MiniMax H3 Character Swap V1.5 con Audio Original

MiniMax H3 Character Swap V1.5 con Audio Original#

MiniMax H3 Character Swap V1.5 con Audio Original reemplaza a la persona en pantalla en un video fuente con un personaje de referencia mientras mantiene intacta la banda sonora original. El lienzo combina Character Swap V1.5 LoRA de Akatz Labs, enmascaramiento de personas SAM3 y el historial de H3 Relay para llevar la actuación de la fuente a través de múltiples ventanas de generación para apoyar la continuidad de identidad y sincronización.

Este flujo de trabajo de ComfyUI está diseñado para editores, equipos de previsión y creadores que desean intercambios de personajes rápidos y alineados con la fuente sin perder el rendimiento en el audio. Los ejemplos probados incluyen personas realistas, un personaje de anime y un robot. Las formas de la boca, las manos y las uniones de ventanas aún merecen revisión, así que planea verificar puntos críticos en las costuras y articulaciones en el render final. MiniMax H3 Character Swap V1.5 con Audio Original se ejecuta completamente en la familia de modelos de video H3 con controles livianos que puedes ajustar por toma.

Modelos clave en el flujo de trabajo de Comfyui MiniMax H3 Character Swap V1.5 con Audio Original#

• Comfy‑Org MiniMax H3 Ref2VA U‑Net. Columna vertebral de difusión de video principal para la generación condicionada por audio en H3. Convierte el ruido en video coherente mientras respeta la guía de referencia y la máscara de edición. Archivos del modelo
• MiniMax H3 video VAE. Codifica y decodifica latentes de video para H3, de modo que las ventanas se rendericen limpiamente a la resolución elegida. Tarjeta del modelo
• MiniMax H3 audio VAE. Empaqueta y desempaqueta latentes de audio utilizados por H3 para alinear el ritmo del habla y los labios con la pista de origen. Tarjeta del modelo
• Codificador de texto Qwen3‑VL 32B para H3. Interpreta tu indicación y la condicionamiento de referencia para que el personaje de reemplazo y las notas de rendimiento se apliquen de manera consistente. Incluido en el paquete de modelos H3. Archivos
• Akatz Labs Character Swap V1.5 LoRA (h3_character_swap_v1.5.safetensors). Enseña a H3 cómo mapear un sujeto de entrada a la identidad del personaje objetivo mientras preserva la pose y el rendimiento. Repositorio
• MiniMax H3 FL2V Turbo 8‑step LoRA. Un adaptador de programación rápida que acelera el muestreo de H3 con 8 pasos para una generación de video rápida basada en ventanas. Repositorio
• Punto de control multiplex SAM 3.1. Detecta y rastrea a la persona para reemplazar, produciendo máscaras robustas para sujetos en movimiento. Repositorio
• H3 Relay toolkit. Proporciona planificación de ventanas basada en el historial, recuperación/expansión de máscaras, bucles y ensamblaje de ventanas para continuidad en todo el clip. GitHub
• Fuente del flujo de trabajo de referencia. El método de intercambio de personajes y LoRA provienen de Akatz Labs y se adaptan aquí para H3 Relay. GitHub

Cómo usar el flujo de trabajo de Comfyui MiniMax H3 Character Swap V1.5 con Audio Original#

El lienzo sigue un camino simple desde las entradas hasta un video cosido: proporcionas un clip fuente y una referencia de personaje, SAM encuentra y rastrea a la persona para reemplazar, H3 Relay planifica ventanas con transferencia de historial, H3 genera los cuadros editados dentro de la máscara, luego el flujo de trabajo ensambla todo de nuevo con el audio original. Los grupos en el lienzo están organizados para que puedas trabajar de arriba hacia abajo y revisar en puntos de control naturales.

01 · Entradas del usuario#

Sube tu clip en Source video, luego agrega una sola imagen o hoja de personaje en Character reference · Picture 1. H3RelayPrepareSource alinea los cuadros a la cuadrícula del modelo y expone el ancho, la altura, el recuento de cuadros y el audio reales. El nodo emite un lote limpio de cuadros y la banda sonora original que luego se convierte en la guía. Mantén el primer pase simple comenzando con una sola toma continua.

