MiniMax H3 Scènes d'Action | Vidéo d'Action Guidée

MiniMax H3 Scènes d'Action : Générateur de vidéos d'action guidées par référence avec audio natif#

MiniMax H3 Scènes d'Action est un workflow ComfyUI pour créer des vidéos d'action étroitement dirigées, guidées par référence avec audio natif synchronisé. Vous fournissez deux images de personnages, une référence de scène et une invite structurée. Le workflow met en scène le mouvement avec MiniMax H3 Turbo, puis affine la composition et la lisibilité des combats avec LMS et Combat LoRAs tout en préservant l'audio original. Les sorties incluent une vidéo “base” rapide de premier passage et une vidéo “raffinée” de haute fidélité.

Ce workflow Comfyui MiniMax H3 Scènes d'Action est conçu pour la prévisualisation, la conception de cascades et de combats, les cinématiques de jeux et VFX, et les courts clips sociaux. Les exemples testés incluent des combats à l'épée dans un château, du travail aux mitaines dans une salle de boxe, et un exercice de bâton dans un vaisseau spatial. Gardez l'identité des personnages et la chorégraphie explicites dans l'invite, et passez en revue les contacts rapides main ou arme pour d'éventuels artefacts.

Modèles clés dans le workflow Comfyui MiniMax H3 Scènes d'Action#

• Comfy‑Org MiniMax H3 suite de base. Fournit l'encodeur de texte ainsi que les VAEs vidéo et audio utilisés pour construire, séparer et décoder le latent audio‑vidéo conjoint. Voir les modèles et LoRAs dans la collection officielle. MiniMax‑H3 modèles
• Minimax‑h3 Singularity (UNet). Sert de générateur de base ref‑to‑video qui fusionne les références et l'invite en un latent audio‑vidéo pour les scènes d'action. Minimax‑h3_Singularity
• MiniMax‑H3 Turbo LoRA. Accélère le premier passage pour que vous puissiez itérer rapidement sur les battements de mouvement avant le raffinement. Inclus dans la collection officielle MiniMax H3. MiniMax‑H3 LoRAs
• MiniMax‑H3 LMS LoRA. Ajoute une mise en page, des matériaux et une netteté structurelle adaptés aux sorties de style action en direct ; utilisé lors du deuxième passage. LMS LoRA r64
• H3 Combat LoRA. Améliore la clarté des silhouettes de combat, les contacts de lame, et le travail des pieds ancrés dans les scénarios d'action. Inclus dans la collection MiniMax H3. MiniMax‑H3 modèles
• H3 Latent Upscaler LMS. Un upscaler 3D temporel qui agrandit le latent vidéo entre les passages tout en maintenant la continuité du mouvement. Comfyui Minimax H3 Latent Upscaler

Comment utiliser le workflow Comfyui MiniMax H3 Scènes d'Action#

Le pipeline fonctionne en deux passages coordonnés. Le passage 1 établit le mouvement et le timing avec Turbo pour la rapidité. Le latent vidéo est ensuite agrandi et affiné dans le passage 2 avec LMS et Combat LoRAs tout en conservant l'audio natif. Vous recevez à la fois un aperçu “base” rapide et une exportation “raffinée” polie.

Paramètres#

Utilisez le groupe Paramètres pour choisir le ratio d'aspect, la résolution de travail, la durée du clip et la fréquence d'images. Le contrôle de la durée convertit les secondes en un nombre d'images qui s'aligne avec le découpage de l'échantillonneur, ce qui aide à la stabilité. Commencez plus bas pour des aperçus rapides, puis augmentez une fois que le cadrage et les battements semblent corrects. Des résolutions plus élevées et des clips plus longs augmentent la VRAM et le temps de rendu.

Références#

Chargez trois références : une image par personnage et une image qui définit l'environnement. Les images de personnages agissent comme guides d'identité et de costume, pas comme arrière-plans, alors choisissez des portraits propres avec des visages lisibles et des éléments clés de la garde-robe. La référence de scène définit l'éclairage, la palette et l'architecture ; choisissez une vue qui correspond à la hauteur de caméra souhaitée. Vous pouvez échanger librement les références pour explorer différentes correspondances et lieux.

