14 KiB
H3 Continuum Join 2.1
MiniMax H3を4〜15秒のチャンク単位で連続生成し、前チャンク末尾の映像latentと音声latentを次チャンクへ直接継承するComfyUIカスタムノードです。
V2の主要ノード H3 Continuum Sampler V2 は、V1で実機確認されたContinuation処理を変更せず、Nチャンクの準備・Sampling・State管理・Decode・結合を1ノードへ統合します。V1の5ノードもそのまま残るため、既存ワークフローは継続利用できます。
V2の主な特徴
chunksを指定するだけでNチャンクを順番に生成- V1と同じnative H3 video/audio latent continuation coreを使用
- 同一MODEL、Sampler、Sigmasを全チャンクで共有
- CLIP conditioningと入力画像latentをSampling前にまとめて準備
- H3チャンク間でVideo/Audio VAE Decodeを行わず、全Sampling終了後にDecode
- 全チャンクのraw latentをCPU RAMへ退避し、VRAMに蓄積しない
- Spectrumは1ノードのみ。各チャンクでSpectrum自身のrunを開始・終了
- SageAttention、Sol-Attn、Spectrumのprivate APIを内蔵・複製しない
- 固定
Sequence Prompt端子とAuto / Fixed / List / Timeline解析 chunksに連動する1〜16個のClip N Promptは折りたたみ式の任意OverrideSettings > H3 Continuum > Previewで生成中latentサムネイルをON/OFFSeam Correction: Off / Basic。Offは2.0.2経路、BasicはDecode後だけの境界補正- Basicでは最大3fのAdaptive Cut、制限付き色・輝度補正、最大2f Blend、境界限定Audio補正
- 同じPromptのQwen conditioningを1回だけ作成して再利用
- 5 / 22 / 39フレーム、および保守的なAuto Context
- 64bitの決定的なチャンク別Seed
- Session保存、再開、指定チャンク以降の安全なリロール
- Decode時に最終IMAGEを1回だけ確保し、反復
torch.catを回避 - 音声境界を累積フレーム数から計算し、チャンクごとの丸め誤差を蓄積しない
chunks × chunk_seconds × 24fpsへの最終尺補正- 大きすぎる出力はSampling前のRAM見積りで安全停止
- 追加pip依存なし
対応環境
- ComfyUI v0.31.0以降のnative MiniMax H3
- MiniMax H3 FL2VA / Image-to-Videoモデル
- Python 3.10以降
- batch size 1
- Windows / Linux
本パッケージはComfyUI本体、Spectrum、Sol-Attn、SageAttentionのソースコードを同梱しません。各アクセラレータは別途導入してください。
インストール
- ComfyUIを終了します。
- ZIPを展開します。
- フォルダー全体を次へ配置します。
D:\StabilityMatrix\Data\Packages\ComfyUI_W\custom_nodes\ComfyUI-H3-Continuum-Join\
または展開後にinstall_windows.batを実行します。インストーラーは既存フォルダーを日時付きバックアップへ移し、native H3のAPI、PackedLayout、ノード登録を検査します。
powershell -ExecutionPolicy Bypass -File .\install_windows.ps1
導入後、ComfyUIを再起動してください。
V2の最小ワークフロー
H3 UNET Loader
→ SageAttention
→ Sol-Attn
→ 通常LoRA(必要時)
→ Spectrum Apply MiniMax H3
→ H3 Continuum Sampler V2
CLIP Loader ───────────────→ H3 Continuum Sampler V2
Video VAE Loader ──────────→ H3 Continuum Sampler V2
Audio VAE Loader ──────────→ H3 Continuum Sampler V2
KSampler Select ───────────→ H3 Continuum Sampler V2
Basic Scheduler ───────────→ H3 Continuum Sampler V2
Load Image / scaled IMAGE ─→ first_frame
H3 Continuum Sampler V2
├─ images ─→ CreateVideo
├─ audio ─→ CreateVideo
├─ session ─→ Save Session(任意)
└─ report
MODELへの推奨順は次です。
UNET → Sage → Sol → LoRA → Spectrum → H3 Continuum Sampler V2
ContinuumはSampler内部でMODELを1回だけ追加cloneし、MODEL単位のAPPLY_MODEL wrapperを付加します。グローバルなH3クラス変更は行いません。
H3 Continuum Sampler V2
必須入力
