercambio de Personajes MiniMax H3 con SAM3 | MDMZ

Intercambio de Personajes MiniMax H3 con SAM3#

El Intercambio de Personajes MiniMax H3 con SAM3 es el flujo de trabajo de MDMZ para ComfyUI que permite reemplazar al intérprete en pantalla en un video con un personaje de referencia mientras se preserva el movimiento de origen, el tiempo, el movimiento de la cámara y, opcionalmente, el fondo original. Utiliza SAM3 para aislar el sujeto y construye una guía de movimiento invertida para que MiniMax H3 siga el movimiento y el encuadre sin copiar la identidad. Los resultados pueden retener detalles del intérprete de origen o alterar partes del fondo, por lo que se debe revisar el clip completo para verificar la identidad, las manos, la ropa y la consistencia de la escena.

El flujo de trabajo utiliza una ruta de prompt gratuita: ejecuta el prompt proporcionado tal cual o pega manualmente un prompt estructurado generado en la aplicación gratuita Gemini para tus propios insumos. El guardado por defecto utiliza el modo Normal, el fondo del video de origen y salida silenciosa. Se incluyen modos opcionales de paso de audio de origen y vista previa Turbo, y el flujo de trabajo ajusta la longitud del clip a un conteo de cuadros compatible con el modelo.

Los ejemplos verificados utilizan la rama de prompt gratuito, el modo Normal a 20 pasos y fondos de video. Las opciones Turbo, de fondo de imagen y de sincronización de labios/audio están incluidas pero no se ejercitaron en estos ejemplos. "Prompt gratuito" se refiere a la ruta de prompt; el uso de GPU de RunComfy se factura por separado.

Modelos clave en el flujo de trabajo de Intercambio de Personajes MiniMax H3 con SAM3 para ComfyUI#

• Modelo base de Referencia a Video MiniMax H3 (Ref2VA/Ref2V). El núcleo de difusión que convierte tu prompt, imágenes de referencia y guía de movimiento en cuadros de video coherentes mientras sigue la cámara y el tiempo. Los archivos del modelo y el lanzamiento están alojados en el repositorio oficial de MiniMax H3. MiniMax H3 en Hugging Face
• MiniMax H3 Video VAE fp16 y Audio VAE fp32. El VAE de video codifica y decodifica cuadros latentes de manera eficiente; el VAE de audio maneja latentes de audio para la ruta con capacidad de audio de H3. Su presencia no garantiza la calidad de sincronización de labios. Incluido en el lanzamiento de MiniMax H3. MiniMax H3 en Hugging Face
• Codificador de texto Qwen3‑VL 32B NVFP4 AWQ. Empaquetado con MiniMax H3 para codificar prompts largos y estructurados y mantener una fuerte alineación de texto a video. Consulta los archivos del modelo MiniMax H3 para el codificador de texto utilizado. MiniMax H3 en Hugging Face
• SAM 3.1 Multiplex. Proporciona una segmentación robusta y promptable para encontrar a la persona a reemplazar y para construir una máscara consistente por cuadro que impulse la guía de movimiento. SAM 3.1 en Hugging Face
• MiniMax H3 Ref2V Turbo LoRA v0.1. Un LoRA opcional que acelera las vistas previas con un bajo conteo de pasos mientras mantiene el aspecto general de H3. Se recomienda usarlo para iteraciones, luego cambiar de nuevo a Normal para los finales. MiniMax H3 LoRAs

Cómo usar el flujo de trabajo de Intercambio de Personajes MiniMax H3 con SAM3 para ComfyUI#

A un alto nivel, proporcionas un clip corto de origen y una sola imagen de personaje. El flujo de trabajo detecta e invierte solo al intérprete para crear una guía de movimiento, combina el prompt proporcionado o pegado con tu configuración de fondo, y luego MiniMax H3 renderiza el intercambio. El audio de origen puede pasar opcionalmente a la salida; la calidad de sincronización de labios no fue verificada en estos ejemplos silenciosos.

