MiniMax H3 キャラクタースワップ V1.5 with Original Audio#
MiniMax H3 キャラクタースワップ V1.5 with Original Audioは、ソースビデオ内の画面上の人物を参照キャラクターに置き換え、オリジナルのサウンドトラックをそのまま保持します。このキャンバスは、Akatz LabsのCharacter Swap V1.5 LoRA、SAM3人物マスキング、H3 Relayの履歴を組み合わせて、複数の生成ウィンドウにわたってソースのパフォーマンスをサポートします。
このComfyUIワークフローは、エディター、プレビズチーム、クリエーターがオーディオのパフォーマンスを損なうことなく、迅速にソースに整合したキャラクタースワップを行いたい場合に設計されています。テスト済みの例には、リアルな人物、アニメキャラクター、ロボットが含まれます。口の形状、手、ウィンドウの結合部はレビューする価値があるので、最終レンダリングでシームや関節をスポットチェックする予定を立ててください。MiniMax H3 キャラクタースワップ V1.5 with Original Audioは、H3ビデオモデルファミリー全体で動作し、ショットごとに調整可能な軽量コントロールを備えています。
Comfyui MiniMax H3 キャラクタースワップ V1.5 with Original Audio ワークフローの主要モデル#
- Comfy‑Org MiniMax H3 Ref2VA U‑Net。H3でのオーディオ条件付き生成のためのコアビデオ拡散バックボーン。ノイズを一貫したビデオに変え、参照ガイダンスと編集マスクを尊重します。Model files
- MiniMax H3 ビデオVAE。H3のビデオレイテンツをエンコードおよびデコードし、選択した解像度でウィンドウをクリーンにレンダリングします。Model card
- MiniMax H3 オーディオVAE。H3で使用されるオーディオレイテンツをパックおよびアンパックし、スピーチリズムとリップをソーストラックと整合させます。Model card
- Qwen3‑VL 32B テキストエンコーダー for H3。プロンプトと参照条件を解釈し、置換キャラクターとパフォーマンスノートが一貫して適用されるようにします。H3モデルバンドルに含まれています。Files
- Akatz Labs Character Swap V1.5 LoRA (
h3_character_swap_v1.5.safetensors)。入力被写体をターゲットキャラクターのアイデンティティにマップする方法をH3に教え、ポーズとパフォーマンスを保持します。Repository - MiniMax H3 FL2V Turbo 8‑step LoRA。H3サンプリングを8ステップで加速する高速スケジュールアダプター。Repository
- SAM 3.1 マルチプレックスチェックポイント。置換する人物を検出して追跡し、動く被写体に対して強固なマスクを生成します。Repository
- H3 Relay ツールキット。履歴に基づいたウィンドウ計画、マスクの回復/拡張、ループ、ウィンドウの組み立てを提供し、クリップ全体の連続性を確保します。GitHub
- 参照ワークフローソース。キャラクタースワップメソッドとLoRAはAkatz Labsから来ており、ここでH3 Relayに適応されています。GitHub
Comfyui MiniMax H3 キャラクタースワップ V1.5 with Original Audio ワークフローの使い方#
キャンバスは、入力からステッチされたビデオまでのシンプルなパスに従います：ソースクリップを提供し、キャラクター参照、SAMが置換する人物を見つけて追跡し、H3 Relayが履歴を持ち越してウィンドウを計画し、H3がマスク内で編集されたフレームを生成し、その後ワークフローがオリジナルのオーディオと一緒にすべてを再組み立てします。キャンバス内のグループは、上から下まで作業できるように整理され、自然なチェックポイントでレビューできます。
01 · ユーザー入力#
Source videoにクリップをアップロードし、Character reference · Picture 1に単一のキャラクター画像またはシートを追加します。H3RelayPrepareSourceはフレームをモデルのグリッドに合わせ、実際の幅、高さ、フレーム数、オーディオを公開します。ノードは、後にガイドとなるクリーンなフレームのバッチとオリジナルのサウンドトラックを発行します。最初のパスをシンプルに保ち、単一の連続ショットから始めてください。
02 · H3モデルとLoRA#
