Communitygithub.com

Violinet-tech/seamless-loop-video

Verwandle ein Standbild in ein nahtlos loopendes Hintergrundvideo für Web-Hintergründe mit MiniMax H3 in ComfyUI.

Was ist seamless-loop-video?

Diese Fähigkeit verwandelt ein einzelnes Standbild in ein nahtlos loopendes Ambient-Video für Webseiten-Hintergründe (Hero-Header, Seitenhintergründe). Sie nutzt MiniMax H3 in ComfyUI und behebt die typischen Probleme, die bei KI-generierten Loops auftreten: keine Bewegung, ruckelnde Loops, keine Atmosphäre. Der Skill trennt strikt die Bewegungsgenerierung (make-loop.py) vom Loop-Closing (mit echten Frames via Bridge-Take, Schnittpunkt oder Flow-Inbetweenern statt Crossfades). Enthalten sind Messwerkzeuge, um die Qualität des Loops objektiv zu beurteilen, und eine Chain-Funktion, um mehrere kurze Takes zu einem langen, schnellen Loop zu verbinden. Der Skill ist primär für ComfyUI auf der lokalen Maschine gedacht (alle Modelle lokal installiert).

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add Violinet-tech/seamless-loop-video

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Vorschau

Aus dem Skill-README

Dokumentation

Nahtlos loopendes Video aus einem Standbild

Zwei Stufen, und sie getrennt zu halten ist der ganze Trick:

  1. make-loop.py erzeugt Bewegung. Es versucht NICHT zu loopen.
  2. Der Loop wird mit ECHTEN Frames (Bridge Take, Schnittpunkt oder Flow-Inbetweener) geschlossen, die in Remotion/HyperFrames komponiert werden. Vermeide Crossfades zum Schließen des Loops; sie geistern bei gerichteter Bewegung.
  3. chain.py fügt mehrere kurze Takes zu einem langen Loop zusammen, für wenn ein einzelner Render nicht gleichzeitig lang und schnell sein kann (§5).

Die drei Skripte sind in scripts/. Setze COMFY_URL, wenn dein ComfyUI nicht auf http://127.0.0.1:8188 läuft. Alles unten wurde gelernt, indem wir es zuerst falsch gemacht haben; jede Regel enthält die Messung, die sie hervorgebracht hat.

python make-loop.py <image> "<prompt>" --width 544 --height 800 --length 73 --steps 8 --physics 80 --seed 11
python seamless.py  <raw.mp4> <out.mp4> --fade 20
python chain.py     <out.mp4> --fade 14 <a.mp4> <b.mp4> <c.mp4>

1. Bewegung überhaupt bekommen

Die ersten Render hatten keinen Wind, keine Atmosphäre und keinen Gang. Jeder einzelne davon war auf den bewegungsunterdrückenden Wert eingestellt:

EinstellungFalschRichtigWarum
last_frame= first_frameweglassenDas Ende an das Startbild zu binden ist eine Anweisung, dorthin zurückzukehren, wo es begann, also erkauft sich das Modell den Loop, indem es sich weigert, sich zu bewegen. Dies ist die mit Abstand häufigste Ursache.
steps48Die Turbo LoRA wird als 4-Schritt vermarktet. Beide veröffentlichten i2v-Graphen verwenden 8 (euler) oder 20 (res_multistep). Vier ist die Untergrenze für ein kohärentes Bild, nicht für Bewegung.
shift_video12.0 (Knoten-Standard)6.0Jeder Referenzworkflow übergibt 6.
LoRA-Stacknur turboturbo + wushu_spatial_physics_v2Ein räumlich-physikalischer Adapter. Dies verleiht Stoff, Wasser und einer gehenden Figur Gewicht.
Prompt"sanft", "subtil", "Kamera völlig still"aktive Physik-VerbenNach Subtilität zu fragen, bringt Subtilität.

Gemessener Effekt der Korrektur aller fünf, gleiches Quellbild:

                    vorher   nachher
medianer Bildschritt     1,73  →  4,55     2,6x
kumulative Bewegung     133  →   325     2,4x

Schreibe Prompts als Physik, nicht als Stimmung. Nenne, was sich bewegt und wie: "sie geht vorwärts, ihre Haare und ihr Kleid von starkem Wind geblasen; Blütenblätter reißen sich los und wirbeln rotierend; die Gischt wallt auf und kräuselt sich; Nebel rollt über den Boden". Vermeide "ambient", "sanft", "subtil", "langsam", "Kamera gesperrt" — sie kosten alle Bewegung.