Conditions#

Le nœud MiniMaxH3ReferenceToVideo (#56) fusionne l'invite structurée avec les références et les encodeurs MiniMax H3 pour produire un latent audio‑vidéo conjoint et un conditionnement positif. L'invite fonctionne mieux lorsqu'elle est divisée en sections étiquetées telles que subject_definitions, summary, retention_analysis, detailed_description, overall_soundscape, et non_diegetic_music. Soyez explicite sur le nombre de combattants, d'armes, de mouvements de caméra, et le nombre exact de contacts nets. Évitez les personnages supplémentaires, les téléportations, les mouvements surhumains ou les effets si vous voulez des résultats ancrés.

LoRAs#

Les LoRAs sont appliqués en deux étapes. Turbo est injecté pour le premier passage pour accélérer l'exploration du mouvement sans sacrifier la rétention d'identité. Le LMS LoRA passe par une correction de compatibilité AdaLN, puis Combat est appliqué pour que le raffineur mette l'accent sur des silhouettes lisibles et des échanges frappe-parade. Vous pouvez ajuster les forces des LoRAs pour équilibrer le réalisme par rapport à la stylisation pour votre genre.

Patchs#

Ce groupe configure la performance et le façonnement du calendrier. PathchSageAttentionKJ (#199) optimise l'attention pour la mémoire et la vitesse afin que les scènes à fort mouvement restent réactives. MiniMaxH3SigmaShift (#297) aligne les calendriers sigma vidéo et audio, améliorant le timing des lèvres et des effets sonores par rapport au mouvement. Utilisez-les lorsque vous voyez une dérive de timing ou une petite instabilité d'identité.

1er Échantillonnage#

Le premier passage initialise le bruit, établit un calendrier compact, et échantillonne avec SamplerCustomAdvanced (#238) guidé par votre conditionnement positif. La sortie est enregistrée comme un latent de base et peut être décodée en une vidéo d'aperçu rapide avec audio natif pour une révision rapide. C'est à ce passage que vous jugez le blocage, le déplacement de la caméra, et le rythme des coups. Si la carte des battements est incorrecte, révisez l'invite et les références ici avant de raffiner.

2nd Échantillonnage + Raffineur#

Avant le raffinement, l'audio et la vidéo sont séparés du premier passage, le latent vidéo est agrandi avec MinimaxH3LatentUpscaler3D (#124), et le latent audio est conservé intact. Le raffineur échantillonne ensuite avec des sigmas à faible bruit utilisant LMS et Combat LoRAs pour ajouter des détails matériels, une fidélité des bords, et une lisibilité des combats. Enfin, les images et l'audio préservé sont décodés et combinés dans l'exportation raffinée. Attendez-vous à des bords plus nets, des mains et lames plus propres, et une identité plus stable par rapport au passage de base.

Nœuds clés dans le workflow Comfyui MiniMax H3 Scènes d'Action#

MiniMaxH3ReferenceToVideo (#56)#

Construit un latent audio‑vidéo synchronisé à partir de votre invite structurée et des images de référence en utilisant l'encodeur de texte MiniMax H3 et les VAEs. Ajustez l'invite, la largeur, la hauteur, et la longueur pour contrôler le contenu, le cadrage, et la durée. Pour de meilleurs résultats, gardez les définitions de sujet et les contraintes de scène non ambiguës. Référence : Comfy‑Org MiniMax‑H3.

MinimaxH3LatentUpscaler3D (#124)#

Upscaler latent 3D temporellement cohérent qui agrandit le latent vidéo entre les passages avant le raffinement. Augmentez mode.scale modestement pour gagner en détail sans déstabiliser le mouvement. Utile lorsque vous aimez le timing du passage 1 mais que vous voulez des bords et des textures plus nets. Référence : Comfyui Minimax H3 Latent Upscaler.

