comfyui-minimax-h3-refine

ComfyUI-MiniMaxH3-Refine

Nœud MiniMax H3 Refine (fl2va) : prend une vidéo brouillon H3 (image + son), générée avec trop peu de steps, et prépare le latent AV et le conditioning positif pour la corriger avec un sampler à faible denoise sur le checkpoint fl2va (beaucoup plus léger que le ref2va, qui garde la vidéo de référence dans la séquence à chaque step).

Installation

Copier le dossier ComfyUI-MiniMaxH3-Refine dans ComfyUI/custom_nodes/, puis redémarrer. Aucune dépendance supplémentaire (utilise torch et torchaudio fournis avec ComfyUI).

Prérequis : une version de ComfyUI avec le support natif de MiniMax H3 (PR #15224) et l'API comfy_api.latest.

Nœud

Catégorie : model/conditioning/minimax

| Entrée | Rôle | |---|---| | clip | Encodeur de texte H3 | | vae | VAE vidéo H3 | | audio_vae | VAE audio H3 | | prompt | Même prompt (structuré) que pour le brouillon, soundscape inclus | | images | Frames du brouillon | | audio (opt.) | Audio du brouillon. Absent = silence | | source_fps | FPS du brouillon (rééchantillonné à 24 fps si différent) | | width / height | 0 = taille du brouillon arrondie au multiple de 32 | | first_frame / last_frame (opt.) | Keyframes propres, réinjectées à chaque step |

Sorties : positive, latent (AV nested), frames (nombre de frames utilisé).

Le nœud coupe le brouillon à la plus grande longueur 17k+5 (ex. 130 -> 124 frames).

Workflow conseillé

GetVideoComponents ──images/audio──► MiniMax H3 Refine (fl2va) ──positive──► BasicGuider (cfg 1) ──► SamplerCustomAdvanced ──► séparation AV ──► VAEDecode (vidéo)
                                                              └─latent──────────────────────────────────────────────────────►                                   └─► décodage VAE audio

• Modèle : checkpoint fl2va (idéalement avec MiniMaxH3SigmaShift, valeurs par défaut 12 / 3).
• BasicGuider avec cfg 1 (le DiT H3 refuse les batchs).
• BasicScheduler : 6 à 8 steps, denoise bas.

Réglage du denoise

Avec un shift vidéo de 12, la plage utile est très basse. Valeurs indicatives (σ vidéo de départ, calcul théorique à confirmer sur ton modèle) :

| denoise | σ vidéo de départ | |---|---| | 0.03 | ≈ 0.27 | | 0.05 | ≈ 0.39 | | 0.08 | ≈ 0.51 | | 0.12 | ≈ 0.62 | | 0.20 | ≈ 0.75 |

Protocole de test :

1. Identité : denoise ≈ 0.01, la sortie doit ressembler au brouillon. Une dérive de couleur ou de saturation indique un souci de normalisation du latent.
2. Balayage : même seed, 0.03 / 0.05 / 0.08 / 0.12 / 0.20, comparer image et son séparément.
3. L'audio reçoit moins de bruit que la vidéo à denoise égal. S'il reste trop proche du brouillon, augmenter le denoise ou shift_audio.

Dépannage

• "latent vidéo inattendu" : vérifier que vae est bien le VAE vidéo H3.
• "impossible d'encoder l'audio" : le nœud essaie les layouts [B,2,L] et [B,L,2] ; vérifier la signature de audio_vae.encode dans ta version de ComfyUI.
• Qualité figée : ne pas mettre de frames du brouillon en first_frame/last_frame.