1 · ENTRADAS Carga tu clip de movimiento en el cargador de video (#970), que lo convierte a 24 fps, y recorta a la sección que deseas. El ejemplo guardado utiliza 124 cuadros (aproximadamente 5.17 segundos). Agrega la imagen del personaje en el cargador de imágenes (#496). Establece el aspecto de salida y los megapíxeles con el selector de resolución (#501). Usa el prompt proporcionado o pega uno para tus entradas en el grupo 3B, elige una velocidad de renderizado (calidad Normal o vistas previas Turbo), decide si el fondo proviene del video de origen o de la imagen del personaje, y decide si el audio de origen debe pasar para sincronización de labios.

2 · GUÍA DE MOVIMIENTO El detector SAM3 (#503) encuentra el sujeto basado en una etiqueta de texto corta como persona o hombre:1. Usa la vista previa de máscara (#492) para confirmar que el objetivo es blanco sólido. El flujo de trabajo invierte solo al intérprete enmascarado para que H3 lea el movimiento y el encuadre desde los bordes y las sombras en lugar de la identidad. Ajusta el presupuesto de píxeles de la guía de movimiento con la Resolución de Guía de Movimiento (#456) para intercambiar velocidad por precisión. Un interruptor dedicado te permite construir una guía de movimiento que excluye el fondo del video cuando estás haciendo transferencia de movimiento desde una imagen.

3B · PROMPT GRATUITO Ejecuta el prompt proporcionado tal cual, o copia las instrucciones Gemini incluidas del grupo 3 y pide a la aplicación gratuita Gemini que analice tu clip y la imagen del personaje. Usa la misma sección recortada que generarás, luego pega la respuesta en Tu Prompt H3 (#910). El flujo de trabajo limpia automáticamente los encabezados y las vallas de código para que el texto coincida con la estructura esperada de H3.

3C · FONDO DEL VIDEO (reemplazo de personaje) Cuando deseas un intercambio de personajes puro dentro de la escena original, el flujo de trabajo aumenta tu prompt con reglas que piden a H3 que retenga el fondo y la iluminación del clip de origen. Le dice a H3 que preserve la geometría del set, los objetos y el grado, y que reluzca el nuevo personaje para que coincida con la toma. La guía de movimiento incluye al intérprete invertido sobre el cuadro original para que las señales del entorno permanezcan visibles para el modelo.

3C · FONDO DE IMAGEN (transferencia de movimiento) Para la transferencia de movimiento sobre un fondo de referencia fijo, el prompt se reescribe para mantener el entorno y la iluminación de la imagen del personaje y para ignorar la configuración del video de origen. Se eliminan las líneas de encuadre y de iluminación del video en conflicto. La guía de movimiento se recompone sobre un lienzo neutro para que solo se utilicen el movimiento y la ruta de la cámara, reduciendo la influencia del fondo del video de origen; este modo opcional no fue verificado en los ejemplos proporcionados.

3D · TEXTO FINAL → H3 El interruptor de fondo fusiona el conjunto de reglas correcto y muestra el Prompt final enviado a H3 para que puedas verificarlo. Esta cadena exacta se alimenta en la generación.

4 · GENERAR MiniMax H3 Ref → Video (#464) toma el prompt estructurado, la imagen del personaje, los cuadros de la guía de movimiento, el ancho y la altura del selector de resolución, y una longitud auto-validada. El modo Normal guardado utiliza 20 pasos de muestreo. El modo Turbo habilita el Ref2V Turbo LoRA con un bajo conteo de pasos para vistas previas rápidas, además de un desplazamiento sigma ajustado para video y audio; el selector de guía, muestreador y pasos elige la ruta activa. La semilla controla la variación de muestreo; cambiarla puede afectar la identidad, el movimiento y los detalles del fondo. El muestreador personalizado combina ruido, programación y guía con el clip latente.

5 · SALIDA Un nodo de limpieza de VRAM se ejecuta antes de decodificar para reducir la presión de memoria; no garantiza la libertad de errores de memoria. El VAE de video decodifica latentes a cuadros, y Guardar Video escribe el MP4. La salida por defecto es silenciosa; el audio de origen se adjunta solo cuando la ruta de sonido está habilitada y la entrada tiene una pista de audio.

