AIMixer/ComfyUI_MiniMaxH3_Director

何を解決するか

このプロジェクトは、ComfyUI 内の MiniMax H3 動画生成モデル向けに包括的な「ディレクター・コンソール」を提供します。長編動画の作成を簡素化するために、マルチセグメント計画、条件付きエンコーディング、サンプリング、エクスポートを1つのノードに統合し、複雑な動画シーケンスを作成する際に多数の個別ノードを手動で連結する必要をなくします。

仕組み

このプラグインは公式の MiniMax H3 実装を拡張し、ハイレベルな管理レイヤーを追加しています。ユーザーは視覚的なタイムラインを使って動画セグメントの順序を定義できます。選択されたタスクタイプ（テキストto動画、画像to動画、最初・最後のフレームto動画、参照to動画、動画to動画、または参照動画to動画）に応じて、ノードが下位のサンプリングおよびデコード処理を自動で処理します。

主な技術的メカニズム：

• セグメント間ガイド: 前のセグメントの終了時の動きと音声を次のセグメントの開始に固定することで、滑らかなトランジションを確保します。
• リファイン/アップスケーリングパイプライン: 別のリファインノードを接続して、高品質な2回目サンプリングや、潜在空間またはピクセルベースの方法による動画アップスケーリングを実行できます。
• 参照グループ: 複数のセグメント間で共有されるグローバルな参照画像、音声、プロンプトを定義でき、同時に個別セグメントごとのオーバーライドも可能です。

対象ユーザー

MiniMax H3 モデルを使って構造的な物語や一貫性のあるキャラクターや音声を持つ複雑なシーンを生成したい、ComfyUI ユーザーおよび AI 動画クリエイター向けに設計されています。

特徴

• 統合タイムライン: サムネイルプレビュー付きで、複数の動画セグメントをカット・分割・管理できる視覚的タイムライン。
• 多様なタスクモード: t2v、i2v、fl2v（最初/最後フレーム）、r2v（参照対象）、v2v（動画to動画）、rv2v（参照動画to動画）をサポート。
• ネイティブステレオ音声: 動画フレームと同期したステレオ音声を生成。
• 高度なリファイン: マルチパスリファインとアップスケーリング（NVIDIA RTX VSR や H3 潜在空間アップスケーリングを含む）をサポート。
• 外部グループ統合: 第三者ノードが専用グループノードを介して処理済み画像やプロンプトをディレクター・コンソールに供給できるようにします。