Communitygithub.com

Violinet-tech/video-en-bucle-sin-costuras

Convierte una imagen fija en un video ambiental en bucle perfecto para encabezados o fondos web, utilizando MiniMax H3 en ComfyUI local. Útil cuando se pide un video de fondo/héroe en bucle, 'hacer que esta imagen se mueva', movimiento ambiental a partir de una obra de arte, o cuando un bucle generado salta visiblemente, no tiene viento/atmósfera o apenas se mueve. Cubre la configuración que realmente produce movimiento, cómo cerrar el bucle y cómo medir si funcionó.

¿Qué es video-en-bucle-sin-costuras?

Este skill permite generar videos en bucle sin costuras a partir de una imagen fija, utilizando el modelo MiniMax H3 en ComfyUI local. Es ideal para crear fondos web animados (encabezados, héroes) o simplemente para dar vida a una imagen. El proceso se divide en tres etapas clave: generación de movimiento con `make-loop.py` (sin intentar hacer bucle), cierre del bucle utilizando fotogramas reales (mediante puentes, puntos de corte o interpolación óptica) evitando fundidos cruzados que producen fantasmas en movimientos direccionales, y encadenamiento de tomas cortas con `chain.py` para bucles largos y rápidos. El skill también enseña a medir la calidad del bucle comparando la costura con la distribución de pasos del propio clip, y ofrece soluciones cuando la costura falla (acortar el bucle, cambiar el prompt a movimiento cíclico, o alargar la renderización). Funciona con Remotion, HyperFrames y ffmpeg, y proporciona configuraciones precisas para evitar que el modelo suprima el movimiento. Es compatible con ComfyUI y requiere los modelos específicos listados.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Vista previa

Del README del skill

Documentación

Video en bucle sin costuras a partir de una imagen fija

Dos etapas, y mantenerlas separadas es todo el truco:

  1. make-loop.py renderiza el movimiento. NO intenta hacer bucle.
  2. El bucle se cierra con fotogramas REALES (toma puente, punto de corte o interpolación de flujo) compuestos en Remotion/HyperFrames. Evita fundidos cruzados para cerrar el bucle; producen fantasmas en movimientos direccionales.
  3. chain.py une varias tomas cortas en un bucle largo, para cuando un solo render no puede ser largo y rápido a la vez (§5).

Los tres scripts están en scripts/. Configura COMFY_URL si tu ComfyUI no está en http://127.0.0.1:8188. Todo lo siguiente se aprendió haciéndolo mal primero; cada regla tiene la medición que la produjo.

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

1. Conseguir movimiento

Los primeros renders no tenían viento, ni atmósfera, ni caminata. Todos tenían el valor que suprime el movimiento:

ConfiguraciónIncorrectoCorrectoPor qué
last_frame= first_frameomitirloFijar el final al fotograma inicial es una instrucción para volver a donde empezó, por lo que el modelo compra el bucle negándose a moverse. Esta es la causa principal.
steps48El LoRA turbo se comercializa como de 4 pasos. Ambos gráficos i2v publicados usan 8 (euler) o 20 (res_multistep). Cuatro es el mínimo para una imagen coherente, no para movimiento.
shift_video12.0 (valor por defecto del nodo)6.0Todos los flujos de trabajo de referencia pasan 6.
Pila LoRAsolo turboturbo + wushu_spatial_physics_v2Un adaptador de física espacial. Esto es lo que da peso a la tela, el agua y una figura caminando.
prompt"suave", "sutil", "cámara perfectamente quieta"verbos de física activaPedir sutileza obtiene sutileza.

Efecto medido de arreglar los cinco, misma imagen de origen:

                    antes   después
paso de fotograma mediano   1.73  →  4.55     2.6x
movimiento acumulativo       133  →   325     2.4x

Escribe los prompts como física, no como estado de ánimo. Nombra lo que se mueve y cómo: "ella camina hacia adelante, su cabello y vestido agitados por un fuerte viento; los pétalos se desprenden y caen girando; el chapoteo surge y ondula; la niebla se extiende por el suelo". Evita "ambiental", "suave", "sutil", "lento", "cámara fija" — todos cuestan movimiento.

Longitud, y la trampa que contiene

--length se asienta en la cuadrícula 17k+5 del modelo (5, 22, 39, 56, 73 … 192, 243). El nodo ajusta hacia arriba silenciosamente si no. El rango entrenado del modelo es ~124-362 fotogramas (su propia información), por lo que 73 está por debajo de lo que fue entrenado y 192 son exactamente 8.0s.