model:Sage / Sol / LoRA / Spectrumを適用済みのH3 MODELclip:MiniMax用Qwen3-VL CLIPvideo_vae:H3 Video VAEaudio_vae:H3 Audio VAEsampler:標準はres_multistepsigmas:標準はsimple / 20 steps / denoise 1.0Sequence Prompt:標準Text (Multiline)を1個接続する固定STRING入力Prompt Format:Auto / Fixed / List / Timeline。形式変更時も接続を維持Clip N Prompt:折りたたみ内の任意Override。接続済み旧端子は折りたたんでも維持prompt_script:画面上では非表示。旧Workflow用の内部フォールバックとして保持chunks:1〜16chunk_seconds:4.0〜15.0。標準5.0width/height:32の倍数continuitybase_seedaudio_continuityexact_total_durationdiagnosticsreroll_from_chunk/reroll_noncestrict_compatibilityseam_correction:Offは2.0.2互換、BasicはV2.1の非破壊境界補正
任意入力
first_frame:全チャンクの長期Identity cue。画像ロードは1回だけでよいlast_frame:最終チャンク末尾のFL2VA anchorsession:保存済みV2 Sessionの再開・リロールinitial_state:V1のH3_CONTINUUM_STATEからV2を開始prompt_plan:H3 Continuum Prompt Plan出力を接続可能
sessionとinitial_stateは同時接続できません。
Promptの優先順位は次のとおりです。
外部 Clip N Prompt Override
→ Sequence Prompt
→ prompt_plan
→ 保存済み prompt_mode / prompt_script
Clip別Overrideがないチャンクは、Sequence Prompt、接続済みprompt_plan、内部フォールバックの順に対応Promptを維持します。生成中サムネイルはSettings > H3 Continuum > Preview > Show latent previewで切り替えます。初期値はONで、OFFにしても最終IMAGE / AUDIOには影響しません。
Promptモード
Fixed — one prompt
同一Promptを全チャンクで使用します。Qwen conditioningは1回だけ作成されます。
The same woman continues singing in one uninterrupted shot...
List — split with ---
Chunk 1 prompt...
---
Chunk 2 prompt...
---
Chunk 3 prompt...
Prompt数が不足すると最後のPromptを繰り返し、余分なPromptは無視してReportへ記録します。JSON文字列配列も使用できます。
Timeline — [0-5s] sections
[0-5s]
First section prompt...
[5-10s]
Second section prompt...
[10-15s]
Third section prompt...
[Chunk 1] / [Clip 2]形式も使えます。時間範囲がチャンクをまたぐ場合は、重なり時間が最大のセクションを採用します。
Continuity
Auto — conservative:latent motion量を測定。境界付近は22fへ戻すBalanced — 22 frames:V1標準。最初の実機検証に推奨Fast — 5 frames:静かな動き、速度優先Strong — 39 frames (Experimental):激しい動き・カメラ、計算量増加
Autoは前Stateのvideo latent時間差を正規化して判定します。判定不能、State容量不足、しきい値付近では安全側の22fを選びます。39fは実験的です。
IdentityとMotionの分離
V2は次を別に扱います。
Long-term Identity
= first_frameをQwen visual tokenとして全チャンクで共有
Short-term Motion / Audio
= 直前チャンク末尾の5 / 22 / 39f video latent
+ 対応するaudio latent
継続チャンクでは旧first-frameの空間keyframeを外しますが、Qwen visual tokenは人物・衣装・背景のIdentity cueとして残します。前チャンクの姿勢、移動方向、口の動き、カメラ運動、音声はnative latent Contextから継続します。
Sessionとリロール
V2出力のsessionには、各チャンクのraw AV latent、Prompt hash、Seed、Plan、Context情報をCPUで保持します。
H3 Continuum Sampler V2.session
→ H3 Continuum Save Session
保存形式:
h3_continuum_session_slot0001.safetensors
h3_continuum_session_slot0001.json
再開
保存済みSessionをLoadし、Samplerのsessionへ接続します。Prompt、解像度、first_frame fingerprintが一致する採用済みチャンクは再生成しません。追加したチャンクだけ生成します。
リロール
reroll_from_chunk = 3
reroll_nonce = 1
この場合、Chunk 1〜2を保持し、Chunk 3以降を新しい決定的Seedで生成します。途中チャンクを変更すると、それ以降は旧Continuationと一致しないため自動的に新しいSession branchになります。元Sessionは上書きされません。
reroll_from_chunk=0は、接続Sessionの一致する採用済みチャンクをすべて再利用します。
SamplingとDecodeの実行順
Phase 1
first/last image resize・VAE encode
unique PromptのQwen encode
Phase 2
H3 Chunk 1 Sampling → CPU latent / State
H3 Chunk 2 Sampling → CPU latent / State
H3 Chunk 3 Sampling → CPU latent / State
※この間Video/Audio Decodeなし
Phase 3
Video/Audio VAE Decode
overlap Trim
累積sample境界で音声を配置
