MiniMax H3 モーショントランスファー: リファレンスガイド付き、並列アニメーション in ComfyUI#
このワークフローは、モーションソース動画と単一キャラクターのリファレンス画像を取り込み、同期された並列ビデオを生成するMiniMax H3 モーショントランスファーを実行します。左半分には元のモーションクリップが表示され、右半分には新しいキャラクターがその動きを反映するようにアウトペイントされます。MiniMax H3とMMH3 UltimateExtendによるリファレンスガイド付き空間アウトペインティングにより、1つのモーションクリップを使用して多くのスタイライズまたはリアルなキャラクターをすばやくアニメーション化できます。
MiniMax H3 モーショントランスファーをpreviz、短編コンテンツ、または迅速なルック探索に使用します。キャラクターのプロポーションとカメラの視点がソースに類似している場合、モーションの忠実度が向上します。スタイライズの強度はLoRAとプロンプトで調整できます。
Comfyui MiniMax H3 モーショントランスファーワークフローの主要モデル#
- MiniMax H3拡散モデル。ビデオレイテンツを駆動し、モーショントランスファーとアウトペインティングに使用されるRef2VAとFL2VAコンディショニングをサポートする生成バックボーン。MiniMax‑H3 on Hugging Face
- MiniMax H3 ビデオVAE。フレーム合成とプレビューのためにビデオレイテンツをエンコードおよびデコードします。同じモデルリポジトリに含まれています。Model files
- MiniMax H3 オーディオVAE。生成されたフレームとともにソースオーディオを運び、最終レンダリングでサウンドを保持します。同じリポジトリに含まれています。Model files
- Minimax H3 Turbo LoRA (Ref2VとFL2Vのバリアント)。Ref2VAとFL2VAのコンディショニングを高速化および安定化し、低ステップカウントで使用可能な結果を達成しながらモーションを整列させます。lightx2v/Minimax‑h3‑Turbo
Comfyui MiniMax H3 モーショントランスファーワークフローの使用方法#
VHS_LoadVideo (#11)でモーションソースをロード#
このノードはモーションクリップをインポートし、パイプラインのためにフレームとオーディオの両方を抽出します。ソースファイルを指定し、必要に応じてテストを短縮するためにトリムまたはサブサンプルします。ノードは画像シーケンスとオーディオストリームを出力し、グラフを通して同期したままにします。元のオーディオを保持することで、モーショントランスファーを確認する際にビートとタイミングを検証しやすくなります。
並列キャンバスを準備#
ImageResizeKJv2 (#12)でインカミングフレームをリサイズし、モーションエリアがターゲットキャンバスに一致するようにします。EmptyImage (#25)で空のストリップを作成し、ComfyMathExpression (#26)を使用して位置を設定し、その後ImageCompositeMasked (#23)で各フレームの右側にオーバーレイします。これにより、新しいキャラクターのためのクリーンな右側の領域が形成され、左半分は手付かずのまま残ります。合成はVAEEncode (#10)でレイテンツにエンコードされます。並行して、ソースオーディオはVAEEncodeAudio (#21)でエンコードされ、ビデオレイテンツとLTXVConcatAVLatent (#20)でマージされます。
MMH3SpatialTileEditor (#31)でタイルとキャラクタープロンプトを定義#
このエディタはキャンバスを2つのタイルに分割します。左のタイルは元のビデオコンテンツに従い、右のタイルはキャラクターリファレンスから生成されます。クリアなリファレンス画像と、左側のポーズとタイミングに合わせながらキャラクターのアイデンティティを保持するようモデルに指示する簡潔なプロンプトを提供します。シームがブレンドしやすい場所に落ちるようにタイルの配置を調整します。エディタのオーバーラップとフェード設定は、タイル間の目に見える接合部を最小限に抑えるのに役立ちます。
モデルスタックとサンプリングスケジュールを選択#
UNETLoader (#3)がMiniMax H3モデルをロードし、LoraLoaderModelOnly (#2)が実行に適したMinimax H3 Turbo LoRAバリアントを適用します。BasicScheduler (#18)とKSamplerSelect (#19)が安定した結果のためのステップスケジュールとサンプラーを定義します。MMH3SampleParams (#17)がこれらの要素を結びつけ、ソースモーションへの適合とスタイライズの自由度とのバランスを取ります。Seed (rgthree) (#22)を使用して再現性を固定するか、バリエーションを探索します。
MMH3SpatialExtendVideo (#8)でモーショントランスファーフレームを生成#
これがMiniMax H3 モーショントランスファーの核心です。ノードはタイル構成、リファレンス画像ガイダンス、およびRandomNoise (#13)からのノイズを読み取り、時間を超えて空間的アウトペインティングを実行します。左タイルは元のモーションクリップを保持し、右タイルは同じ動きをする新しいキャラクターを合成します。オーバーラップ、ブレンド、およびオプションの第2パス設定により、フレームの進化に伴う時間的一貫性を維持し、シームを減らします。
デコード、プレビュー、およびエクスポート#