H3 Ref2VA · INT8はMiniMax H3拡散バックボーンをロードします。テキストエンコーダー、ビデオVAE、オーディオVAEは自動的に接続されます。H3の上に2つのLoRAが配置されています：高速サンプリング用のFL2V Turbo · 8-stepとアイデンティティ転送用のCharacter Swap V1.5 · strengthです。このペアリングにより、MiniMax H3 キャラクタースワップ V1.5 with Original Audioは迅速に動作し、キャラクタースタイルを保持します。
03 · SAM人物選択とマスク#
SAM3_Detectは、SAM person descriptionに基づいて最初のフレームで人物を見つけます。H3RelaySelectMaskは被写体を選び、SAM3_VideoTrackはそのマスクをフレームバッチ全体で追跡します。H3RelayRecoverMasksはギャップを修正し、H3RelayExpandMaskは領域を拡大して髪や手をカバーし、アイデンティティ編集がハローを残さないようにします。プレビューは、拡張された人物マスクが意図した被写体と一致していることを確認するのに役立ちます。
04 · H3 Relayウィンドウ計画#
H3RelayWindowPlanは、H3用にサイズ調整された重複対応のウィンドウを作成し、連続性を保つために履歴の一部を持ち越します。StartLoopおよびH3RelayWindowInputsはフレーム、マスク、ウィンドウごとのオーディオを生成にフィードします。ここでソースは、連続ショットの間に文脈を運ぶための管理可能なチャンクに分割されます。シーンカットは別途レビューが必要です。MiniMax H3 キャラクタースワップ V1.5 with Original Audioは、このプランを使用して、シードと範囲を決定論的に保ち、再現可能なパスを提供します。
05 · 参照条件とガイド#
MiniMaxH3ReferenceToVideoは、キャラクター画像とパフォーマンスプロンプトをH3の条件付けに変えます。H3RelayApplyHistoryは、前のウィンドウのフレームとオーディオを次のウィンドウへのソフトガイダンスとして注入します。H3RelayApplyEditMaskは、追跡された編集領域を現在のレイテンツとブレンドし、編集を制約しますが、ピクセル単位のバックグラウンドの同一性は保証されません。MiniMaxH3AddGuideは、ウィンドウのオーディオからのネイティブターゲットガイダンスを追加し、唇や表情がオリジナルのサウンドトラックに従うようにします。
06 · サンプリングとデコード#
H3RelaySamplingMemory、CFGGuider、KSamplerSelect、およびSamplerCustomAdvancedは、LoRA適応済みH3モデルを使用して、ウィンドウごとに生成ループを実行します。LTXVSeparateAVLatentおよびVAEDecodeはビジュアルをフレームに戻してデコードし、組み立て準備を整えます。これらのパーツは、重い作業を処理し、メモリを予測可能に保ちます。ほとんどのユーザーは、最初のパスではこれらをそのままにしておくことができます。
07 · H3 Relayの組み立てと出力#
H3RelayAppendWindowはウィンドウを順番に蓄積し、必要に応じて重複をトリミングします。H3RelayFinishWindowsはフレームを出力し、オリジナルのオーディオを再アタッチしてタイミングとスピーチをソースに忠実に保ちます。CreateVideoとSave final videoは結果をディスクに書き込みます。ウィンドウの結合部、口の形、手、遮蔽を確認し、必要に応じて繰り返します。MiniMax H3 キャラクタースワップ V1.5 with Original Audioは、短いショットでの迅速なレビューサイクルに最適化されています。
Comfyui MiniMax H3 キャラクタースワップ V1.5 with Original Audio ワークフローの主要ノード#