Länge und die darin liegende Falle

--length sitzt auf dem 17k+5-Raster des Modells (5, 22, 39, 56, 73 … 192, 243). Der Knoten schnappt ansonsten stillschweigend hoch. Der trainierte Bereich des Modells liegt bei ~124–362 Frames (laut eigenem Tooltip), also liegen 73 unter dem, worauf es trainiert wurde, und 192 sind exakt 8,0 s.

Aber Länge erkauft keine Bewegung, und anzunehmen, dass sie es tut, ist ein verschwendeter Render. Gleiches Bild, gleicher Prompt, gleiche Einstellungen, nur die Bildanzahl geändert:

 73 Frames   medianer Bildschritt 4,55   kumulative Bewegung 325
192 Frames   medianer Bildschritt 1,25   kumulative Bewegung 293

Identische Reise, 2,6-fache Zeit — d.h. Zeitlupe. Das Modell schreitet alles, was der Prompt beschreibt, über die ihm gegebene Dauer aus; Bewegung-pro-Sekunde x Dauer ist für einen gegebenen Prompt ungefähr konstant.

Die beiden Hebel sind also unabhängig und beide werden benötigt:

  • Dauer kommt von --length.
  • Geschwindigkeit kommt vom PROMPT, der genug zu tun hat. Eine Szenenbeschreibung ("Wind bläst, Blütenblätter treiben") ist etwa drei Sekunden Material; auf acht gedehnt kriecht es.

Schreibe für einen langen Clip, der sich dennoch bewegt, aufeinanderfolgende Beats und sage das explizit: "sie schreitet vorwärts und schreitet weiter, ohne zu pausieren; eine harte Böe fegt durch; Blütenblätter reißen sich los und brechen zu einer wirbelnden Wolke hervor; die Gischt wallt auf und bricht zurück; das Gitter flackert und pulsiert schnell; Nebel fegt darüber und klart auf. Kontinuierliche schnelle Bewegung vom ersten bis zum letzten Frame, keine Stille, keine Zeitlupe."

Langsames Tempo ist nicht immer falsch — für einen verschleierten Hintergrund kann es besser sein als hektisch. Beurteile es pro Oberfläche: Helden wollen Geschwindigkeit, Platten wollen Drift.

192 Frames entsprechen ~2,6x der VRAM-Zeit von 73: 662 s bei 544x800 auf einer 12 GB RTX 3060, was mit 1,7 GB Spielraum gehalten wurde. Reduziere die Auflösung statt der Länge, um es passend zu machen.

Von diesem Skill verwendete Modelle (alle lokal, alle müssen in deiner ComfyUI installiert sein)

UNET    minimax_h3_fl_or_ref2va_w4a8_pruned_a.safetensors
LoRA 1  minimax_h3_fl2v_turbo_4step_v1.2_768p.safetensors      1.0
LoRA 2  Minimax H3\wushu_spatial_physics_v2_1000_pruned.safetensors  0.8
CLIP    minimaxH3Fl2vaPruned_fl2vaPrunedFp8Scaled_txt.safetensors   Typ "minimax"
VAE     minimax_h3_video_vae_fp16.safetensors

Greife nicht auf einer 12-GB-Karte nach qwen3vl_32b_minimax_h3_nvfp4_awq als Textencoder; der oben genannte fp8-beschnittene ist das, was passt. ~5,5 min pro 73-Frame-Clip bei 608x896 auf einer RTX 3060.


