ComfyUIにおけるMiniMax H3の初日サポート：オープンウェイト、ネイティブオーディオ、2Kビデオ

ComfyUIにおけるMiniMax H3の初日サポート：オープンウェイト、ネイティブオーディオ、2Kビデオ オープンウェイトのマルチモーダルビデオモデルで、リアルなステレオサウンドと2K出力を備え、この強力なモデルはComfyUIで高度に最適化されており、3060でローカル実行可能です。 Rob and Alexis Rolland 2026年8月3日 52 共有 MiniMax H3が本日オープンウェイトでリリースされ、今朝からComfyUIでネイティブサポートされました。初日です。 これは次世代のオープンウェイトビデオモデルです。テキスト、画像、ビデオ、またはオーディオを入力すると、リアルなステレオサウンド付きで最大2K、クリップあたり最大15秒のビデオを生成します。これはMiniMaxの第3世代ビデオモデルであり、Hailuo 01とHailuo 02に続くもので、同社がオープンウェイトでリリースする最初のモデルです。 Comfy Cloudで試す モデルのハイライト テキストからビデオへ — プロンプトのみ。 画像からビデオへ — 画像に命を吹き込みます。 最初と最後のフレーム — 開始フレーム、終了フレーム、またはその両方を制御し、モデルに残りを埋めさせます。 参照からビデオへ — 参照画像、ビデオ、またはオーディオを提供し、クリップ全体に被写体、動き、または音声を伝えます。 出力は2Kまで、最大15秒です。オーディオはビデオと同じパスで、後から追加されるのではなく、ステレオで生成されます。 マルチモーダルコンテキスト理解 これはMiniMaxがリードする機能であり、5つの別々のタスクを1つのモデルに統合します。実際の作業は、めったに1つのモダリティに依存しません。H3は画像、オーディオ、ビデオをまとめて、それらがどのように関連するかを説明するプロンプトに対して解決します。入力と望むショットの関係を説明すれば、モデルがクロスモーダル作業を自身で処理します。 ネイティブステレオオーディオ オーディオはモデルのプロパティであり、後処理ではありません。すべてのオーディオ出力はネイティブステレオです。 編集とモーション転送 グラフ作業において最も重要なのはモーション転送です。参照ビデオは、カメラの動き、パフォーマンス、カットのリズムなどの動きを提供し、被写体とスタイルは他の場所から来ます。インプレース編集と組み合わせることで、ショットのイテレーションが可能になります。 出力例 大胆なコミックブックのインクスタイル、重い線画、赤と青黒のパレット、夜の街。<Picture 2>と<Picture 1>を参照フレームとして、<Audio 1>はそのまま使用します。カット1：屋上にいる小さなスーパーヒーローの少年をトップダウン視点で — 赤いマントが風になびき、手を腰に当て、そばかすと生意気な笑みを浮かべてカメラをまっすぐ見つめている。彼がセリフを言うにつれて、カメラはゆっくりと彼に近づいていく — 彼が話すにつれて、コミックブックのグラフィックオーバーレイテキストが彼の声に合わせて単語ごとに表示される：「準備しろ」 — 「会う」 — 「お前の」 — 「メーカー」 — 巨大でギザギザのコミック文字、黒い太い輪郭と赤いドロップシャドウのある白、不揃いな角度で傾いており、3つの単語が彼の顔とレンズの間で空中に積み重なってぶら下がっている。トランジション：屋上からの激しい鞭のようなパンで、浮いている単語がモーションストレークで消し飛ぶ — カット2：そびえ立つ巨大な黒いメカカイジュウをローアングルで、空を背景に、後方に反りかえり、巨大で恐ろしい咆哮を放つ — 顎を大きく開けて牙を見せ、赤い目と胸部コアが明るく光り、青い稲妻が頭部から放電し、咆哮の衝撃波が建物の埃を巻き上げ窓を揺らす、音の衝撃からコミックスタイルのスピードラインとインクの飛沫が飛び散る。咆哮がピークに達するにつれて、カメラに向かって傾く。咆哮でホールド。 編集用テクニカルプロダクトフィルム。<Picture 1>の透明なゲーミングマウスを元のシーンで：漆黒のスタジオ空間に、暗く微妙に反射する表面、ドラマチックなデュオトーンの鮮やかな青と温かいネオンオレンジのリムライトで照らされ、深いソフトシャドウが純粋な黒に落ち込む。モノクロームのダークパレットにエレクトリックブルーとアンバーのアクセント。素材モチーフ：光る内部の微細金属部品と光沢のあるアクリルの屈折。環境は全体を通して一定です。