CROWN MiniMax H3 4ステップ ComfyUI ワークフロー ビデオ用#
CROWN MiniMax H3 4ステップ ComfyUI ワークフローは、テキストからビデオ、画像からビデオ、リファレンスからビデオを一つのラベル付きキャンバスで統合し、数分でステレオオーディオと同期された完全なMP4を生成できます。CROWN HyperPDMD HD LoRAsと4ステップのサンプリングパスを中心に調整され、シャープな動き、安定したアイデンティティ、クリアなサウンドをネイティブ960 × 544で提供します。
RunComfyでの迅速な反復のために設計されたこのワークフローは、デフォルトで画像からビデオがアクティブで、必要に応じてテキストからビデオとリファレンスからビデオが有効にできます。各ブランチは独自のモデル、プロンプト、セーバーで分離されており、すべてのブランチが追加のポストステップなしで完成したMP4ファイルをエクスポートします。オプションの2×アップスケーリングは、大きなマシン用に含まれており、Mediumインスタンスではデフォルトでバイパスされます。
Comfyui CROWN MiniMax H3 4ステップ ComfyUI ワークフローの主要モデル#
- Comfy-Org MiniMax H3ベースモデル。フレームとステレオサウンドのための共同潜在を予測するビデオオーディオのバックボーンで、速度とメモリ効率のためにBF16とINT8のバリアントが提供されています。Model card
- CROWN MiniMax H3 HyperPDMD HD 3–4ステップLoRAs。詳細と時間的安定性を保ちながら、ノイズ除去スケジュールを4ステップに圧縮するファインチューンで、テキストからビデオ、画像からビデオ、リファレンスからビデオのバリアントが利用可能です。Model card
- MiniMax H3 ビデオVAE。効率的な生成とピクセル精度の高い再構成のためにビデオ潜在ストリームをエンコードおよびデコードします。
- MiniMax H3 ステレオオーディオVAE。自然なアンビエンスとスピーチのために32 kHzステレオにオーディオ潜在ストリームをエンコードおよびデコードします。
- Qwen3‑VL‑32B テキストエンコーダー。MiniMax H3でのプロンプト解析のための強力な言語およびマルチモーダル理解を提供します。
- オプションのESRGANファミリーアップスケーラー。2×の拡張を必要とする場合に優れたマシンで使用されます。ESRGAN
Comfyui CROWN MiniMax H3 4ステップ ComfyUI ワークフローの使用方法#
一度に1つのブランチのみを有効にします。各ブランチは明確なラベル、独自のプロンプトフィールド、および簡単にソートするための異なるファイル名プレフィックスを持つ専用のSave MP4 Videoノードを持っています。
I2V | IMAGE TO VIDEO | CROWN HyperPDMD HD | 4ステップ#
これはデフォルトでアクティブなパスです。Load Start Frame (<Picture 1>) (#27)に静止画をロードし、MiniMax H3 Image-to-Video (First/Last Frame) (#28)で動きとアンビエンスを説明します。このノードは、カメラや被写体の動きのためのインアウトガイダンスが必要な場合にオプションの最終フレームを受け入れます。プロンプトをキューに入れると、4ステップのサンプラーが共同ビデオとオーディオ潜在を生成し、Combine Video + Stereo Audio (#38)でデコードおよび多重化され、Save MP4 Video (#39)によって書き込まれます。Seed (#32)のシードコントロールを使用して、正確な再現性を確保したり、バリエーションを探索したりします。
T2V | TEXT TO VIDEO | CROWN HyperPDMD HD | 4ステップ#
テキストからすべてを合成したいときにこのブランチを有効にします。MiniMax H3 Text-to-Video Conditioning (#8)に簡潔なショットの説明、希望する動き、音声のメモを入力します。このノードは、構成を固定したい場合にオプションの最初と最後のフレームを受け入れることもできますが、テキストだけで機能します。コアH3パスは同じ4ステップのスケジュールを実行し、MP4にパッケージされる前に同期されたフレームとステレオオーディオを生成します。
R2V | REFERENCE TO VIDEO | CROWN HyperPDMD HD | 4ステップ#
1つ以上のリファレンス画像からアイデンティティを保持し、スピーチやルームトーンをガイドするためにこのパスを使用します。Load Reference Subject (<Picture 1>) (#47)に被写体をロードし、MiniMax H3 Reference-to-Video (<Picture 1>) (#48)で動きや対話を作成します。より多くのリファレンス画像、短いリファレンスビデオ、またはリファレンスオーディオクリップを追加して、類似性と声質を強化できます。出力はデコードされ、Combine Video + Stereo Audio (#58)で多重化され、Save MP4 Video (#59)によって保存されます。このブランチのみを有効にして実行し、クロスブランチリソース競合を防ぎます。
すべてのブランチが共有するコア4ステップサンプリングパス#
