MiniMax H3: Referanstan Videoya
MiniMax H3'e bir referans görsel, dokuz adede kadar görsel, üç video ve üç ses klibi ile birlikte bir metin istemi vererek yeni bir video oluşturun. Model, bu kaynaklardan karakter kimliği, hareket, kamera, ses veya stili eşleştirirken tek geçişte yerel stereo ses üretir. Çıktı, yaklaşık 15 saniyelik, 2K çözünürlüğe ve 24fps'ye kadar tek bir MP4 videodur. Karakter tutarlılığı olan animasyonlar, stil transferli video üretimi ve sesle senkronize içerik oluşturma için idealdir.
Bir örnek deneyin
Bu iş akışı hakkında
Bu iş akışı, ComfyUI içinde MiniMax H3’ün referanstan videoya üretimini gösterir: bir metin istemi ile birlikte en fazla dokuz referans görsel, üç kısa referans video ve üç ses klibi sağlarsınız; model tek geçişte yerel stereo sesli tek bir MP4 üretir. Temel parça MiniMaxH3ReferenceToVideo düğümüdür; çok modlu bağlamı (kimlik, hareket, kamera, stil ve ses) isteminizle birleştirerek 2K çözünürlüğe ve 24fps’ye kadar ~15 sn’lik bir klip sentezler.
Arka planda Switch Model and Settings grubu, MiniMax H3 model yığınını UNETLoader ve CLIPLoader üzerinden yükler; KSamplerSelect, BasicScheduler, SamplerCustomAdvanced ve BasicGuider ise örnekleme davranışını yönetir (tekrar üretilebilirlik için RandomNoise ile seed verilir). ResolutionSelector, 32’nin katlarına hizalı 16:9 bir boyut ayarlar; ComfyMathExpression ile PrimitiveFloat, süre ve fps’den kare sayısı gibi türetilmiş değerleri hesaplar. Üretimden sonra VAELoader hem video hem de ses VAE’lerini sağlar; VAEDecode video latent’lerinden kareleri, VAEDecodeAudio ise stereo dalga biçimlerini geri oluşturur. CreateVideo kareleri ve sesi birleştirir, SaveVideo da nihai MP4’ü yazar. Bu sayede iş akışı, ayrı TTS veya ses tasarımı adımları olmadan karakter tutarlı animasyon, stile göre yönlendirilen hareket ve sesle senkron içerik için pratiktir.
Sorular ve yanıtlar
MiniMax H3’ü Comfy-Org/MiniMax-H3 üzerinden indirin. minimax_h3_video_vae_fp16.safetensors ve minimax_h3_audio_vae_fp32.safetensors dosyalarını models/vae içine koyun. H3 UNet ve CLIP/metin kodlayıcı ağırlıklarının doğru ComfyUI model klasörlerinde olduğundan emin olun (örn. models/unet, models/clip). UNETLoader, CLIPLoader ve VAELoader’ın bulabilmesi için ComfyUI’ü yeniden başlatın.
Bu iş akışı yaklaşık 15 saniyeyi, 24fps’ye ve 2K çözünürlüğe kadar hedefler. ResolutionSelector’ın 16:9 ön ayarlarını (32’nin katları) 1152x640 veya 1280x736 gibi kullanın. Daha yüksek çözünürlük, kare hızı veya daha uzun süreler VRAM ve süre maliyetlerini artırır ve kararsız olabilir.
Az sayıda, yüksek kaliteli referans kullanın (1–3 ile başlayın). Birincil kimlik görselinizi ilk girdi yapın. Referans videoları kısa ve istediğiniz hareket/kamerayı temsil edecek şekilde seçin. Net, açık istemler ve orta guidance (CFG ~4–7) çoğu zaman referansları daha iyi korur.
Evet. İş akışı ses yolunda bir ComfySwitchNode sunuyorsa, VAEDecodeAudio’yu atlayacak şekilde ayarlayın. Alternatif olarak ses girdilerini boş bırakıp minimum ses ürettirebilir, sonra CreateVideo aşamasında veya kurgu aşamasında sesi değiştirip susturabilirsiniz.
Aynı girdiler ve ayarlarla aynı örnekleme yolunu yeniden üretmek için RandomNoise’da sabit bir seed ayarlayın. Seed, referanslar, çözünürlük veya sampler parametreleri değişirse çıktı da değişir.