02 · Modelos H3 y LoRA#

H3 Ref2VA · INT8 carga la columna vertebral de difusión MiniMax H3. El codificador de texto, VAE de video y VAE de audio se conectan automáticamente. Dos LoRAs se colocan encima de H3: FL2V Turbo · 8-step para muestreo rápido y Character Swap V1.5 · strength para transferencia de identidad. Este emparejamiento permite que MiniMax H3 Character Swap V1.5 con Audio Original funcione rápidamente mientras preserva el estilo del personaje.

03 · Selección de personas SAM y máscaras#

SAM3_Detect encuentra personas en el primer cuadro basado en la SAM person description. H3RelaySelectMask elige al sujeto, luego SAM3_VideoTrack rastrea esa máscara a lo largo de todo el lote de cuadros. H3RelayRecoverMasks corrige brechas y H3RelayExpandMask expande la región para cubrir el cabello y las manos para que las ediciones de identidad no dejen halos. Una vista previa te ayuda a confirmar que la máscara de persona expandida coincide con el sujeto deseado.

04 · Planificación de ventanas H3 Relay#

H3RelayWindowPlan crea ventanas conscientes de superposición dimensionadas para H3 con una porción más pequeña de historia llevada hacia adelante para continuidad. StartLoop y H3RelayWindowInputs alimentan cuadros, máscaras y el audio por ventana en la generación. Aquí es donde la fuente se divide en partes manejables para llevar contexto entre ventanas sucesivas de una toma continua. Los cortes de escena necesitan revisión separada. MiniMax H3 Character Swap V1.5 con Audio Original utiliza este plan para mantener semillas y rangos deterministas para un pase reproducible.

05 · Condicionamiento y guías de referencia#

MiniMaxH3ReferenceToVideo convierte tu imagen de personaje e indicación de rendimiento en condicionamiento para H3. H3RelayApplyHistory inyecta los cuadros y audio de la ventana anterior como guía suave para la siguiente. H3RelayApplyEditMask mezcla la región editada rastreada con el latente actual para restringir la edición; no garantiza la preservación de fondo idéntico a nivel de píxel. MiniMaxH3AddGuide te permite agregar guía de destino nativa del audio de la ventana para que los labios y expresiones sigan la banda sonora original.

06 · Muestreo y decodificación#

H3RelaySamplingMemory, CFGGuider, KSamplerSelect y SamplerCustomAdvanced ejecutan el ciclo de generación ventana por ventana utilizando el modelo H3 adaptado con LoRA. LTXVSeparateAVLatent y VAEDecode decodifican visuales de regreso a cuadros listos para el ensamblaje. Estas piezas manejan la carga pesada y mantienen la memoria predecible. La mayoría de los usuarios pueden dejarlas como están para un primer pase.

07 · Ensamblaje de H3 Relay y salida#

H3RelayAppendWindow acumula ventanas en orden, recortando superposiciones según sea necesario. H3RelayFinishWindows produce cuadros y vuelve a adjuntar el audio original para que el tiempo y el discurso se mantengan fieles a la fuente. CreateVideo y Save final video escriben el resultado en el disco. Revisa uniones de ventanas, formas de la boca, manos y oclusiones, luego itera si es necesario. MiniMax H3 Character Swap V1.5 con Audio Original está optimizado para ciclos rápidos de revisión en tomas cortas.

