静止画からのシームレスループ動画
2つのステージがあり、それらを分離しておくことがすべてのコツです:
make-loop.pyは動きをレンダリングします。ループは試みません。- ループは、Remotion/HyperFramesで構成された実際のフレーム(ブリッジテイク、カットポイント、またはフロー補間)で閉じられます。ループを閉じるためにクロスフェードは避けてください。方向性のある動きでゴーストが発生します。
chain.pyは、単一レンダリングで長くて速い動画を両立できない場合(§5)に、複数の短いテイクを結合して1つの長いループにします。
3つのスクリプトは scripts/ にあります。ComfyUIが http://127.0.0.1:8188 にない場合は COMFY_URL を設定してください。以下のすべては、間違った方法から学んだものです。各ルールには、それを生み出した測定結果があります。
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. とにかく動きを得る
最初のレンダリングには、風も大気も歩行もありませんでした。これらはすべて、動きを抑制する値に設定されていました:
| 設定 | 誤り | 正解 | 理由 |
|---|---|---|---|
last_frame | = first_frame | 省略する | 終了を開始静止画に固定することは、「開始した場所に戻れ」という命令であり、モデルは動かないことでループを買います。これが最大の原因です。 |
| steps | 4 | 8 | ターボLoRAは4ステップとして販売されています。公開されているi2vグラフは両方とも8(euler)または20(res_multistep)を使用しています。4は一貫した画像のための下限であり、動きのためではありません。 |
shift_video | 12.0(ノードデフォルト) | 6.0 | すべてのリファレンスワークフローは6を渡します。 |
| LoRAスタック | ターボのみ | turbo + wushu_spatial_physics_v2 | 空間物理アダプター。これが布、水、歩行する人物に重みを与えます。 |
| プロンプト | 「優しい」、「控えめ」、「カメラは完全に静止」 | アクティブな物理動詞 | 控えめさを求めると、控えめになります。 |
5つすべてを修正した場合の測定効果、同じソース画像:
修正前 修正後
中央値フレームステップ 1.73 → 4.55 2.6倍
累積動き 133 → 325 2.4倍
プロンプトは雰囲気ではなく物理として書いてください。 何がどのように動くかを指定します:「彼女は前に歩き、髪とドレスが強い風になびく。花びらがちぎれて渦を巻きながら舞い落ちる。水しぶきが湧き上がり波紋を広げる。霧が地面を転がるように流れる」。「アンビエント」、「優しい」、「控えめ」、「遅い」、「カメラ固定」は避けてください — これらはすべて動きを減少させます。
長さ、そしてその落とし穴
--length はモデルの17k+5グリッド(5, 22, 39, 56, 73 … 192, 243)に基づいています。そうでなければ、ノードは静かに切り上げられます。モデルのトレーニング範囲は約124-362フレーム(独自のツールチップによる)であるため、73はトレーニングされた範囲を下回り、192は正確に8.0秒です。
しかし、長さは動きを買うものではなく、そう仮定することは無駄なレンダリングです。 同じ画像、同じプロンプト、同じ設定、フレーム数のみ変更:
73 フレーム 中央値フレームステップ 4.55 累積動き 325
192 フレーム 中央値フレームステップ 1.25 累積動き 293
同じ動き、2.6倍の時間 — すなわちスローモーション。モデルは、プロンプトが記述する内容を、与えられた任意の持続時間にわたってペース配分します。特定のプロンプトに対して、動き/秒 x 持続時間はほぼ一定です。
したがって、2つのレバーは独立しており、両方が必要です:
- 持続時間は
--lengthから得られます。 - 速度は、プロンプトに十分なアクションがあることから得られます。シーンの説明(「風が吹き、花びらが漂う」)は約3秒分の素材です。8秒に引き伸ばすと、動きが遅くなります。
それでも動く長いクリップを得るには、連続するビートを書き、それを明示的に述べてください:「彼女は大きく前に歩き続け、決して止まらない。激しい突風が吹き荒れる。花びらがちぎれ飛び、渦巻く雲となって炸裂する。水しぶきが湧き上がり、打ち寄せる。格子が明滅し、急速に脈動する。霧が一掃され、晴れ渡る。最初のフレームから最後のフレームまで継続的な急速な動き、静止もスローモーションもありません。」