ショット1：シーンは画像1と全く同じように始まり、マウスが暗い表面に自信を持って置かれている；青とオレンジのライトがゆっくりと明るく脈打ち、透明なアクリルシェルを通して深く屈折し、カメラがゆっくりと意図的にプッシュインして複雑な回路を明らかにする。ショット2：ギザギザのスクロールホイールと層状の内部微細部品の極端なマクロプロファイルにカット；カメラが側面をゆっくりと滑り、温かいオレンジ色の鋭いビームが金属の質感を横切り、深い青色のアンビエントグローと完璧に対照をなす。ショット3：ローアングルビューティーショットにカット；マウスは暗い反射面から数センチ浮遊し、ゆっくりと正確な軌道で回転する；デュオトーンの照明がガラスのような透明なエッジに沿って穏やかにフレアし、その後、洗練されたシルエットにゆっくりとフェードアウトする。オーディオ：深く脈打つサブベースのルームトーン、シャープで触覚的なメカニカルクリック、カット時のスイープするガラスのようなホイッス、そして最後のフェードでほぼ無音に解決する上昇する電子的なスウェル。 ハイファッションエディトリアルフィルム、豪華なスローモーション全体、ソフトグラデーションのスタジオスカイ。音楽＆SFX：深い太鼓、きらめく琴のピッキング、モダンなサブベースを融合させたシネマティックスコアがフィルムを牽引。ショット1：彼女の隣で、マスクが壊れている — <Picture 2>の浮遊する破片の形成に砕け散り、すべての金継ぎのピースが静止してゆっくりと回転し、それらの間の金の継ぎ目は暗く待機している。彼女はそれらに目を向ける。ショット2：巨大なエネルギーを伴う組み立て — 金の継ぎ目が点火し、溶けた光のアークが溶接火花のようにピースからピースへと飛び散り、ピースが次々と組み合わさり、スローから高速へと加速し、各スナップが金をフレアさせ、溶けた滴が飛び散り、周囲の液体リボンが衝撃波の波紋で震える — 最後のピースが収まり、マスク全体が融合し、その金継ぎの静脈が燃え上がるまで。ショット3：<Picture 3>の黄金の龍が、巨大な蛇のようなフライスルーでフレームを駆け抜ける — 最初は赤いガラスの角、そのコイルが彼女とマスクの周りの空間を巻き込み、鱗が金色の光を投げかけ、その軌跡が後ろの深紅の液体を螺旋状に引きずる。ショット4：龍の軌跡の中で、マスクが磁石のように空気を切り裂いて彼女の顔に引き寄せられる — 速く、激しく、完璧にまっすぐなプル — すべての金の亀裂が光り、金継ぎの静脈がマスクのエッジから首筋、そして夕焼けのジャケットに広がり、刺繍が糸一本ずつ灯るように。 ショット5：彼女は降りてきて、暗い液体の波の上に静かに着地し、ルックブックフレームのようにポーズをとる — 龍が彼女の肩の後ろに巻きつき、両方の液体が彼女の周りを二重らせん状に螺旋状に上昇する。カメラが落ち着くにつれて、編集用のポスターフレームとしてホールド。参照画像として<Picture 1>、<Picture 2>、<Picture 3>を使用。 鮮やかなフィッシュアイプロダクトコマーシャル、ハイパーサチュレートされた夏の光、<Picture 1>の女性が黄色いレインコートを着てジャングルの滝のそばにしゃがみ込み、レンズに向かって虹色のグラデーションソーダ缶を持ち、水滴が滴っている。音楽：アップビートなトロピカルハウストラックがフィルム全体を牽引 — パンチの効いたキックドラム、明るいスティールドラムのピッキング、温かいベースグルーヴ。 カット1：フィッシュアイヒーローフレーム — 彼女がレンズを見つめると、巨大で太いタイポグラフィが彼女の後ろの背景にスタンプされ、ビートごとに1単語：「STAY」次に「HYDRATED」 — フィッシュアイの歪みに沿ってカーブした巨大でクリーンな白いブロックレターがシーン全体に広がり、彼女の後ろ、滝の前に配置される。彼女は反対の手を缶に伸ばし、指をタブに引っ掛ける。 トランジション：タブの極端なクローズアップ — クリスプなクリックヒスで開かれ、クリックと同時にフィッシュアイレンズのアイリスがカメラが瞬きするように黒く閉じる。 カット2：アイリスが新しいPOVで再オープン — 前景に極端に歪んだ缶、フィッシュアイによって大きく歪み、彼女は微笑んで缶から液体を床に捨てる、水滴が重力なく散らばり、太陽光がストリームを通して虹色に屈折し、滝が彼女の後ろで柔らかくなる。 トランジション：彼女は缶を下ろし、太い水滴がレンズに向かって落ち、フレームを満たす — カット3：水滴を通して最終的なワイドショットへ：虹色の缶が正面を向いて静かに浮いている