Nodos clave en el flujo de trabajo de Comfyui MiniMax H3 Character Swap V1.5 con Audio Original#

• H3RelayWindowPlan Crea el cronograma de generación y el historial de superposición. Los ejemplos probados usan ventanas de 124 cuadros y un historial de 18 cuadros a 24 fps. Cada clip de 12.25 segundos abarca tres ventanas. Inspecciona ambas uniones para cambios locales de apariencia o movimiento; esto no garantiza una continuación sin costuras.
• MiniMaxH3ReferenceToVideo Construye el condicionamiento principal a partir de tu imagen de personaje e indicación en el ancho, altura y longitud por ventana reales. Usa una imagen o hoja auténtica de identidad y di claramente que múltiples vistas representan al mismo personaje. Mantén las instrucciones de rendimiento concisas y ligadas al audio y gestos de la fuente. Si la identidad se desvía, fortalece la descripción de identidad y simplifica los modificadores de estilo.
• H3RelayApplyEditMask Utiliza la máscara rastreada y los cuadros de fuente codificados para restringir la generación. Revisa la cobertura de la máscara alrededor del cabello y las extremidades en movimiento. El gráfico probado no compone el cuerpo generado de nuevo sobre los píxeles de la fuente sin tocar, por lo que los detalles circundantes aún pueden cambiar.
• MiniMaxH3AddGuide Utiliza el audio de la fuente de la ventana actual como guía nativa. Esto apoya el movimiento relacionado con el habla, pero preservar la banda sonora no garantiza una sincronización exacta de los labios. El nodo expuesto en este gráfico no tiene control ajustable de la fuerza de la guía.
• LoraLoaderModelOnly · Character Swap V1.5 Carga el adaptador oficial h3_character_swap_v1.5.safetensors a la fuerza probada de 1.0. Los cambios en la fuerza pueden alterar el resultado, pero no hay una regla verificada de que reducirla mejore el movimiento de la boca o aumentarla bloquee los detalles del vestuario.
• SamplerCustomAdvanced más CFGGuider Ejecuta la receta Turbo probada: 8 pasos, CFG 1, er_sde y programación normal. Comienza con estos valores predeterminados; los cambios en los pasos o la guía necesitan una nueva comparación y no garantizan mejoras de calidad.
• SAM3_Detect y SAM3_VideoTrack Impulsan la detección y el seguimiento de personas para la región de edición. Usa una SAM person description clara para sesgar hacia tu sujeto cuando varias personas son visibles. Si el seguimiento se desliza en oclusiones, ajusta la sensibilidad de detección o vuelve a seleccionar el sujeto antes de rastrear nuevamente. El objetivo es una máscara estable única que siga al intérprete deseado.
• H3RelayFinishWindows Ensambla los cuadros finales y mantiene el modo de audio en source para que la banda sonora original pase. Mantén source seleccionado cuando se requiera retención de audio original. Este nodo es la última puerta de calidad antes de la codificación.

Extras opcionales#

• Elige tomas con iluminación estable y mínimas panorámicas rápidas para tus primeros pases.
• Usa una sola imagen de referencia auténtica de identidad con expresión neutral y línea de cabello visible.
• Mantén el ancho y la altura divisibles por 32 y ajusta la relación de aspecto de la fuente para un uso eficiente de la memoria.
• Para una costura saltarina, prueba otro plan de ventana válido y vuelve a ejecutar la secuencia de ventanas dependiente, porque las ventanas posteriores utilizan el historial anterior.
• Siempre revisa labios, manos, bordes de cabello y uniones de ventanas al 100 por ciento antes de la entrega.

MiniMax H3 Character Swap V1.5 con Audio Original combina sincronización alineada con la fuente, generación de personajes guiada por referencia y controles de historial de ventanas para que puedas iterar rápidamente de prueba a final. Para un contexto más profundo sobre el método y los activos, consulta las referencias de Akatz Labs arriba.

Agradecimientos#

Este flujo de trabajo implementa y se basa en los siguientes trabajos y recursos. Agradecemos profundamente a Akatz Labs por el flujo de trabajo de la Herramienta de Intercambio de Personajes H3, Akatz AI por el MiniMax H3 Character Swap LoRA (v1.5) y H3 Relay, y Comfy-Org por los modelos base de MiniMax H3 por sus contribuciones y mantenimiento. Para obtener detalles autorizados, consulte la documentación original y los repositorios vinculados a continuación.

Recursos#

• Fuente del flujo de trabajo de Akatz Labs
  • 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
• Modelos base de MiniMax H3
  • Hugging Face: Comfy-Org/MiniMax-H3

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