MiniMax H3 キャラクタースワップとSAM3#
MiniMax H3 キャラクタースワップとSAM3は、MDMZのComfyUIワークフローで、動画内の画面上のパフォーマーを参照キャラクターに置き換えながら、元の動き、タイミング、カメラの動き、そしてオプションで元の背景を保存します。SAM3を使用して被写体を分離し、MiniMax H3が動きとフレーミングをアイデンティティをコピーせずに追従するように反転した動きガイドを構築します。結果は元のパフォーマーの詳細を保持することも、背景の一部を変更することもできるため、アイデンティティ、手、服装、シーンの一貫性を確認するためにクリップ全体をレビューしてください。
ワークフローは無料のプロンプトルートを使用します：提供されたプロンプトをそのまま実行するか、無料のGeminiアプリで生成された構造化プロンプトを手動で貼り付けて、独自の入力を行います。保存されたデフォルトはノーマルモード、元の動画の背景、無音出力を使用しています。オプションのソースオーディオパススルーとターボプレビューモードが含まれており、ワークフローはクリップの長さをモデル互換のフレーム数に調整します。
検証された例は、無料のプロンプトブランチ、20ステップのノーマルモード、動画の背景を使用しています。ターボ、画像背景、オーディオ/リップシンクオプションは含まれていますが、これらの例では使用されていません。「無料プロンプト」はプロンプトルートを指します；RunComfy GPUの使用料は別途請求されます。
ComfyUIのMiniMax H3 キャラクタースワップとSAM3ワークフローの主要モデル#
- MiniMax H3 Reference‑to‑Videoベースモデル (Ref2VA/Ref2V)。プロンプト、参照画像、動きガイドを使ってカメラとタイミングを追跡しながら一貫したビデオフレームに変換する拡散バックボーン。モデルファイルとリリースは公式のMiniMax H3リポジトリにホストされています。MiniMax H3 on Hugging Face
- MiniMax H3 Video VAE fp16およびAudio VAE fp32。ビデオVAEは潜在フレームを効率的にエンコードおよびデコードし、オーディオVAEはH3のオーディオ対応パスのオーディオ潜在を処理します。その存在はリップシンク品質を保証しません。MiniMax H3リリースに含まれています。MiniMax H3 on Hugging Face
- Qwen3‑VL 32B NVFP4 AWQテキストエンコーダー。長い構造化プロンプトをエンコードし、強力なテキスト‑to‑ビデオの整合性を維持するためにMiniMax H3にパッケージされています。使用されたテキストエンコーダーについてはMiniMax H3モデルファイルを参照してください。MiniMax H3 on Hugging Face
- SAM 3.1 Multiplex。置き換える人物を見つけるための強力でプロンプト可能なセグメンテーションを提供し、一貫したフレームごとのマスクを構築して動きガイドを駆動します。SAM 3.1 on Hugging Face
- MiniMax H3 Ref2V Turbo LoRA v0.1。プレビューを高速化し、H3の全体的な外観を維持しながらステップ数を少なくするオプションのLoRA。反復に最適で、その後ノーマルに戻して最終仕上げを行います。MiniMax H3 LoRAs
ComfyUI MiniMax H3 キャラクタースワップとSAM3ワークフローの使用方法#
大まかに言えば、短いソースクリップと単一のキャラクター画像を提供します。ワークフローはパフォーマーのみを検出して反転し、動きガイドを作成し、提供されたまたは貼り付けられたプロンプトを背景設定と組み合わせ、MiniMax H3がスワップをレンダリングします。ソースオーディオはオプションで出力にパススルーできます；リップシンク品質はこれらの無音の例では検証されていません。
1 · 入力 ビデオローダー（#970）にモーションクリップをロードし、24 fpsに変換し、必要なセクションにトリムします。保存された例では124フレーム（約5.17秒）を使用しています。画像ローダー（#496）にキャラクター画像を追加します。解像度セレクター（#501）で出力アスペクトとメガピクセルを設定します。グループ3Bで入力用の提供されたプロンプトを使用するか、貼り付け、レンダリング速度を選択（ノーマル品質またはターボプレビュー）、背景がソースビデオから来るかキャラクター画像から来るかを選択し、ソースオーディオをリップシンクのためにパススルーするかどうかを決定します。
2 · モーションガイド SAM3検出器（#503）は、人やman:1などの短いテキストラベルに基づいて被写体を見つけます。マスクプレビュー（#492）を使用してターゲットが完全に白であることを確認します。ワークフローはマスクされたパフォーマーのみを反転し、H3がアイデンティティではなくエッジとシェーディングから動きとフレーミングを読み取るようにします。精度のためにスピードをトレードオフするためにMotion Guide Resolution（#456）でモーションガイドピクセル予算を調整します。専用のスイッチにより、画像からのモーショントランスファーを行う場合に動画背景を除外するモーションガイドを構築することができます。
3B · 無料プロンプト 提供されたプロンプトをそのまま実行するか、グループ3から含まれているGeminiの指示をコピーして無料のGeminiアプリにクリップとキャラクター画像を分析させます。生成する予定の同じトリムされたセクションを使用し、その後回答をYour H3 Prompt（#910）に貼り付けます。ワークフローは見出しやコードフェンスを自動的にクリーニングしてテキストがH3の期待する構造に一致するようにします。
3C · ビデオからの背景（キャラクター置換） 元のシーン内で純粋なキャラクタースワップを希望する場合、ワークフローはプロンプトにH3にソースクリップの背景と照明を保持するように指示するルールを追加します。H3にセットのジオメトリ、オブジェクト、グレーディングを保持し、新しいキャラクターをショットに合わせて再ライトするように指示します。モーションガイドには元のフレーム上に反転したパフォーマーが含まれているため、環境の手がかりがモデルに見えるままになります。