H3RelayWindowPlan生成スケジュールと重複履歴を作成します。テスト済みの例では、24 fpsで124フレームのウィンドウと18フレームの履歴を使用します。各12.25秒のクリップは3つのウィンドウにまたがります。局所的な外観や動きの変化を検査してください。これはシームレスな継続の保証ではありません。MiniMaxH3ReferenceToVideo実際の幅、高さ、ウィンドウごとの長さでキャラクター画像とプロンプトからメインの条件付けを構築します。1つのアイデンティティに忠実な画像またはシートを使用し、複数のビューが同じキャラクターを描いていることを明確に伝えてください。パフォーマンスの指示は簡潔にし、ソースの音声とジェスチャーに結びつけます。アイデンティティがずれた場合、アイデンティティの説明を強化し、スタイル修飾子を簡素化してください。H3RelayApplyEditMask追跡されたマスクとエンコードされたソースフレームを使用して生成を制約します。髪や動く手足の周囲のマスクカバーを確認してください。テスト済みのグラフは、生成されたボディを元のソースピクセルに合成しないため、周囲の詳細が変更される可能性があります。MiniMaxH3AddGuide現在のウィンドウのソースオーディオをネイティブガイダンスとして使用します。これはスピーチ関連の動きをサポートしますが、サウンドトラックを保持しても正確なリップシンクは保証されません。このグラフの露出したノードには調整可能なガイダンス強度コントロールはありません。LoraLoaderModelOnly · Character Swap V1.5テスト済みの強度1.0で公式のh3_character_swap_v1.5.safetensorsアダプターをロードします。強度の変更は結果を変えることがありますが、強度を下げると口の動きが改善される、または強度を上げると衣装の詳細が固定されるといった検証済みのルールはありません。SamplerCustomAdvancedとCFGGuiderテスト済みのTurboレシピを実行します：8ステップ、CFG 1、er_sde、normalスケジューリング。これらのデフォルトで始めてください。ステップやガイダンスの変更は新しい比較が必要であり、品質の向上を保証するものではありません。SAM3_DetectとSAM3_VideoTrack編集領域の人物検出と追跡を行います。複数の人物が表示されている場合は、明確なSAM person descriptionを使用して被写体にバイアスをかけます。遮蔽で追跡がずれた場合、検出感度を微調整するか、追跡する前に被写体を再選択してください。目標は、意図したパフォーマーに従う単一の安定したマスクです。H3RelayFinishWindows最終フレームを組み立て、オーディオモードをsourceに設定してオリジナルのサウンドトラックが通過するようにします。オリジナルオーディオの保持が必要な場合は、sourceを選択したままにしてください。このノードはエンコード前の最後の品質ゲートです。
オプションの追加要素#
- 初回パスには安定した照明と最小の速いウィップパンを持つショットを選んでください。
- 中立的な表情と見える髪の生え際を持つ単一のアイデンティティに忠実な参照画像を使用してください。
- 幅と高さを32で割り切れるようにし、ソースのアスペクト比に合わせてメモリ効率を向上させます。
- ジャンプのあるシームの場合は、別の有効なウィンドウプランをテストし、依存するウィンドウシーケンスを再実行してください。後のウィンドウは以前の履歴を使用します。
- 配信前に常に唇、手、髪の縁、ウィンドウの結合部を100パーセントで確認してください。
MiniMax H3 キャラクタースワップ V1.5 with Original Audioは、ソースに整合したタイミング、参照に基づいたキャラクター生成、ウィンドウ履歴コントロールを組み合わせて、テストから最終まで迅速に反復できます。方法と資産に関する詳細なコンテキストは、上記のAkatz Labsのリファレンスをご覧ください。
謝辞#
このワークフローは、以下のjson 作品やリソースを実装し、活用しています。H3 Character Swap Toolワークフローを提供してくれたAkatz Labs、MiniMax H3 Character Swap LoRA（v1.5）およびH3 Relayを提供してくれたAkatz AI、MiniMax H3ベースモデルを提供してくれたComfy-Orgに感謝します。詳細については、以下に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#
- Akatz Labs ワークフローソース
- Character Swap V1.5 LoRA
- Hugging Face: akatz-ai/MiniMax-H3-Character-Swap-LoRA
- H3 Relay
- GitHub: akatz-ai/h3-relay
- MiniMax H3 ベースモデル
- Hugging Face: Comfy-Org/MiniMax-H3
注：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ーによって提供されるライセンスおよび条件に従う必要があります。