2. Schließen des Loops: Echte Frames einem Crossfade vorziehen

Eine Überblendung oder ein Cross-Dissolve geistert bei allem mit gerichteter Bewegung (eine gehende Figur, treibender Nebel). seamless.py und chain.py machen Crossfade, behandle sie also als die schnelle Option und baue die Naht aus echten Frames, wenn Qualität wichtig ist, mit einem beliebigen Compositor, der harte Schnitte ermöglicht (Remotion, HyperFrames, ffmpeg, ein Videoeditor):

  1. Bridge Take (bevorzugt). Rendere einen zweiten MiniMax H3-Clip mit first_frame = dem LETZTEN Frame des Loop-Clips und last_frame = seinem ERSTEN Frame. Füge A + Bridge mit harten Schnitten in Remotion oder HyperFrames zusammen. Die Bewegung trägt die Wicklung; nichts löst sich auf.
  2. Wähle einen echten Loop-Punkt. Durchsuche den Clip nach einem späten/frühen Frame-Paar, das innerhalb von ~1,5x des medianen Bildschritts liegt, und schneide dort.
  3. Bewegungskompensierte Inbetweener (optischer Fluss: RIFE/FILM, ffmpeg minterpolate mci, oder Resolve Speed Warp) nur wenn die Lücke von Ende zu Anfang klein ist; bei einer großen Lücke morphen sie.

Komponiere und exportiere den endgültigen Loop in Remotion oder HyperFrames (harte Schnitte, <Loop>/Looping-Komposition), und messe dann die Wicklung wie in Abschnitt 3.

3. Messen — wo jeder Fehler gemacht wurde

Drei separate Messfehler haben jeweils einen Loop abgelehnt, der in Ordnung war. Wenn ein Loop "fehlschlägt", verdächtige die Messung vor dem Neurendern.

Vergleiche die Naht mit der eigenen Bildschrittverteilung des Clips, nicht mit Null und nicht mit einer Stichprobe. Eine Naht ist unsichtbar, wenn sie nicht größer ist als die Änderungen um sie herum.

  1. Eine einzelne mid-Clip-Stichprobe ist nicht "normal". Die Bewegung ist ungleichmäßig; die Mitte ist oft der ruhige Teil. Das Abtasten eines einzigen Übergangs dort ließ einen Clip bestehen, dessen Wicklung tatsächlich sein größter Sprung war. Lies jeden inneren Schritt in einem Durchlauf: ffmpeg -vf "tblend=all_mode=difference,signalstats,metadata=print".
  2. Ein Perzentil allein ist hart bei einer engen Verteilung. Eine Naht, die 27 % über dem Median liegt, kann am 98. Perzentil sitzen und dennoch kleiner sein als der größte gewöhnliche Schritt. Beurteile sowohl: innerhalb des beobachteten Bereichs UND innerhalb von ~1,5x des Medians.
  3. Messe eine VERLUSTFREIE Kodierung, nicht die ausgelieferte Datei. Das Ausgangs-Frame 0 ist ein I-Frame; seine Nachbarn sind P-Frames, also misst die Differenzbildung dagegen zwei Kodierungen zusätzlich zu zwei Bildern.
    gleicher Loop, verlustfrei : Naht 2,99
    gleicher Loop, CRF 26      : Naht 4,65    <- 1,66 reiner Codec
    
    Der Hinweis: Die Zahl ändert sich nicht, wenn du den Clip zuschneidest. Inhaltsunabhängige Konstante = Artefakt, nicht Inhalt.

seamless.py erstellt jetzt einen verlustfreien Zwilling nur zum Messen und liefert die CRF-26-Datei aus. Seine Urteilszeile ist das, was gelesen werden muss.

metadata=print benötigt -v info

Es protokolliert auf Info-Ebene, also entfernt -v error stillschweigend die einzige Ausgabe, die die Messung liest, und jede Zahl kommt als nan zurück.


4. Wenn die Wicklung wirklich fehlschlägt

SEAM VISIBLE nach der verlustfreien Korrektur bedeutet gerichtete Bewegung — eine Figur, die in eine Richtung geht, sich ansammelnder Nebel — und ein längeres --fade wird es nicht beheben. Verifiziert: Überblendungen von 16, 24 und 30 ließen die Naht alle unverändert.

In der Reihenfolge der Präferenz:

  1. Verkürze den Loop — aber nur, nachdem du überprüft hast, dass es nicht der Codec ist (oben). Weniger Quellframes bedeuten weniger akkumulierte Drift. Beachte, dass dies gegen die Längenregel getauscht wird: Ein kürzerer Loop macht die Überblendung häufiger, also bevorzuge neues Prompting gegenüber Beschneiden, wenn der Clip bereits unter ~6 s liegt.
  2. Wiederhole das Prompting für zyklische statt einseitige Bewegung — böiger Wind, wirbelnde Blütenblätter, kräuselndes Wasser, pulsierendes Licht. Lass den Gang und den sich aufbauenden Nebel weg.
  3. Rendere länger (243 Frames), damit mehr Material vorhanden ist, um einen Loop zu finden, und eine breitere Überblendung proportional weniger davon kostet.