各ブランチは速度と品質のために同じ合理化されたバックボーンをたどります。MiniMax H3ベースモデルがロードされ、CROWN HyperPDMD HD LoRAが適用され、MiniMax H3 Sigma Shift (#4, #23, #43)がビデオとオーディオのスケジュールを整えます。ガイダンスはBasicGuider (#9, #29, #49)によって処理され、スケジューリングはBeta Scheduler (#10, #30, #50)によって行われ、アルゴリズムの選択はSampler (euler) (#11, #31, #51)によって行われます。4-Step HyperPDMD-HD Sampler (#13, #33, #53)は、デコードされる潜在を生成し、Decode Video Frames (#14, #34, #54)およびDecode 32kHz Stereo Audio (#15, #35, #55)によってデコードされ、その後、Combine Video + Stereo Audio (#18, #38, #58)で多重化され、対応するSave MP4 Videoノードによってディスクに書き込まれます。
Comfyui CROWN MiniMax H3 4ステップ ComfyUI ワークフローの主要ノード#
MiniMax H3 Image-to-Video (First/Last Frame) (#28) 単一の画像からオプションのエンドフレームアンカリングで動きを生成します。プロンプトを被写体の行動、カメラの動き、アンビエンスに集中させます。特定のインアウト動作パスを希望する場合は、最後のフレームを追加します。顔、衣装、小道具を保存するためにアイデンティティに重要な詳細をテキストに保持します。
MiniMax H3 Reference-to-Video (<Picture 1>) (#48) 外観と提供されていれば声を維持しながら、リファレンス被写体を中心にビデオを構築します。1つ以上のクリーンなリファレンス画像と簡潔な対話を提供します。類似性が重要な場合は、より高品質のリファレンスを好み、服装やヘアスタイルを一貫させます。リファレンスオーディオは声質とルームトーンの整合に役立ちます。
MiniMax H3 Text-to-Video Conditioning (#8) スクリプトをビデオとオーディオのコンディショニングに変換します。プロンプトを短いショットとして書き、明確な動詞と感覚的な手がかりを含めます。複雑なシーンのために構成を安定させるために、最初と最後のフレームをオプションで提供できます。
MiniMax H3 Sigma Shift (#4, #23, #43) ビデオの相対的なシャープネスとコヒーレンス、およびオーディオの明瞭さをノイズスケジュールをオフセットすることによってバランスを取ります。動きの鮮明さと安定性を微調整しながら、スピーチとアンビエンスをクリーンに保つために使用します。値を慎重に変更し、長いレンダリングの前に短いクリップでテストします。
4-Step HyperPDMD-HD Sampler (#13, #33, #53) CROWN LoRAsに一致する蒸留された4ステップのノイズ除去ループを実行します。このサンプラーを意図したステップ数に保つことで、速度と訓練された外観を維持します。代替サンプラーやスケジュールを試す場合は、それらを一緒に調整し、短いシーケンスで結果を検証してください。
Combine Video + Stereo Audio (#18, #38, #58) デコードされたフレームとオーディオを共有可能なビデオに多重化します。ダウンストリームワークフローのためにコンテナ設定やカラースペースを変更する必要がある場合に使用します。ペアのSave MP4 Videoノードは、ブランチごとにファイル名と形式を最終決定します。
オプションの追加機能#
- ネイティブ出力はRunComfy Mediumでの信頼性のある完了のために960 × 544のステレオオーディオです。大きなマシンでのみ2つのアップスケーラーノードを有効にします。
- アップスケールするには、
Load 2x Upscaler (SPAN / ESRGAN)と2x Upscale -> 1920x1088をオンにし、アップスケール出力をCombine Video + Stereo Audio → imagesに接続します。 - 繰り返し可能な結果のために、シードを固定し、新しいテイクのためにブランチの
Seedノードでシードをランダム化します。 - プロンプトはタイミングの手がかり、被写体とカメラの動詞、アンビエンスに関する1行を含むコンパクトなショット指示として最適に機能します。
- 一度に1つのブランチのみをアクティブにする必要があります。各ブランチには、CROWN MiniMax H3 4-Step ComfyUI Workflowプレフィックスで名前付けされた独自のローダー、プロンプト、セーバーがあり、ファイル管理が簡単です。
謝辞#
このワークフローは、以下の作品とリソースを実装および構築しています。CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRAのS3ckn11g0rと、MiniMax-H3ベースモデルのComfy-Orgに感謝の意を表します。詳細は、以下にリンクされた元のドキュメントとリポジトリを参照してください。
リソース#
- S3ckn11g0r/CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRA
- Hugging Face: S3ckn11g0r/CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRA
- Comfy-Org/MiniMax-H3
- GitHub: Comfy-Org/workflow_templates
- Hugging Face: Comfy-Org/MiniMax-H3
Note: 参照されているモデル、データセット、およびコードの使用は、それぞれの著者およびメンテナによって提供されたライセンスおよび条件に従います。

