Geiru Context Suite: 長尺MiniMax H3チェーンをシャープに保つComfyUIノードパック

作者の50クリップテストにおける各セクションの終端: 上段がGeiruの保護あり、下段が同じチェーンを保護なしで実行したもの。

H3は1パスあたり約5秒をレンダリングするため、それより長いものはクリップのチェーンになります。新しいクリップはそれぞれ前のクリップの末尾から始まり、そのコピーで失われたディテールはさらに先へコピーされるため、チェーンが長くなるにつれて色とテクスチャが薄れていきます。

Geiruはその回復作業をサンプリングに移します。すべてのショットは、まだドリフトの影響を受けていない1つのフレームへと引き戻されます。

すべてのショットをクリップ1にピン留めする

Geiru Keystone はクリップ1のフレーム0をすべてのショットの先頭に書き込み、クリップ1の末尾から取ったキャップストーンをその後ろに付加できます。クリップ1のフレーム0は、ドリフトが起こる前に作られた唯一のフレームであり、H3が最も忠実に追従するフレームです。

Geiru Late Lock はそれらのlatentがどのステップで入力されるかを決めるため、ショットはまず自身のポーズに落ち着き、その後でキャップストーンが引き戻します。Geiru Context Noise は保持されたフレームにサンプラーノイズを加えるため、H3は継ぎ目でそれらを正確にコピーしません。

作者は10クリップのチェーンをクリップ10の終端の約20フレーム前で測定しました: クリップ1からの色ドリフトは保護なしの6.4から、keystoneありで3.9、keystoneとLate Lockの併用で2.9に減少し、過剰なシャープ化も軽減しました。

レンダリング開始0:05時点	同じレンダリングの2:00時点

以下に示す2分間レンダリングからの2フレーム。1回の実行で、カットもスティッチングもありません。

5分20秒・4シーンにわたる50クリップのチェーンでは、保護なしのチェーンはクリップ20までに崩壊しましたが、保護ありのチェーンはわずかに暗くなるもののクリーンなままでした。カットや新しいシーンはそれ自体でドリフトをリセットするため、保護は1つの切り替えで済みます: 連続する1つのシーン内ではオン、カットの前後ではオフ。

1回のレンダリングで2分間

Geiru Hybrid Windows はクリップのチェーンを完全にやめます。動画全体をオーバーラップするウィンドウでレンダリングするため、メモリは1ウィンドウ分のサイズに収まり、keystoneとcapstoneが各ウィンドウで繰り返されます。このアプローチはkijaiのマージされたH3コンテキストウィンドウ（ComfyUI PR #17425）とJalenBrunsonのHybridWindowsパックに由来し、どちらもローリングディフュージョン方式に従っています。

デモは1回のレンダリングによる2分6秒の一人称ローラーコースターです: 960x544で3031フレーム、226フレームのウィンドウ16個、オーバーラップ39フレーム、ウィンドウごとに1プロンプト、ウィンドウあたり8ステップ、ステップ6からcapstone、コンテキストノイズはオン、そしてウィンドウごとに保存するクラッシュ保護。

2分間のフルレンダリングを1回の実行からそのまま出力したもの。カットもスティッチングもありません。

2つ目のデモでは、同じ長さを544x960のトーキングポートレートとして制作しています。Hybrid Windowsの後に置くオプションノードGeiru Window Directorは、承認・リロール・巻き戻し・ブレンドをしながら、それらのレンダリングを1ウィンドウずつ構築します。

インストールと設定

ComfyUI Managerで geiru-context-suite を検索するか、リポジトリをクローンしてください。GPL-3.0で、追加のモデルファイルは不要です: Keystoneの latent_folder モードではNikoDemon80のComfyUI-H3-Motion-ContextまたはseitanismのMultiRefがインストール済みである必要があり、Hybrid WindowsにはH3コンテキストウィンドウノードを既に含むComfyUIビルドが必要です。

2つの設定が他より重要です。クリップ長は3の倍数にしてください: 141、192、243、294、または345フレーム。H3の音声は毎秒40ステップで、動画は毎秒24フレームなので、他の長さでは保持された音声が3分の1ステップ切れて、チェーンを下るにつれてサウンドが蓄積します。

作者の推奨値は、Geiru Contextで head_frames 39と drop_last 17、Geiru Anchoringで tail_frames 56と drop_first 17、Late Lockで swap_step 4（ステップ数の最後の4分の1）です。サンプルチェーンはリポジトリの example_workflows/ にあります: ストレートなMotion Contextチェーン用の everyone_wants_a_piece_of_the_clown.json と、10個のクリップを継ぎ目カットで結合する sane_clown_combiner.json です。