Geiru Context Suite сохраняет чёткость длинных цепочек MiniMax H3

Конец каждого участка в тесте автора на 50 клипов: сверху защита Geiru, снизу та же цепочка без неё.

H3 рендерит примерно пять секунд за проход, поэтому всё более длинное это цепочка клипов. Каждый новый клип начинается с конца предыдущего, и детали, потерянные при этом копировании, копируются дальше, поэтому цвет и текстура выцветают по мере роста цепочки.

Geiru переносит эту восстановительную работу в выборку. Каждый кадр подтягивается обратно к тому единственному кадру, которого дрейф ещё не коснулся.

Закрепление каждого кадра за клипом 1

Geiru Keystone записывает кадр 0 клипа 1 в начало каждого кадра и может прикрепить к его концу замковый камень (capstone) из конца клипа 1. Кадр 0 клипа 1 это единственный кадр, созданный до какого-либо дрейфа, и именно ему H3 следует наиболее точно.

Geiru Late Lock решает, на каком шаге эти латенты входят, поэтому кадр сначала стабилизируется на собственной позе, и только потом замковый камень подтягивает его обратно. Geiru Context Noise добавляет шум сэмплера к удерживаемым кадрам, чтобы H3 не копировал их точно на стыке.

Автор измерил цепочку из 10 клипов примерно за 20 кадров до конца клипа 10: цветовой дрейф от клипа 1 упал с 6.4 без защиты до 3.9 с keystone и до 2.9 с keystone плюс Late Lock, при этом избыточная резкость тоже уменьшилась.

0:05 от начала рендера	2:00 того же рендера

Два кадра из двухминутного рендера ниже. Один запуск, без склеек, без сшивания.

На цепочке из 50 клипов длительностью 5 минут 20 секунд в четырёх сценах незащищённая цепочка развалилась к клипу 20, а защищённая осталась чистой, хотя и немного темнее. Склейки и новые сцены сами сбрасывают дрейф, поэтому защита это один переключатель: включён внутри одной непрерывной сцены, выключен вокруг склеек.

Две минуты за один рендер

Geiru Hybrid Windows вообще отказывается от цепочек клипов. Он рендерит всё видео в перекрывающихся окнах, поэтому память остаётся размером в одно окно, а keystone и capstone повторяются в каждом окне. Подход происходит от объединённых контекстных окон H3 от kijai (ComfyUI PR #17425) и пакета HybridWindows от JalenBrunson, которые оба следуют методу rolling diffusion.

Демо это двухминутный шестисекундный аттракцион от первого лица за один рендер: 3031 кадр при 960x544, 16 окон по 226 кадров с перекрытием 39 кадров, один промпт на окно, 8 шагов на окно, capstone с шага 6, контекстный шум включён и защита от сбоев, сохраняющая после каждого окна.

Полный двухминутный рендер прямо из одного запуска: без склеек, без сшивания.

Второе демо делает ту же длину в виде говорящего портрета при 544x960. Geiru Window Director, необязательная нода после Hybrid Windows, собирает такие рендеры по одному окну за раз с подтверждением, перегенерацией, откатом и смешиванием.

Установка и настройки

Найдите geiru-context-suite в ComfyUI Manager или клонируйте репозиторий. Он под GPL-3.0 и не требует дополнительных файлов модели: режим latent_folder в Keystone требует установленного ComfyUI-H3-Motion-Context от NikoDemon80 или MultiRef от seitanism, а Hybrid Windows требует сборки ComfyUI, в которой уже есть ноды контекстных окон H3.

Две настройки важнее остальных. Длина клипов должна быть кратна 3: 141, 192, 243, 294 или 345 кадров. Аудио H3 идёт 40 шагов в секунду против 24 видеокадров, поэтому другие длины обрезают удерживаемое аудио на треть шага, и звук накапливается по цепочке.

Рекомендуемые автором значения: head_frames 39 с drop_last 17 в Geiru Context, tail_frames 56 с drop_first 17 в Geiru Anchoring и swap_step 4 в Late Lock, или последняя четверть вашего числа шагов. Примеры цепочек находятся в example_workflows/ репозитория: everyone_wants_a_piece_of_the_clown.json для прямой цепочки Motion Context и sane_clown_combiner.json для соединения десяти клипов с обрезанными стыками.