final IMAGE/AUDIOを組立
ComfyUIの動的VRAM管理は引き続き有効です。RTX 5060 Ti 16GBでH3全重みを完全VRAM常駐させるという意味ではありません。V2は同じMODEL objectを使い、H3チャンク間にCLIP/VAE処理を挟まないことで、不要なモデル切替を抑えます。
Spectrum互換
SpectrumはV2の外部MODELノードとして1回だけ適用します。V2はSpectrumのprivate APIを呼びません。
各チャンクのguider.sample()がSpectrumの通常wrapperを通るため、Spectrumはチャンクごとに独立したrunを開始・終了します。前チャンクのSpectrum forecast historyは次チャンクへ流用されません。継承するのはnative video/audio Contextだけです。
推奨初期値:
blend_weight: 0.50
degree: 1
warmup_steps: 1
offline_smoothing_replay: true
audio_blend_weight: 0.00
offline_smoothing_replay=trueではSpectrumが1チャンクにつきcapture/replayの2 passを行います。V2はこの動作を変更しません。
SageAttention / Sol-Attn互換
- SageAttention:Attention kernelを変更せず、そのまま使用
- Sol-Attn:Continuumは
PackedLayout.position_idsTensorを置換せずin-place補正 - SolからSageへのfallback chainを維持
- Contextはnative H3
video/video_audioreference blockとして渡す
本ノードからSolのtau、sink、Morton設定は変更しません。GPU、解像度、内容ごとにA/B比較してください。
Audio / exact duration
V2は各セグメントを個別に丸めて連結しません。累積フレーム境界から、次を直接計算します。
sample_start = round(cumulative_frames / 24 × sample_rate)
sample_stop = round(next_cumulative_frames / 24 × sample_rate)
そのため119フレーム区間を多数つないでも、1sample単位の丸め誤差が累積しません。
exact_total_duration=trueでは、最終結果を次へ合わせます。
target_frames = round(chunks × chunk_seconds × 24)
余分なフレームは通常末尾からTrimします。last_frameが接続されている場合は最終アンカーを失わないよう、余剰を最終フレーム直前から除去し、音声側も短い補間でクリックを抑えながら同じ長さへ合わせます。不足が小さい場合のみ最終フレームと最終音声sampleを最小限反復します。
RAM安全設計
長尺の最終IMAGEはCPU float tensorになるため、解像度と長さに比例してRAMを消費します。V2はSampling開始前に、
- 最終IMAGE
- 1チャンク分のraw Decode
- 基本headroom
を見積もります。現在利用可能RAMの安全範囲を超える場合は、すべてのH3 Samplingを終えた後で失敗しないよう事前停止します。
Decode時は最終IMAGE tensorを1回だけ確保し、各チャンクを所定範囲へcopyします。反復torch.catによる全長コピーは行いません。
Diagnostics
Off:診断を最小化Basic:標準。Seed、Context、motion score、アクセラレータ検出、尺、RAM見積りFull:Basicに加え、接続部のvideo MAE/PSNR、audio correlation、boundary jump
FullはDecode後の測定であり、外部の顔認識モデルやoptical-flowモデルには依存しません。
V1互換ノード
次のV1ノードは2.0でも同じIDで残ります。
- H3 Continuum Join
- H3 Continuum Finish
- H3 Continuum Assemble
- H3 Continuum Save State
- H3 Continuum Load State
V1のH3_CONTINUUM_STATEはV2のinitial_stateへ直接接続できます。V2 SessionからはH3 Continuum Session Infoで最終V1 Stateを取得できます。
制限
- SVI専用学習済みモデルではなく、native H3 conditioningを利用した独自Continuationです
- H3モデル自体の再生成による長期Identity・音色のドリフトを完全には排除できません
- 39fとAutoは内容ごとの実機比較が必要です
- 解像度をまたぐState/Session継続は安全停止します
- Spectrumは近似高速化です。同一SeedでON/OFF比較してください
- 本配布環境ではH3 checkpointを使ったRTX実生成は実施できません。実機検証手順は
docs/VALIDATION_JA.mdを参照してください
同梱ノード
V2
- H3 Continuum Sampler V2
- H3 Continuum Prompt Plan
- H3 Continuum Save Session
- H3 Continuum Load Session
- H3 Continuum Session Info
V1互換
- H3 Continuum Join
- H3 Continuum Finish
- H3 Continuum Assemble
- H3 Continuum Save State
- H3 Continuum Load State
開発・検査
python -m compileall -q .
pytest -q
python tools/verify_runtime.py --comfy-root D:\StabilityMatrix\Data\Packages\ComfyUI_W
ライセンス
GPL-3.0-or-later。