5. Lang UND schnell: Kurze Takes verketten

Ein Render kann dir nicht beides geben — siehe den Längenabschnitt oben. chain.py erreicht dies, indem es mehrere kurze schnelle Takes zusammenfügt, das Ende jedes Clips mit dem Anfang des nächsten Clips überblendet, zyklisch, sodass die Wicklung auf aufeinanderfolgenden Frames eines Clips schließt.

segment[i] = crossfade(clip[i-1] Ende K, clip[i] Anfang K) ++ clip[i][K : F-K]
Ausgangslänge = N x (F - K)

Drei 73-Frame-Takes mit einer 14-Frame-Überblendung ergeben ~7,4 s. Gemessen liegen drei Takes desselben Bildes mit den Seeds 7 / 11 / 23 / 41 alle innerhalb eines Medians von 4,36–5,04, die Takes sind also in der Energie austauschbar, während sie sich im Detail unterscheiden.

Dies ist auch die wahre Lösung für einen Loop, der ermüdend wirkt. Ein 2,2-s-Loop wiederholt sich 27 Mal pro Minute; was das Auge erfasst, ist nicht die Naht — die misst sauber — sondern die WIEDERHOLUNG desselben Filmmaterials. Unterschiedliche Takes entfernen die Wiederholung; die Verbindungen werden zu Auflösungen zwischen wirklich unterschiedlichen Inhalten, die als Übergänge und nicht als Stockern gelesen werden.

Alle Clips müssen die gleiche Größe haben. blend schlägt fehl mit Error reinitializing filters!, ohne weder die Ursache noch die Datei zu nennen. chain.py prüft dies vorab und lehnt ab, anstatt zu skalieren — nicht übereinstimmende Größen bedeuten einen Fehler darüber, welche Render zusammengehören, und das Strecken eines davon versteckt ihn.

Die Auflösung kostet nichts in der Bewegung: 544x800 Takes wurden genauso gemessen wie 608x896 Takes, also rendere die Kette klein und gib das Budget für Takes aus.

6. Loops, die du nicht erstellt hast

Überprüfe sie. Ein bereits verwendetes Asset mit loop ist nicht unbedingt ein Loop: Ein Hand-und-Blumen-Hintergrund, der in ein Projekt übernommen wurde, maß eine Wicklung von 29,95 gegenüber einem medianen Schritt von 4,65 — ein 6,4-facher Sprung, der sichtbar geschnitten hatte, wo immer er verwendet wurde. seamless.py reparierte ihn auf 4,98 ohne Neurender, da Crossfading nur die Datei benötigt.

7. Einbetten auf einer Seite

<video class="plate" id="plateLoop" autoplay loop muted playsinline
       preload="auto" poster="assets/still.webp" aria-hidden="true">
  <source src="assets/loop.mp4" type="video/mp4">
</video>
  • autoplay allein reicht nicht. Es wird innerhalb eines iframes stillschweigend abgelehnt, ohne eine Autoplay-Erlaubnis, und bevor die Seite eine Benutzeraktivierung hat. Die Ablehnung hinterlässt das Poster, das wie ein Standbild aussieht, das niemand animiert hat. Wiederhole den Versuch bei canplay und beim ersten pointerdown/keydown/scroll/touchstart und pausiere unter prefers-reduced-motion.
  • poster trägt das scharfe Standbild, damit ein blockierter Autoplay oder eine langsame Verbindung die originale Kunst statt Schwarz zeigt.
  • Entferne jedes CSS-Drift/Ken-Burns vom selben Element. Zwei konkurrierende Bewegungen, und die Transformation verstärkt die Weichheit der Hochskalierung.
  • Ein 600px breiter Clip, der ein 1920-Viewport abdeckt, ist eine ~3x-Hochskalierung und deutlich weicher als das Standbild. Unter einem Schleier akzeptabel; für einen gestochen scharfen Vollbreiten-Header mit ~900px+ und 20 Schritten mit res_multistep rendern.

Budget: ~500 KB pro 2,2-s-Clip bei CRF 26.

Verwandte Skills