ビデオレイテンツはVAEDecode (#14)で画像にデコードされ、オーディオはVAEDecodeAudio (#16)で回復されます。生成された側のクイックチェックのために、最初のフレームをVHS_SelectImages (#32), ImageCropV2 (#33), PreviewImage (#34)で選択およびクロップしてプレビューできます。最後に、VHS_VideoCombine (#15)がフレームとオーディオを単一のMP4にまとめてレビューや共有に利用します。
Comfyui MiniMax H3 モーショントランスファーワークフローの主要ノード#
MMH3SpatialTileEditor (#31)#
2タイルレイアウトと各半分がどのようにコンディショニングされるかを定義します。左タイルをソースに従わせ、右タイルをリファレンス画像とプロンプトを使用するように設定します。オーバーラップとフェードのパラメータは、タイルが出会う場所でのシームレスなブレンドのための主要ツールです。ポーズの忠実度を向上させるために、ソースカメラと被写体スケールに一致するリファレンスを使用します。
MMH3SpatialExtendVideo (#8)#
時間を超えたリファレンスガイド付き空間アウトペインティングを実行します。タイルレイアウト、ノイズ、CLIPテキストコンディショニング、VAE、およびサンプリングパラメータを消費して、左半分を保持しながら右側のキャラクターを生成します。ちらつきや目に見えるシームがある場合は、タイル構成でオーバーラップを適度に増やすか、フェードを柔らかくしてトランジションを安定させます。
MMH3SampleParams (#17)#
モデル、スケジューラー、およびサンプラーを橋渡しし、右タイルがソースモーションにどれだけ厳密に従うかと、プロンプトとリファレンスのスタイルのバランスを定義します。より緊密なモーションマッチングが必要な場合は、より強いガイダンスにバイアスをかけます。スタイルの自由度を高めるには、少し緩めます。キャラクターのアイデンティティが安定するようにLoRAの選択とバランスを保ちます。
LoraLoaderModelOnly (#2)#
Minimax H3 Turbo LoRAをロードします。Turboバリアントは、効率的なRef2VAとFL2VAコンディショニングに調整されており、低ステップカウントでモーションアライメントを維持するのに役立ちます。結果が外観に偏りすぎたり、ソースのタイミングから逸脱した場合は、LoRAの影響を減らすか、バリアントを切り替えます。
VHS_LoadVideo (#11)#
フレームとオーディオの取り込みと同期を処理します。実験中にクリップの長さと効果的なフレームレートを制御するために使用します。グラフ全体でオーディオを保持することで、モーションビートがトランスファー後に整合するかどうかを判断しやすくなります。
VHS_VideoCombine (#15)#
デコードされたフレームと回復されたオーディオから最終ビデオを構築します。デリバラブルのために希望するフレームレートと視覚品質を設定します。サイレントプレビューのみを希望する場合は、このノードでオーディオを無効にします。
オプションの追加#
- ソースビデオのパフォーマーと類似したカメラアングル、体のプロポーション、クロップのリファレンス画像を好む。フルボディのリファレンスはフルボディのモーションに最適です。
- キャラクターがシームを漂流したりクリップしたりする場合は、タイル境界を微調整し、エディタでタイルのオーバーラップまたはフェードを増やしてトランジションを穏やかにします。
- プロンプトは短く、説明的に保ちます。厳密なMiniMax H3 モーショントランスファーのためには、重いスタイリスティックなテキストよりもリファレンスに依存します。
- シードは生成された側の細部を制御します。レイアウトを繰り返し検討するためにシードを固定し、その後代替案を探索するためにランダム化します。
- このワークフローはMMH3 UltimateExtendのカスタムノードとVideoHelperSuiteをビデオI/Oに使用しています。ノードの動作や更新については、それぞれのリポジトリを参照してください: Comfyui‑MMH3‑UltimateExtend および ComfyUI‑VideoHelperSuite。
謝辞#
このワークフローは以下の作品やリソースを実装し、構築しています。MMH3 UltimateExtend ComfyUIカスタムノードのbbaudio-2025、元のワークフローJSONのオリジナルワークフロー著者、MiniMax H3 ComfyUIモデルファイルのComfy-Org、MiniMax H3 Turbo LoRAのlightx2vに感謝いたします。詳細については、以下のオリジナルのドキュメントおよびリポジトリを参照してください。
リソース#
- bbaudio-2025/Comfyui-MMH3-UltimateExtend
- Pastebin/Original workflow JSON
- ドキュメント / リリースノート: Original workflow JSON
- Comfy-Org/MiniMax-H3
- Hugging Face: Comfy-Org/MiniMax-H3
- lightx2v/Minimax-h3-Turbo
- Hugging Face: lightx2v/Minimax-h3-Turbo
- GitHub: ModelTC/Minimax-H3-Turbo
注意: 参照されたモデル、データセット、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。