Nodos clave en el flujo de trabajo de Intercambio de Personajes MiniMax H3 con SAM3 para ComfyUI#

MiniMax H3 Ref → Video (#464) El generador principal que vincula tu prompt, imagen de referencia y guía de movimiento. Mantén el prompt estructurado y específico, y proporciona una imagen de referencia fuerte para la identidad. El ancho y la altura provienen del selector de resolución para que la relación de aspecto coincida con tu intención. La longitud es impulsada por el contador de cuadros automático para satisfacer el paso de H3; habilita la ruta de sonido solo para clips con audio, y revisa cualquier sincronización de discurso por separado.

Detectar persona SAM3 (#503) Ejecuta la segmentación SAM 3.1 con una pista de texto corta para que el intérprete correcto sea aislado. Si una escena tiene múltiples personas, agrega un calificador rápido como hombre:1 o mujer de rojo:1. Revisa primero la vista previa de la máscara; si faltan bordes o hay derrame, ajusta el prompt o modifica la configuración del detector. Una máscara limpia es la ruta más rápida para intercambios estables.

Resolución de Guía de Movimiento (#456) Establece el presupuesto total de píxeles utilizado por la guía de movimiento. Los valores más bajos reducen el costo de procesamiento y el detalle de la guía. Los valores más altos retienen más detalle espacial en la guía pero requieren más procesamiento; la mejora en la calidad de salida no está garantizada. Aumenta gradualmente y observa el rendimiento y la estabilidad.

Turbo LoRA (Ref2V) (#950) Habilita una ruta de vista previa rápida que se empareja con un programador de pasos bajos y un desplazamiento sigma ajustado para video y audio. Úsalo para iterar prompts, encuadre y movimiento rápidamente. Para tomas finales, cambia de nuevo a pasos Normales para recuperar la fidelidad completa de MiniMax H3.

Conteo de cuadros válido (auto) (#481) Redondea automáticamente tu clip recortado a un conteo de cuadros amigable para el modelo para que el muestreo se mantenga estable. Las longitudes típicas que la gente usa incluyen 107, 124, 158, 209 y 362 cuadros, que son aproximadamente 4.5 s, 5 s, 6.6 s, 8.7 s y 15 s a 24 fps. Establece tu inicio y final visualmente en el cargador y deja que este nodo maneje el número exacto.

Extras opcionales#

• Verifica primero la máscara; el sujeto debe ser blanco sólido en la vista previa.
• Mantén la tasa de cuadros a 24 fps para un movimiento y sincronización de labios consistentes.
• La ruta de sonido guardada está apagada. Habilítala solo para clips con audio; revisa la sincronización de discurso en lugar de asumir que coincidirá.
• Usa Turbo para vistas previas rápidas, luego cambia a Normal para renders finales.
• Para reemplazo de personaje, elige Fondo del Video; para transferencia de movimiento, elige Fondo de Imagen.
• Si la aplicación gratuita devuelve texto con cercas de código o encabezados extraños, pégalo de todos modos; el flujo de trabajo limpia el formato automáticamente.
• Cambia la semilla para explorar otro resultado, luego revisa de nuevo el movimiento, encuadre, identidad y detalles del fondo.

Agradecimientos#

Este flujo de trabajo implementa y se basa en los siguientes trabajos y recursos. Agradecemos profundamente a MDMZ por el tutorial de flujo de trabajo de Reemplazo de Personajes H3 y la guía de configuración, a Comfy-Org por los modelos MiniMax-H3 para ComfyUI, y al equipo de ComfyUI por la Guía Oficial de Generación de Video MiniMax H3 por sus contribuciones y mantenimiento. Para obtener detalles autorizados, consulta la documentación original y los repositorios vinculados a continuación.

Recursos#

• Tutorial de flujo de trabajo MDMZ/MDMZ
  • Documentos / Notas de lanzamiento: YouTube
• Guía y flujo de trabajo MDMZ/MDMZ
  • Documentos / Notas de lanzamiento: Publicación de Patreon
• Modelos Comfy-Org/MiniMax H3 para ComfyUI
  • Hugging Face: Comfy-Org/MiniMax-H3
• Guía ComfyUI/ComfyUI MiniMax H3
  • GitHub: comfy-org/docs
  • Documentos / Notas de lanzamiento: Documentos de ComfyUI

Nota: El uso de los modelos, conjuntos de datos y código referenciados está sujeto a las respectivas licencias y términos proporcionados por sus autores y mantenedores.