Fenêtres temporelles et tuiles spatiales H3 dans ComfyUI

ComfyUI Wikinews

Un pack de nœuds ComfyUI qui rend la vidéo-vers-vidéo MiniMax H3 longue et haute résolution en fenêtres chevauchantes et tuiles spatiales.

<strong>Minimax H3 V2V Temporal Window &amp; Spatial Tiles</strong> restyle un long clip dans ComfyUI en le découpant en fenêtres chevauchantes, puis en découpant chaque fenêtre en tuiles. Installez-le depuis le Gestionnaire ComfyUI ou le registre sous le nom comfyui-minimax-h3-temporal-window-spatial-tiles (v1.4.0, 2026-11-11).
Une image de la vidéo de démonstration du pack

Une image de la vidéo de démonstration de l'auteur pour ce pack.

H3 échantillonne par passes courtes : un plan long implique donc une passe par segment, et le mouvement dérive à chaque transition. Ce pack laisse le clip source aux commandes : chaque fenêtre se poursuit à partir des images terminées de la fenêtre précédente, et chaque tuile lit son propre recadrage de ces mêmes images.

Il nécessite la prise en charge native de MiniMax H3 dans ComfyUI (v0.35.0 ou plus récent) et aucune dépendance supplémentaire. Avec une seule fenêtre et le tuilage désactivé, la sortie est identique au bit près à celle du flux de travail d'origine, ce qui est un moyen pratique de vérifier l'installation.

Les deux paramètres qui comptent

ParamètreValeur à utiliser
window_framesImages par fenêtre sur la grille 17k+5 de H3. 124 correspond à 5,2 s, 175 à 7,3 s.
overlap_framesImages partagées par les fenêtres voisines. 22 est la valeur par défaut ; passez à 39 si une jonction se voit.
carry_overlapLaissez activé. Chaque fenêtre démarre à partir des images de chevauchement terminées de la fenêtre précédente, vidéo et audio ensemble.
spatial_tilesDésactivé par défaut. Nécessite une vidéo de référence, sinon une passe à débruitage complet répète le sujet dans chaque tuile.
tile_overlap192 px ou plus. Des bandes plus larges masquent les coutures entre les tuiles.
tile_carrysync (par défaut depuis la v1.3.0) : toutes les tuiles avancent ensemble et s'accordent sur l'image, de sorte qu'un mouvement rapide ne laisse plus de rémanence en travers d'une couture.

Les tuiles font environ 1 MP chacune (960x544 dans l'exemple de l'auteur), donc un plan de 2,5 MP représente quelques tuiles par fenêtre plutôt qu'une seule passe surdimensionnée.

L'entrée plate

Reference to Video réduit toujours un clip de référence à environ 768p. Au-delà d'environ 1 MP, ou lors d'une seconde passe d'affinage, les tuiles suivent alors une copie redimensionnée et adoucie. Connectez le même clip en pleine résolution à l'entrée facultative plate et chaque tuile obtient à la place son propre recadrage net.

Cela coûte du temps : avec plate_scale à 1.0, l'auteur a mesuré 1330 s contre 812 s pour la même exécution sans plate. Réduire plate_scale à 0.5 récupère l'essentiel de cet écart et reste meilleur que la simple référence.

Flux de travail d'exemple

Les deux se trouvent dans le dossier example_workflows du dépôt et, une fois installés, sous Flux de travail → Parcourir les modèles. Ils s'appuient sur quelques autres packs de nœuds, que la fonction Installer les nœuds personnalisés manquants du Gestionnaire ComfyUI résout.

Deux autres nœuds accompagnent le pack : Long Generation réalise du texte-vers-vidéo et de l'image-vers-vidéo longs avec une chronologie de prompts par fenêtre, et la v1.4.0 a ajouté Multi Guide, qui rassemble jusqu'à 16 guides image ou audio dans un seul nœud au lieu d'une chaîne de nœuds Add Guide.

Là où cela se voit encore

Le mouvement peut hésiter sur une image ou deux là où les fenêtres se relaient, et les zones uniformes comme le ciel ou les murs peuvent différer légèrement d'une tuile à l'autre. Le README le compare aussi au nœud Context Windows intégré à ComfyUI : mélanger chaque fenêtre à chaque étape supprime le moment de transition, mais dans le test comparatif de l'auteur, cela a donné une image plus adoucie et un personnage dont l'apparence changeait lentement.

La méthode que l'auteur recommande pour les grandes images est celle en deux étapes fournie dans les exemples : générer autour de 1 MP, puis suréchantillonner le latent et relancer le nœud V2V avec les tuiles activées et des sigmas bas.

Commentaires

Connectez-vous avec GitHub pour rejoindre la discussion.

Chargement des commentaires…
Fenêtres temporelles et tuiles spatiales H3 dans ComfyUI | ComfyUI Wiki