Ventanas temporales y teselas espaciales H3 en ComfyUI
Un paquete de nodos ComfyUI que renderiza vídeo a vídeo H3 largo y de alta resolución con ventanas superpuestas y teselas espaciales.
comfyui-minimax-h3-temporal-window-spatial-tiles (v1.4.0, 2026-11-11).
Un fotograma del vídeo de demostración del autor para el paquete.
H3 muestrea en pasadas cortas, así que un plano largo implica una pasada por fragmento y el movimiento se desvía en cada transición. Este paquete mantiene el clip fuente al mando: cada ventana continúa a partir de los fotogramas finalizados de la ventana anterior, y cada tesela lee su propio recorte de ese mismo metraje.
Requiere soporte nativo de MiniMax H3 en ComfyUI (v0.35.0 o posterior) y ninguna dependencia adicional. Con una sola ventana y el teselado desactivado, la salida es idéntica bit a bit al flujo de trabajo estándar, lo que resulta una forma práctica de comprobar la instalación.
Las dos configuraciones que importan
| Configuración | Qué usar |
|---|---|
window_frames | Fotogramas por ventana en la rejilla 17k+5 de H3. 124 son 5,2 s; 175 son 7,3 s. |
overlap_frames | Fotogramas que comparten las ventanas vecinas. 22 es el valor predeterminado; súbelo a 39 si aparece una unión visible. |
carry_overlap | Déjalo activado. Cada ventana parte de los fotogramas de solapamiento finalizados de la ventana anterior, vídeo y audio juntos. |
spatial_tiles | Desactivado por defecto. Necesita un vídeo de referencia; de lo contrario, una pasada de denoise completo repite el sujeto en cada tesela. |
tile_overlap | 192 px o más. Las bandas más anchas ocultan las costuras entre teselas. |
tile_carry | sync (predeterminado desde la v1.3.0): todas las teselas avanzan juntas y coinciden en la imagen, así que el movimiento rápido ya no deja estelas fantasma a través de una costura. |
Cada tesela queda en torno a 1 MP (960x544 es el ejemplo del autor), así que un plano de 2,5 MP son unas pocas teselas por ventana en lugar de una única pasada sobredimensionada.
La entrada plate
Reference to Video siempre reduce un clip de referencia a unos 768p. Por encima de aproximadamente 1 MP, o en una segunda pasada de refinado, las teselas siguen entonces una copia reducida y suave. Conecta el mismo clip a resolución completa a la entrada opcional plate y cada tesela obtiene su propio recorte nítido en su lugar.
Eso cuesta tiempo: con plate_scale 1.0 el autor midió 1330 s frente a 812 s para la misma ejecución sin plate. Bajar plate_scale a 0.5 recupera la mayor parte y sigue superando a la referencia simple.
Flujos de trabajo de ejemplo
Ambos están en la carpeta example_workflows del repositorio y en Flujo de trabajo → Explorar plantillas una vez instalados. Dependen de otros cuantos paquetes de nodos, que Instalar nodos personalizados faltantes del Administrador de ComfyUI resuelve.
El paquete incluye dos nodos más: Long Generation hace texto a vídeo e imagen a vídeo largos con una línea de tiempo de prompts por ventana, y la v1.4.0 añadió Multi Guide, que reúne hasta 16 guías de imagen o audio en un solo nodo en lugar de una cadena de nodos Add Guide.
Dónde se sigue notando
El movimiento puede titubear durante un fotograma o dos allí donde se relevan las ventanas, y las zonas planas como el cielo o las paredes pueden diferir ligeramente entre teselas. El README también lo compara con el nodo Context Windows integrado de ComfyUI: mezclar cada ventana en cada paso elimina el momento de transición, pero en la prueba comparativa del autor dio una imagen más suave y un personaje cuyo aspecto cambiaba lentamente.
La ruta que el autor recomienda para fotogramas grandes es la de dos etapas incluida en los ejemplos: generar en torno a 1 MP, luego aplicar upscale al latente y ejecutar el nodo V2V de nuevo con las teselas activadas y sigmas bajas.
Comentarios
Inicia sesión con GitHub para unirte a la conversación.