Pero la longitud no compra movimiento, y asumir que lo hace es un render desperdiciado. Misma imagen, mismo prompt, mismas configuraciones, solo cambia el número de fotogramas:

 73 fotogramas   paso mediano 4.55   movimiento acumulativo 325
192 fotogramas   paso mediano 1.25   movimiento acumulativo 293

Mismo recorrido, 2.6x el tiempo — es decir, cámara lenta. El modelo marca el ritmo de lo que describe el prompt a lo largo de la duración que se le da; el movimiento por segundo x duración es aproximadamente constante para un prompt dado.

Así que las dos palancas son independientes y ambas son necesarias:

  • Duración proviene de --length.
  • Velocidad proviene de que el PROMPT tenga suficiente que hacer. Una descripción de escena ("el viento sopla, los pétalos flotan") es material de unos tres segundos; estirada a ocho, se arrastra.

Para un clip largo que aún se mueva, escribe ritmos secuenciales y dilo explícitamente: "ella avanza y sigue avanzando, sin pausa; una ráfaga fuerte atraviesa; los pétalos se arrancan y estallan en una nube arremolinada; el chapoteo surge y se estrella; la celosía se enciende y pulsa rápidamente; la niebla barre y se aclara. Movimiento rápido continuo desde el primer fotograma hasta el último, sin quietud, sin cámara lenta."

El ritmo lento no siempre está mal — para un fondo difuminado puede ser mejor que frenético. Juzga por superficie: los héroes quieren velocidad, los fondos quieren deriva.

192 fotogramas es ~2.6x el tiempo de VRAM de 73: 662s a 544x800 en una RTX 3060 de 12 GB, lo que se mantuvo con 1.7 GB de sobra. Reduce la resolución en lugar de la longitud para que quepa.

Modelos que usa (todos locales, todos deben instalarse en tu ComfyUI)

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   tipo "minimax"
VAE     minimax_h3_video_vae_fp16.safetensors

No uses qwen3vl_32b_minimax_h3_nvfp4_awq como codificador de texto en una tarjeta de 12 GB; el fp8 podado de arriba es lo que cabe. ~5.5 min por clip de 73 fotogramas a 608x896 en una RTX 3060.


2. Cerrar el bucle: prefiere fotogramas reales sobre un fundido cruzado

Un fundido o disolución crea fantasmas en cualquier cosa con movimiento direccional (una figura caminando, niebla a la deriva). seamless.py y chain.py hacen fundido cruzado, así que trátalos como la opción rápida y construye la costura a partir de fotogramas reales cuando la calidad importe, usando cualquier compositor que permita cortes duros (Remotion, HyperFrames, ffmpeg, un editor de video):

  1. Toma puente (preferida). Renderiza un segundo clip de MiniMax H3 con first_frame = el ÚLTIMO fotograma del clip del bucle y last_frame = su PRIMER fotograma. Une A + puente con cortes duros en Remotion o HyperFrames. El movimiento lleva el cierre; nada se disuelve.
  2. Elige un punto de bucle real. Busca en el clip un par de fotogramas tardío/temprano que esté dentro de ~1.5x el paso mediano de fotograma y corta allí.
  3. Interpolación compensada por movimiento (flujo óptico: RIFE/FILM, ffmpeg minterpolate mci, o Resolve Speed Warp) solo cuando el espacio de final a inicio es pequeño; sobre un espacio grande, se transforman.

Compón y exporta el bucle final en Remotion o HyperFrames (cortes duros, composición <Loop>/bucle), luego mide el cierre como en la sección 3.

3. Medirlo — donde se cometió cada error

Tres errores de medición diferentes rechazaron cada uno un bucle que estaba bien. Si un bucle "falla", sospecha de la medición antes de volver a renderizar.

Compara la costura con la distribución de pasos de fotograma del propio clip, no con cero ni con una muestra. Una costura es invisible cuando no es mayor que los cambios a su alrededor.

  1. Una sola muestra a mitad del clip no es "normal". El movimiento es desigual; el medio suele ser la parte tranquila. Muestrear una transición allí aprobó un clip cuyo cierre era genuinamente su mayor salto. Lee cada paso interior en una pasada: ffmpeg -vf "tblend=all_mode=difference,signalstats,metadata=print".
  2. Un percentil solo es severo en una distribución ajustada. Una costura un 27% por encima de la mediana puede estar en el percentil 98 y seguir siendo más pequeña que el paso ordinario más grande. Juzga en ambos: dentro del rango observado Y dentro de ~1.5x la mediana.
  3. Mide una codificación SIN PÉRDIDAS, no el archivo enviado. El fotograma 0 de la salida es un fotograma I; sus vecinos son fotogramas P, así que diferenciar contra él mide dos codificaciones además de dos imágenes.
    mismo bucle, sin pérdidas : costura 2.99
    mismo bucle, CRF 26       : costura 4.65    <- 1.66 de puro códec
    
    La pista: el número no se mueve cuando recortas el clip. Constante independiente del contenido = artefacto, no contenido.

seamless.py ahora construye un gemelo sin pérdidas solo para medir y envía el archivo CRF 26. Su línea de veredicto es lo que hay que leer.

metadata=print necesita -v info

Registra a nivel de información, por lo que -v error elimina silenciosamente la única salida que lee la medición y todos los números vuelven nan.


