Geiru Context Suite : garder nettes les longues chaînes H3

Fin de chaque section dans le test de 50 clips de l'auteur : protection Geiru en haut, la même chaîne sans elle en bas.

H3 rend environ cinq secondes par passe, donc toute vidéo plus longue est une chaîne de clips. Chaque nouveau clip part de la fin de celui qui le précède, et les détails perdus lors de cette copie sont copiés à nouveau plus loin, si bien que les couleurs et les textures s'estompent à mesure que la chaîne s'allonge.

Geiru déplace ce travail de récupération dans l'échantillonnage. Chaque plan est ramené vers l'unique image qu'aucune dérive n'a encore touchée.

Épingler chaque plan au clip 1

Geiru Keystone écrit l'image 0 du clip 1 au début de chaque plan et peut ajouter une pierre de couronnement issue de la fin du clip 1 à son extrémité. L'image 0 du clip 1 est la seule image produite avant toute dérive, et c'est celle que H3 suit le plus fidèlement.

Geiru Late Lock détermine à quelle étape ces latents sont injectés, afin qu'un plan se stabilise d'abord sur sa propre pose et que la pierre de couronnement ne le ramène qu'ensuite. Geiru Context Noise ajoute du bruit d'échantillonneur aux images maintenues, pour que H3 ne les copie pas exactement à la jonction.

L'auteur a mesuré une chaîne de 10 clips à environ 20 images avant la fin du clip 10 : la dérive de couleur par rapport au clip 1 est passée de 6,4 sans protection à 3,9 avec le keystone, et à 2,9 avec le keystone plus Late Lock, avec également moins de suraccentuation.

0:05 dans le rendu	2:00 dans le même rendu

Deux images du rendu de deux minutes ci-dessous. Une seule exécution, sans coupes ni assemblage.

Sur une chaîne de 50 clips de 5 minutes 20 secondes répartis sur quatre scènes, la chaîne non protégée s'était effondrée au clip 20, tandis que la chaîne protégée est restée propre, bien que légèrement plus sombre. Les coupes et les nouvelles scènes réinitialisent la dérive d'elles-mêmes, c'est pourquoi la protection n'est qu'un seul interrupteur : activée dans une scène continue, désactivée autour des coupes.

Deux minutes en un seul rendu

Geiru Hybrid Windows cesse complètement d'enchaîner les clips. Il rend toute la vidéo en fenêtres qui se chevauchent, de sorte que la mémoire reste à la taille d'une seule fenêtre, avec le keystone et la pierre de couronnement répétés dans chacune. L'approche provient des fenêtres de contexte H3 fusionnées de kijai (ComfyUI PR #17425) et du pack HybridWindows de JalenBrunson, qui suivent tous deux la méthode du rolling-diffusion.

La démonstration est un roller coaster à la première personne de 2 minutes 6 secondes en un seul rendu : 3031 images en 960x544, 16 fenêtres de 226 images avec un chevauchement de 39 images, un prompt par fenêtre, 8 étapes par fenêtre, pierre de couronnement à partir de l'étape 6, bruit de contexte activé, et une protection contre les plantages qui sauvegarde après chaque fenêtre.

Le rendu complet de deux minutes, directement issu d'une seule exécution : sans coupes ni assemblage.

Une seconde démonstration réalise la même durée sous forme de portrait parlant en 544x960. Geiru Window Director, un nœud optionnel placé après Hybrid Windows, construit ces rendus fenêtre par fenêtre avec approbation, relance, retour en arrière et fusion.

Installation et paramètres

Recherchez geiru-context-suite dans ComfyUI Manager, ou clonez le dépôt. Il est sous licence GPL-3.0 et ne nécessite aucun fichier de modèle supplémentaire : le mode latent_folder de Keystone requiert l'installation de ComfyUI-H3-Motion-Context de NikoDemon80 ou de MultiRef de seitanism, et Hybrid Windows nécessite une version de ComfyUI qui possède déjà les nœuds de fenêtres de contexte H3.

Deux paramètres comptent plus que les autres. Les longueurs de clip doivent être des multiples de 3 : 141, 192, 243, 294 ou 345 images. L'audio de H3 tourne à 40 étapes par seconde contre 24 images vidéo, donc les autres longueurs tronquent l'audio maintenu d'un tiers d'étape et le son s'accumule au fil de la chaîne.

Les valeurs recommandées par l'auteur sont head_frames 39 avec drop_last 17 sur Geiru Context, tail_frames 56 avec drop_first 17 sur Geiru Anchoring, et swap_step 4 sur Late Lock, soit le dernier quart de votre nombre d'étapes. Des chaînes d'exemple se trouvent dans le dossier example_workflows/ du dépôt : everyone_wants_a_piece_of_the_clown.json pour une chaîne Motion Context simple, et sane_clown_combiner.json pour assembler dix clips en coupant les jonctions.