遅いペーシングが常に悪いわけではありません — 薄い背景幕の場合は、激しい動きよりも良い場合があります。表面ごとに判断してください:ヒーローは速度を、プレートはドリフトを求めます。
192フレームは、73の約2.6倍のVRAM時間です:544x800で12 GB RTX 3060上で662秒、これは1.7 GBの空き容量で保持されました。収めるには長さを減らすよりも解像度を落としてください。
これが使用するモデル(すべてローカル、すべてComfyUIにインストールされている必要があります)
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 タイプ "minimax"
VAE minimax_h3_video_vae_fp16.safetensors
12 GBカードでテキストエンコーダとして qwen3vl_32b_minimax_h3_nvfp4_awq を使用しないでください。上記のfp8枝刈り版が収まるものです。RTX 3060上で608x896の73フレームクリップあたり約5.5分。
2. ループを閉じる:クロスフェードよりも実際のフレームを優先する
フェードまたはクロスディゾルブは、方向性のある動き(歩行する人物、漂う霧)があるものをゴースト化させます。seamless.py と chain.py はクロスフェードを行うため、これらをクイックオプションとして扱い、品質が重要な場合は、ハードカット(Remotion、HyperFrames、ffmpeg、ビデオエディター)が可能な任意のコンポジターを使用して、実際のフレームから継ぎ目を構築してください:
- ブリッジテイク(推奨)。
first_frame= ループクリップの最後のフレーム、last_frame= その最初のフレームとして、2番目のMiniMax H3クリップをレンダリングします。RemotionまたはHyperFramesでA + ブリッジをハードカットで結合します。動きが折り返しを運びます。何も溶けません。 - 実際のループポイントを選択します。 中央値フレームステップの約1.5倍以内にある、クリップ内の遅い/早いフレームペアを検索し、そこでカットします。
- 動き補償された補間フレーム(オプティカルフロー:RIFE/FILM、ffmpeg
minterpolatemci、またはResolve Speed Warp)は、終了から開始までのギャップが小さい場合にのみ使用します。大きなギャップではモーフィングが発生します。
RemotionまたはHyperFrames(ハードカット、<Loop>/ループコンポジション)で最終的なループを構成してエクスポートし、セクション3のようにラップを測定します。
3. 測定 — すべての間違いが犯された場所
3つの独立した測定バグがそれぞれ、問題のないループを拒否しました。ループが「失敗」した場合は、再レンダリングする前に測定を疑ってください。
継ぎ目を、ゼロや1つのサンプルと比較するのではなく、クリップ自体のフレームステップ分布と比較してください。 継ぎ目が周囲の変化よりも大きくない場合、継ぎ目は見えません。
- 単一のクリップ途中のサンプルは「正常」ではありません。 動きは不均一です。中央はしばしば静かな部分です。そこで1つの遷移をサンプリングすると、ラップが実際に最大のジャンプであったクリップが合格しました。すべての内部ステップを1パスで読み取ってください:
ffmpeg -vf "tblend=all_mode=difference,signalstats,metadata=print"。 - パーセンタイルだけでは、タイトな分布に対して厳しくなります。 中央値より27%高い継ぎ目は、98パーセンタイルに位置し、それでも最大の通常ステップよりも小さい場合があります。両方で判断してください:観測範囲内かつ中央値の約1.5倍以内。
- ロスレスエンコードを測定し、出荷されたファイルを測定しないでください。 出力のフレーム0はIフレームです。その隣接フレームはPフレームであるため、それらとの差分は、2つの画像に加えて2つのエンコーディングを測定することになります。
兆候:クリップをトリミングしても数値が動かない。コンテンツに依存しない定数 = アーティファクトであり、コンテンツではありません。同じループ、ロスレス:継ぎ目 2.99 同じループ、CRF 26 :継ぎ目 4.65 <- 純粋なコーデックによる1.66
seamless.py は現在、測定専用にロスレスの双子を構築し、CRF 26のファイルを出荷します。その判定行が読み取るべきものです。
metadata=print には -v info が必要です
これは情報レベルでログを出力するため、-v error は測定が読み取る唯一の出力を黙って削除し、すべての数値が nan になります。
4. ラップが本当に失敗するとき