4. Cuando el cierre falla realmente

SEAM VISIBLE después de la corrección sin pérdidas significa movimiento direccional — una figura caminando en una dirección, niebla acumulándose — y un --fade más largo no lo arreglará. Verificado: fundidos de 16, 24 y 30 dejaron la costura sin cambios.

En orden de preferencia:

  1. Acorta el bucle — pero solo después de comprobar que no es el códec (arriba). Menos fotogramas de origen significan menos deriva acumulada. Ten en cuenta que esto se contrapone con la regla de longitud: un bucle más corto hace que el fundido sea más frecuente, así que prefiere volver a generar el prompt en lugar de recortar cuando el clip ya esté por debajo de ~6s.
  2. Vuelve a generar el prompt para movimiento cíclico en lugar de unidireccional — viento racheado, pétalos arremolinados, agua ondulante, luz pulsante. Deja la caminata y la niebla acumulándose.
  3. Renderiza más largo (243 fotogramas) para que haya más material donde encontrar un bucle, y un fundido más amplio cueste proporcionalmente menos.

5. Largo Y rápido: encadena tomas cortas

Un render no puede darte ambas — ver la sección de longitud arriba. chain.py lo logra uniendo varias tomas cortas rápidas, haciendo fundido cruzado de la cola de cada clip en la cabeza del siguiente clip, cíclicamente, de modo que el cierre se produce en fotogramas consecutivos de un clip.

segmento[i] = fundido_cruzado(clip[i-1] cola K, clip[i] cabeza K) ++ clip[i][K : F-K]
longitud de salida = N x (F - K)

Tres tomas de 73 fotogramas con un fundido de 14 fotogramas dan ~7.4s. Medido, tres tomas de la misma imagen con semillas 7 / 11 / 23 / 41 caen dentro de la mediana 4.36-5.04, por lo que las tomas son intercambiables en energía mientras difieren en detalle.

Esta es también la verdadera solución para un bucle que se siente cansado. Un bucle de 2.2s se repite 27 veces por minuto; lo que el ojo capta no es la costura — que mide limpia — sino la REPETICIÓN del mismo metraje. Diferentes tomas eliminan la repetición; las uniones se convierten en disoluciones entre contenido genuinamente diferente, que se leen como transiciones en lugar de tartamudeos.

Todos los clips deben tener el mismo tamaño. blend falla con Error reinitializing filters!, sin nombrar la causa ni el archivo. chain.py lo comprueba de antemano y se niega en lugar de reescalar — tamaños no coincidentes significan un error sobre qué renders pertenecen juntos, y estirar uno lo oculta.

La resolución no cuesta nada en movimiento: 544x800 tomó las mismas medidas que 608x896, así que renderiza la cadena pequeña y gasta el presupuesto en tomas.

6. Bucles que no hiciste

Revísalos. Un activo ya en uso con loop activado no es necesariamente un bucle: un fondo de manos y flores llevado a un proyecto midió un cierre de 29.95 contra un paso mediano de 4.65 — un salto de 6.4x que había estado cortando visiblemente dondequiera que se usara. seamless.py lo arregló a 4.98 sin un nuevo render, porque el fundido cruzado solo necesita el archivo.

7. Ponerlo en una página

<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 solo no es suficiente. Se rechaza silenciosamente dentro de un iframe sin una concesión de autoplay, y antes de que la página tenga activación de usuario. El rechazo deja el póster visible, que parece un fijo que nadie animó. Reintenta en canplay y en el primer pointerdown/keydown/scroll/touchstart, y pausa bajo prefers-reduced-motion.
  • poster lleva el fijo nítido para que un autoplay bloqueado o una conexión lenta muestren el arte original en lugar de negro.
  • Elimina cualquier deriva CSS/ken-burns del mismo elemento. Dos movimientos en competencia, y la transformación amplifica la suavidad de la ampliación.
  • Un clip de 600px de ancho cubriendo un viewport de 1920 es una ampliación de ~3x y visiblemente más suave que el fijo. Aceptable bajo una cortina; para un encabezado nítido de ancho completo renderiza a ~900px+ con 20 pasos y res_multistep.

Presupuesto: ~500 KB por clip de 2.2s en CRF 26.

Skills relacionados