3C · 画像からの背景（モーショントランスファー） 静止参照背景へのモーショントランスファーの場合、プロンプトはキャラクター画像から環境と照明を保持し、ソースビデオの設定を無視するように書き換えられます。矛盾するビデオの照明とフレーミングのラインは削除されます。モーションガイドは中立的なキャンバス上に再合成されるため、動きとカメラパスのみが使用され、ソースビデオ背景の影響を減らします；このオプションモードは提供された例では検証されていません。
3D · 最終テキスト → H3 背景スイッチは正しいルールセットをマージし、H3に送信される最終プロンプトを表示して、正気チェックを行うことができます。この正確な文字列が生成に投入されます。
4 · 生成 MiniMax H3 Ref → Video (#464) は、構造化プロンプト、キャラクター画像、モーションガイドフレーム、解像度セレクターからの幅と高さ、および自動検証された長さを取ります。保存されたノーマルモードは20のサンプリングステップを使用します。ターボモードは、低ステップカウントのRef2V Turbo LoRAを有効にし、ビデオとオーディオに調整されたシグマシフトを提供します；ガイダー、サンプラー、およびステップスイッチがアクティブパスを選びます。シードはサンプリングのバリエーションを制御し、変更するとアイデンティティ、動き、背景の詳細に影響を与える可能性があります。カスタムサンプラーはノイズ、スケジュール、ガイダーを潜在クリップと組み合わせます。
5 · 出力 VRAMクリーンアップノードは、デコード前にメモリプレッシャーを減らすために実行されます；メモリエラーからの自由を保証しません。ビデオVAEは潜在をデコードしてフレームにし、Save VideoはMP4を書き込みます。デフォルトの出力は無音です；サウンドルートが有効で入力にオーディオトラックがある場合にのみソースオーディオが添付されます。
ComfyUI MiniMax H3 キャラクタースワップとSAM3ワークフローの主要ノード#
MiniMax H3 Ref → Video (#464) プロンプト、参照画像、モーションガイドを結合するコアジェネレーター。プロンプトを構造化し具体的に保ち、アイデンティティに強い参照画像を1つ提供してください。幅と高さは解像度セレクターから来るため、アスペクト比は意図に一致します。長さはH3のストライドを満たすために自動フレームカウンターによって駆動されます；音声ルートはクリップにオーディオがある場合のみ有効にし、スピーチ同期を別途確認してください。
SAM3 Detect person (#503) SAM 3.1セグメンテーションを短いテキストヒントで実行し、正しいパフォーマーを分離します。シーンに複数の人がいる場合は、man:1や赤い服の女性:1のような簡単な修飾子を追加してください。まずマスクプレビューを確認してください；エッジが欠けている場合やスピルが発生している場合は、プロンプトを絞るか検出器の設定を調整してください。クリーンなマスクが安定したスワップへの最速のルートです。
Motion Guide Resolution (#456) モーションガイドで使用される総ピクセル予算を設定します。低い値は処理コストとガイドの詳細を減らします。高い値はガイドの空間的詳細を保持しますが、処理が必要です；出力品質の向上は保証されません。徐々に増やし、パフォーマンスと安定性を観察してください。
Turbo LoRA (Ref2V) (#950) 低ステップスケジューラとビデオおよびオーディオ用に調整されたシグマシフトとペアリングされた高速プレビューパスを有効にします。プロンプト、フレーミング、動きを迅速に反復するために使用します。最終ショットのためには、ノーマルステップに戻してMiniMax H3の完全な忠実度を回復します。
Valid frame count (auto) (#481) トリムされたクリップをモデルフレンドリーなフレーム数に自動的に丸め、サンプリングを安定させます。典型的な長さには107、124、158、209、362フレームが含まれ、約4.5秒、5秒、6.6秒、8.7秒、15秒です（24 fps）。ローダーで開始と終了を視覚的に設定し、このノードに正確な数を処理させます。
オプションの追加機能#
- まずマスクを確認してください；プレビューで被写体が完全に白である必要があります。
- 一貫した動きとリップシンクのためにフレームレートを24 fpsに保ちます。
- 保存されたサウンドルートはオフです。音声付きクリップにのみ有効にし、スピーチ同期を確認してください；一致することを前提とせずに確認してください。
- クイックプレビューにはターボを使用し、最終レンダリングにはノーマルに切り替えます。
- キャラクター置換のためには、ビデオからの背景を選択します；モーショントランスファーには、画像からの背景を選択します。
- 無料アプリがコードフェンス付きのテキストや奇妙な見出しを返した場合でも、それを貼り付けます；ワークフローは自動的にフォーマットを整えます。
- 別の結果を探るためにシードを変更し、その後、動き、フレーミング、アイデンティティ、背景の詳細を再確認します。
謝辞#
このワークフローは以下の作品とリソースを実装し、構築しています。H3キャラクター置換ワークフローチュートリアルとセットアップガイドに感謝し、Comfy-OrgのComfyUI用MiniMax-H3モデル、そして公式MiniMax H3ビデオ生成ガイドの貢献とメンテナンスに感謝します。詳細については、以下のリンクされたオリジナル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#
- MDMZ/MDMZワークフローチュートリアル
- ドキュメント / リリースノート: YouTube
- MDMZ/MDMZワークフローとガイド
- ドキュメント / リリースノート: Patreon post
- Comfy-Org/MiniMax H3 models for ComfyUI
- Hugging Face: Comfy-Org/MiniMax-H3
- ComfyUI/ComfyUI MiniMax H3 guide
- GitHub: comfy-org/docs
- ドjson キュメント / リリースノート: ComfyUI Docs
注: 参照されたモデル、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保守者によって提供されたライセンスおよび条件に従う必要があります。