MiniMaxH3SigmaShift (#297)#

Décale les calendriers sigma audio et vidéo utilisés par MiniMax H3 pour que le mouvement, les indices labiaux, et les effets sonores restent alignés. Ajuster shift_video et shift_audio peut réduire la dérive de timing dans les dialogues ou les impacts. Laissez de petits décalages à moins que vous ne remarquiez une désynchronisation à l'entrée ou à la sortie. Référence : MiniMax‑H3 collection.

VHS_VideoCombine (#264)#

Combine les images décodées et l'audio dans le MP4 final avec votre taux d'images et vos paramètres de qualité choisis. Activez l'enregistrement des métadonnées pour conserver les détails de provenance et de workflow dans les exportations. Utilisez trim_to_audio lorsque votre vidéo raffinée s'étend au-delà de l'audio préservé. Référence : ComfyUI‑VideoHelperSuite.

PathchSageAttentionKJ (#199)#

Optimisation de l'attention qui peut améliorer le débit et la stabilité pour les scènes à haute précision et les résolutions plus grandes. Gardez-le activé pour les prises plus longues ou les environnements complexes. Si vous rencontrez des régressions de performance sur des clips plus petits, essayez son mode automatique. Référence : ComfyUI‑KJNodes.

Extras optionnels#

• Modèle d'invite. Utilisez le format sectionné fourni et rédigez une carte des battements pour l'action. Spécifiez le nombre exact de combattants et d'armes, le mouvement de la caméra, et le nombre et le timing des contacts lisibles.
• Curation des références. Choisissez des photos d'identité avec des visages clairs et une garde-robe, et une image de lieu qui correspond à la perspective et à l'éclairage souhaités. Évitez les arrière-plans chargés sur les références de personnages pour réduire les conflits.
• Passage de révision. Regardez la vidéo de base pour valider le blocage et le timing avant de raffiner. Si les contacts semblent flous, augmentez la clarté dans l'invite et réduisez la vitesse frénétique des mains ou des lames.
• Problèmes typiques et solutions. Les contacts rapides main ou arme peuvent causer de petites distorsions ; simplifiez la chorégraphie autour des impacts, raccourcissez l'échange, ou augmentez la distance de la caméra pour aider le modèle à rendre le moment proprement.
• Livrables. Le workflow écrit un aperçu de base rapide et une exportation raffinée pour que vous puissiez comparer le mouvement par rapport à l'apparence finale. Utilisez le clip raffiné pour le partage une fois que les identités, l'environnement, et les battements répondent à votre objectif.

Avec MiniMax H3 Scènes d'Action, vous pouvez transformer deux images de personnages, une référence de scène, et un brief précis en clips d'action ancrés, fidèles aux références, avec audio natif synchronisé, prêts pour l'éditorial, la prévisualisation, ou la publication.

Remerciements#

Ce workflow implémente et s'appuie sur les travaux et ressources suivants. Nous remercions chaleureusement Innovate Futures @ Benji pour les conseils sur le workflow AI Video MiniMax H3 ComfyUI, WarmBloodAban pour Minimax-h3_Singularity, et Comfy-Org et RunningHubAI pour les modèles de base MiniMax-H3 et LMS LoRA pour leurs contributions et leur maintenance. Pour des détails autorisés, veuillez vous référer à la documentation originale et aux référentiels liés ci-dessous.

Ressources#

• Innovate Futures @ Benji/AI Video MiniMax H3 (source du workflow)
  • Docs / Notes de version : AI Video Minimax H3 Action Scenes Update — New Sampling Settings in ComfyUI
• WarmBloodAban/Minimax-h3_Singularity
  • Hugging Face : WarmBloodAban/Minimax-h3_Singularity
• Comfy-Org/MiniMax-H3
  • GitHub : Comfy-Org/workflow_templates
  • Hugging Face : Comfy-Org/MiniMax-H3
• RunningHubAI/rh-minimax-h3-lms-v1.0-r64-lora
  • Hugging Face : RunningHubAI/rh-minimax-h3-lms-v1.0-r64-lora

Note : L'utilisation des modèles, ensembles de données, et code référencés est soumise aux licences et conditions respectives fournies par leurs auteurs et mainteneurs.