Geiru Context Suite mantiene nítidas las cadenas largas de MiniMax H3

Final de cada sección en la prueba de 50 clips del autor: la protección de Geiru arriba y la misma cadena sin ella abajo.

H3 renderiza unos cinco segundos por pasada, así que cualquier cosa más larga es una cadena de clips. Cada clip nuevo parte del final del anterior, y el detalle que se pierde en esa copia se vuelve a copiar hacia delante, por lo que el color y la textura se desvanecen a medida que la cadena crece.

Geiru traslada ese trabajo de recuperación al muestreo. Cada plano se atrae de vuelta hacia el único fotograma que la deriva todavía no ha tocado.

Anclar cada plano al clip 1

Geiru Keystone escribe el fotograma 0 del clip 1 al inicio de cada plano y puede añadirle una piedra angular (capstone) tomada del final del clip 1. El fotograma 0 del clip 1 es el único que se generó antes de cualquier deriva, y es el fotograma que H3 sigue con mayor fidelidad.

Geiru Late Lock decide en qué paso entran esos latentes, de modo que un plano se asienta primero en su propia pose y la capstone solo lo atrae de vuelta después. Geiru Context Noise añade ruido del sampler a los fotogramas retenidos, para que H3 no los copie exactamente en la unión.

El autor midió una cadena de 10 clips unos 20 fotogramas antes del final del clip 10: la deriva de color respecto al clip 1 cayó de 6.4 sin protección a 3.9 con el keystone, y a 2.9 con el keystone más Late Lock, con además menos sobrenitidez.

0:05 del render	2:00 del mismo render

Dos fotogramas del render de dos minutos que aparece más abajo. Una sola ejecución, sin cortes ni empalmes.

En una cadena de 50 clips de 5 minutos y 20 segundos a lo largo de cuatro escenas, la cadena sin protección se desmoronó en el clip 20, mientras que la protegida se mantuvo limpia, aunque algo más oscura. Los cortes y las escenas nuevas reinician la deriva por sí solos, y por eso la protección es un único interruptor: activada dentro de una escena continua, desactivada alrededor de los cortes.

Dos minutos en un solo render

Geiru Hybrid Windows deja de encadenar clips por completo. Renderiza todo el vídeo en ventanas superpuestas, de modo que la memoria se mantiene en el tamaño de una ventana, con el keystone y la capstone repetidos en cada una. El enfoque proviene de las ventanas de contexto de H3 fusionadas de kijai (ComfyUI PR #17425) y del paquete HybridWindows de JalenBrunson, que siguen ambos el método de difusión rodante.

La demo es una montaña rusa en primera persona de 2 minutos y 6 segundos en un solo render: 3031 fotogramas a 960x544, 16 ventanas de 226 fotogramas con una superposición de 39 fotogramas, un prompt por ventana, 8 pasos por ventana, capstone desde el paso 6, ruido de contexto activado y protección contra fallos que guarda después de cada ventana.

El render completo de dos minutos, tal cual sale de una sola ejecución: sin cortes ni empalmes.

Una segunda demo hace la misma duración como retrato parlante a 544x960. Geiru Window Director, un nodo opcional que va después de Hybrid Windows, construye esos renders ventana a ventana con aprobar, regenerar, rebobinar y mezclar.

Instalar y configuraciones

Busca geiru-context-suite en el Administrador de ComfyUI, o clona el repositorio. Es GPL-3.0 y no necesita archivos de modelo adicionales: el modo latent_folder de Keystone requiere que esté instalado ComfyUI-H3-Motion-Context de NikoDemon80 o MultiRef de seitanism, y Hybrid Windows necesita una compilación de ComfyUI que ya tenga los nodos de ventanas de contexto de H3.

Hay dos configuraciones que importan más que el resto. Las longitudes de clip deben ser múltiplos de 3: 141, 192, 243, 294 o 345 fotogramas. El audio de H3 avanza a 40 pasos por segundo frente a 24 fotogramas de vídeo, así que otras longitudes recortan el audio retenido en un tercio de paso y el sonido se va acumulando a lo largo de la cadena.

Los valores recomendados por el autor son head_frames 39 con drop_last 17 en Geiru Context, tail_frames 56 con drop_first 17 en Geiru Anchoring, y swap_step 4 en Late Lock, o el último cuarto de tu número de pasos. Las cadenas de ejemplo están en example_workflows/ del repositorio: everyone_wants_a_piece_of_the_clown.json para una cadena directa de Motion Context, y sane_clown_combiner.json para unir diez clips con las costuras recortadas.