ロスレス修正後の SEAM VISIBLE は、方向性のある動き(一方向に歩く人物、蓄積する霧)を意味し、より長い --fade では修正できません。確認済み:16、24、30のフェードはすべて、継ぎ目を変更しませんでした。
優先順位:
- ループを短くします — ただし、それがコーデックの問題でないことを確認した後でのみ(上記)。ソースフレームが少ないほど、蓄積されるドリフトが少なくなります。これは長さのルールとトレードオフになることに注意してください:ループが短いほどフェードがより頻繁になるため、クリップがすでに約6秒未満の場合は、トリミングよりもプロンプトの再設定を優先してください。
- 一方向の動きではなく循環する動きのためにプロンプトを再設定します — 突風、渦巻く花びら、波打つ水、脈動する光。歩行と立ち込める霧を削除します。
- より長くレンダリングします(243フレーム)。そうすることで、ループを見つけるための素材が増え、より広いフェードのコストがその割合で減少します。
5. 長くて速い:短いテイクを連鎖させる
単一のレンダリングでは両方を得ることはできません — 上記の長さのセクションを参照してください。chain.py は、複数の短く速いテイクを結合し、各クリップの末尾を次のクリップの先頭にクロスフェードして循環的に接続することで、ラップが1つのクリップの連続フレームで閉じるようにします。
segment[i] = crossfade(clip[i-1] tail K, clip[i] head K) ++ clip[i][K : F-K]
output length = N x (F - K)
73フレームのテイク3つを14フレームのフェードで接続すると、約7.4秒になります。測定では、同じ画像のテイク3つ(シード7 / 11 / 23 / 41)すべてが中央値4.36-5.04の範囲に収まるため、テイクはエネルギーが交換可能でありながら詳細が異なります。
これは、疲れると感じるループに対する本当の修正でもあります。 2.2秒のループは1分間に27回繰り返されます。目が捉えるのは継ぎ目ではなく(それはきれいに測定されます)、同じ映像の繰り返しです。異なるテイクが繰り返しを排除します。結合は、真に異なるコンテンツ間のディゾルブになり、これは吃音ではなく遷移として読み取られます。
すべてのクリップは同じサイズでなければなりません。 blend は Error reinitializing filters! で失敗し、原因もファイルも特定しません。chain.py は事前にチェックし、リサイズするのではなく拒否します — サイズの不一致は、どのレンダリングが一緒に属するかについての間違いを意味し、一方を引き伸ばすとそれが隠れてしまいます。
解像度は動きにコストをかけません。544x800は608x896と同じ測定値であったため、チェーンは小さくレンダリングし、予算をテイクに費やしてください。
6. あなたが作成しなかったループ
それらを確認してください。すでに使用中のアセットに loop が付いていても、必ずしもループではありません。あるプロジェクトに持ち込まれた手と花の背景は、中央値ステップ4.65に対して29.95のラップを測定しました — これは6.4倍のジャンプであり、使用されている場所で目に見えてカットされていました。seamless.py は再レンダリングなしで4.98に修正しました。クロスフェードにはファイルだけが必要だからです。
7. ページに配置する
<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だけでは不十分です。 自動再生許可なしのiframe内では黙って拒否され、ページにユーザーアクティベーションがない場合も同様です。拒否されるとポスターが残り、誰もアニメーション化していない静止画のように見えます。canplay時および最初のpointerdown/keydown/scroll/touchstart時に再試行し、prefers-reduced-motionの下では一時停止してください。posterはシャープな静止画を保持します そのため、ブロックされた自動再生や遅い接続でも、黒ではなく元のアートワークが表示されます。- 同じ要素からCSSドリフト/ケンブルネスを削除してください。 2つの競合する動きがあり、transformはアップスケールのソフトネスを増幅します。
- 1920ビューポートをカバーする600px幅のクリップは、約3倍のアップスケールであり、静止画よりも目に見えてソフトです。薄い背景幕の下では許容範囲です。鮮明な全幅ヘッダーの場合は、20ステップと
res_multistepで約900px以上でレンダリングしてください。
予算:CRF 26で2.2秒のクリップあたり約500 KB。