Video en bucle sin costuras a partir de una imagen fija
Dos etapas, y mantenerlas separadas es todo el truco:
make-loop.pyrenderiza el movimiento. NO intenta hacer bucle.- 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.
chain.pyune 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:
| Configuración | Incorrecto | Correcto | Por qué |
|---|---|---|---|
last_frame | = first_frame | omitirlo | Fijar 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. |
| steps | 4 | 8 | El 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_video | 12.0 (valor por defecto del nodo) | 6.0 | Todos los flujos de trabajo de referencia pasan 6. |
| Pila LoRA | solo turbo | turbo + wushu_spatial_physics_v2 | Un 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 activa | Pedir 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):
- Toma puente (preferida). Renderiza un segundo clip de MiniMax H3 con
first_frame= el ÚLTIMO fotograma del clip del bucle ylast_frame= su PRIMER fotograma. Une A + puente con cortes duros en Remotion o HyperFrames. El movimiento lleva el cierre; nada se disuelve. - 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.
- Interpolación compensada por movimiento (flujo óptico: RIFE/FILM, ffmpeg
minterpolatemci, 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.
- 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". - 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.
- 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.
La pista: el número no se mueve cuando recortas el clip. Constante independiente del contenido = artefacto, no contenido.mismo bucle, sin pérdidas : costura 2.99 mismo bucle, CRF 26 : costura 4.65 <- 1.66 de puro códec
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:
- 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.
- 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.
- 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>
autoplaysolo 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 encanplayy en el primerpointerdown/keydown/scroll/touchstart, y pausa bajoprefers-reduced-motion.posterlleva 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.