H3 Continuity Studio: escenas H3 consistentes entre cortes

El Studio coloca la línea de tiempo, el visor y el inspector de clips en un solo panel sobre un flujo de trabajo H3 normal.

H3 genera aproximadamente cinco segundos por pasada, así que cualquier cosa más larga es una cadena de uniones. La mayoría de las cadenas se construyen a mano: reutilizar el último fotograma, realimentarlo como primer fotograma, confiar en que el color y la composición se mantengan. El modo de fallo es bien conocido en Banodoco: el tercer o cuarto eslabón se desvía, y la solución es volver a renderizar desde un punto anterior.

Este paquete traslada esa contabilidad a un lienzo. Los clips se sitúan en una línea de tiempo con sus propios prompts, imágenes, ranuras de referencia y configuraciones; el editor los renderiza uno a uno o en secuencia, y la unión entre dos clips cualesquiera es una elección explícita en lugar de un accidente de cómo se conectó el último fotograma.

Cuatro tipos de unión

La línea de tiempo distingue cuatro relaciones entre clips consecutivos:

• Continuar transporta el contexto del clip anterior para que el nuevo retome la acción a mitad de camino.
• Corte inicia un objetivo nuevo a partir de un prompt nuevo, que es donde suele entrar la desviación.
• Nueva escena inicia una escena nueva manteniendo el historial visual de la película, de modo que el nuevo prompt define el entorno.
• Puente renderiza una transición corta generada entre dos tomas sin volver a renderizar ninguna de ellas.

Se conservan varias tomas por clip como candidatas en lugar de sobrescribirlas, y volver a renderizar un clip que un clip posterior recuerda marca el clip dependiente como pendiente de un render, con el motivo en su tooltip.

Un puente generado se sitúa entre dos clips, de modo que ninguna de las dos tomas tiene que volver a renderizarse para ocultar la unión.

Memoria visual: cinco fotogramas, leídos desde el latente original

Lo interesante es lo que ocurre en un corte. H3 normalmente solo ve el nuevo prompt, así que una habitación, un abrigo o una casa pueden cambiar sin que se note. La memoria visual muestra a H3 momentos anteriores de la película como una referencia de vídeo nativa, escrita en el prompt como <Video N>.

Cada momento recordado es una ventana de cinco fotogramas. Se lee desde el latente de vídeo original de un clip guardado y se entrega al modelo de difusión a nivel de latente, así que no hay decodificación, recodificación ni ida y vuelta por píxeles; solo el codificador de texto ve una presentación decodificada del mismo. No interviene ningún modelo, dependencia ni parche adicional. H3 ajusta cada momento a un límite de 17 fotogramas antes de leerlo, por lo que una ventana puede comenzar ligeramente antes de la marca de tiempo que elegiste. En un corte, todos los modos habilitados también suministran el latente original del clip precedente completo, que es lo que transporta la composición y la apariencia de los objetos mientras la siguiente toma parte de un objetivo nuevo.

Dos momentos seleccionados en las configuraciones de un clip, cada uno listado con su clip de origen y su tiempo.

Se exponen cuatro modos por clip:

Los momentos seleccionados son la vía manual: elige el clip anterior y un momento de su material entregado, describe lo que importa (red brick house, blue door, three upstairs windows), y renderiza primero el clip de origen. Un clip cuya fuente falta o está desactualizada se detiene con un mensaje de "renderiza primero la fuente" en lugar de generar algo sutilmente incorrecto.

Izquierda: la habitación que estableció el primer clip. Derecha: un clip posterior desde otro ángulo, renderizado con momentos seleccionados de ese primer clip.

La demo y lo que no demuestra

El repositorio incluye examples/memory_demo.json, una película de seis clips con un puente: un salón, un corte al exterior, un puente hacia una vista del porche, un corte de vuelta al interior que reutiliza momentos del primer clip, una vista de esquina de la misma habitación y una toma de lectura en continuidad cuya memoria está desactivada porque la continuación ya transporta el clip anterior. Se renderizó a 1024 x 576, 24 fps, con 39 fotogramas transportados, y no necesita referencias subidas ni credenciales para reproducirse.

El montaje de concurso del proyecto: la película completa más secciones explicativas breves, en menos de dos minutos.

El autor es explícito sobre los límites. Las comprobaciones de regresión cubren la reutilización de latentes, los desfases de tiempo entregado, la recuperación entre cortes, la invalidación de fuentes y el editor, pero el renderizador no se ha evaluado visualmente en todos los modos de memoria. La prueba justa sugerida es renderizar las mismas semillas de tres formas (memoria desactivada, memoria automática de escena, vista elegida a mano) y comparar la retención de detalles, el movimiento en las uniones, el tiempo de ejecución y la VRAM. El ejemplo es una demostración de detalles retenidos, no una garantía de geometría idéntica entre configuraciones.

Instalación

Clona el repositorio en ComfyUI/custom_nodes/ComfyUI-H3-Continuity-Studio y ejecuta pip install -r requirements.txt con el mismo entorno de Python que ComfyUI, o usa el python_embeded/python.exe de la compilación portable en Windows. Reinicia, carga examples/h3_story_studio.json y luego apunta los cargadores de modelos a tu propio modelo de difusión H3, codificador de texto, VAE de vídeo, VAE de audio y LoRA opcional: el ejemplo registra los nombres de archivo del autor original y no descarga nada.

Context Windows necesita una compilación de ComfyUI que ya contenga el nodo central MiniMax H3 Context Windows, y el escritor de historias opcional necesita un endpoint compatible con OpenAI configurado por separado, local o en la nube, que recibe el texto de la historia y, si está habilitado, imágenes de referencia. La generación sigue necesitando una GPU y pesos de H3. El texto opcional de la guía de prompts de MiniMax no está incluido; el paquete funciona sin él e informa de las guías faltantes.

El proyecto ha estado publicando rápido: cinco etiquetas entre el 2 y el 3 de noviembre, con la última añadiendo paneles redimensionables del Studio y zoom de línea de tiempo, después de que las anteriores incorporaran dividir en la guía, una relación de aspecto libre para flujos de trabajo configurados e historias guardadas que conservan sus guías de fotogramas.