Communitygithub.com

Vídeo em looping contínuo a partir de uma imagem estática

Transforme uma imagem estática em um vídeo ambiente em looping contínuo para cabeçalho ou plano de fundo web, usando MiniMax H3 no ComfyUI local. Use quando for solicitado um vídeo de fundo/hero em looping, 'faça esta imagem se mover', movimento ambiente a partir de uma obra de arte, ou quando um loop gerado visivelmente pula, não tem vento/atmosfera, ou mal se move. Abrange as configurações que realmente produzem movimento, como fechar o loop e como medir se funcionou.

O que é Vídeo em looping contínuo a partir de uma imagem estática?

Esta skill transforma uma imagem estática em um vídeo ambiente em looping contínuo, ideal para cabeçalhos ou planos de fundo de páginas web, utilizando o modelo MiniMax H3 localmente no ComfyUI. Ela abrange duas etapas principais: primeiro, gera-se o movimento com o script `make-loop.py` sem tentar criar o loop; depois, o loop é fechado com quadros reais (ponte, ponto de corte ou interpolação de fluxo) usando Remotion ou HyperFrames. A skill fornece configurações críticas que realmente produzem movimento — como definir corretamente `last_frame`, `steps`, `shift_video` e usar o LoRA de física espacial `wushu_spatial_physics_v2` — medindo o efeito de cada ajuste. Inclui scripts para medir a qualidade do loop com `seamless.py` e para encadear várias tomadas curtas com `chain.py`, garantindo loops longos e rápidos sem repetição cansativa. Suporta o ecossistema ComfyUI com modelos locais específicos e é adequada para desenvolvedores que precisam de loops de alta qualidade para assets web.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Prévia

Do README da skill

Documentação

O que Vídeo em looping contínuo a partir de uma imagem estática faz?

Duas etapas, e mantê-las separadas é todo o truque:

  1. make-loop.py renderiza o movimento. Ele NÃO tenta fazer o loop.
  2. O loop é fechado com quadros REAIS (tomada de ponte, ponto de corte ou interpolação de fluxo) compostos no Remotion/HyperFrames. Evite crossfades para fechar o loop; eles fantasmas em movimento direcional.
  3. chain.py junta várias tomadas curtas em um único loop longo, para quando uma única renderização não pode ser ao mesmo tempo longa e rápida (§5).

Os três scripts estão em scripts/. Defina COMFY_URL se seu ComfyUI não estiver em http://127.0.0.1:8188. Tudo abaixo foi aprendido errando primeiro; cada regra tem a medida que a produziu.

python make-loop.py <imagem> "<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. Obtendo movimento de fato

As primeiras renderizações não tinham vento, atmosfera nem caminhada. Cada uma delas foi definida com o valor supressor de movimento:

ConfiguraçãoErradoCertoPor quê
last_frame= first_frameomitirFixar o final ao quadro inicial é uma instrução para voltar aonde começou, então o modelo compra o loop recusando-se a se mover. Esta é a maior causa isolada.
steps48O turbo LoRA é comercializado como de 4 passos. Ambos os gráficos i2v publicados usam 8 (euler) ou 20 (res_multistep). Quatro é o mínimo para uma imagem coerente, não para movimento.
shift_video12.0 (padrão do nó)6.0Todo fluxo de trabalho de referência passa 6.
Pilha LoRAapenas turboturbo + wushu_spatial_physics_v2Um adaptador de física espacial. É isso que coloca peso atrás de tecido, água e uma figura caminhando.
prompt"gentil", "sutil", "câmera perfeitamente parada"verbos de física ativosPedir sutileza obtém sutileza.

Efeito medido da correção de todos os cinco, mesma imagem de origem:

                    antes   depois
passo mediano do quadro     1.73  →  4.55     2,6x
movimento cumulativo         133  →   325     2,4x

Escreva prompts como física, não como clima. Nomeie o que se move e como: "ela caminha para frente, seu cabelo e vestido soprados por vento forte; pétalas se soltam e caem girando; a ondulação surge e ondula; névoa rola pelo chão". Evite "ambiente", "gentil", "sutil", "lento", "câmera travada" — todos custam movimento.

Comprimento, e a armadilha nele

--length se encaixa na grade 17k+5 do modelo (5, 22, 39, 56, 73 … 192, 243). O nó ajusta silenciosamente caso contrário. O intervalo treinado do modelo é de ~124-362 quadros (sua própria dica de ferramenta), então 73 está abaixo do que foi treinado e 192 é exatamente 8,0s.

Mas comprimento não compra movimento, e presumir que sim é uma renderização desperdiçada. Mesma imagem, mesmo prompt, mesmas configurações, apenas a contagem de quadros mudou:

 73 quadros   passo mediano do quadro 4,55   movimento cumulativo 325
192 quadros   passo mediano do quadro 1,25   movimento cumulativo 293

Mesma jornada, 2,6x o tempo — ou seja, câmera lenta. O modelo dita o que o prompt descreve ao longo de qualquer duração que receber; movimento-por-segundo x duração é aproximadamente constante para um dado prompt.

Portanto, as duas alavancas são independentes e ambas são necessárias:

  • Duração vem de --length.
  • Velocidade vem do PROMPT ter o suficiente para fazer. Uma descrição de cena ("vento sopra, pétalas flutuam") é cerca de três segundos de material; esticada para oito, ela rasteja.

Para um clipe longo que ainda se move, escreva batidas sequenciais e diga explicitamente: "ela avança e continua avançando, nunca parando; uma rajada forte irrompe; pétalas se soltam e explodem em uma nuvem rodopiante; a ondulação sobe e quebra; a treliça brilha e pulsa rapidamente; névoa varre e clareia. Movimento rápido contínuo do primeiro ao último quadro, sem parada, sem câmera lenta."

Ritmo lento nem sempre é errado — para um fundo com véu pode ser melhor do que frenético. Julgue por superfície: heróis querem velocidade, placas querem deriva.

192 quadros é ~2,6x o VRAM-tempo de 73: 662s a 544x800 em uma RTX 3060 de 12 GB, que segurou com 1,7 GB sobrando. Reduza a resolução em vez do comprimento para caber.

Modelos que isso usa (todos locais, todos devem ser instalados no seu 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

Não alcance qwen3vl_32b_minimax_h3_nvfp4_awq como codificador de texto em uma placa de 12 GB; o fp8 podado acima é o que cabe. ~5,5 min por clipe de 73 quadros a 608x896 em uma RTX 3060.


2. Fechando o loop: prefira quadros reais em vez de um crossfade

Um fade ou cross-dissolve fantasma qualquer coisa com movimento direcional (uma figura caminhando, névoa à deriva). seamless.py e chain.py fazem crossfade, então trate-os como a opção rápida e construa a costura a partir de quadros reais quando a qualidade importar, usando qualquer compositor que forneça cortes secos (Remotion, HyperFrames, ffmpeg, um editor de vídeo):

  1. Tomada de ponte (preferida). Renderize um segundo clipe MiniMax H3 com first_frame = o ÚLTIMO quadro do clipe do loop e last_frame = seu PRIMEIRO quadro. Junte A + ponte com cortes secos no Remotion ou HyperFrames. O movimento carrega o envoltório; nada dissolve.
  2. Escolha um ponto de loop real. Pesquise no clipe um par de quadros tardio/inicial que esteja dentro de ~1,5x o passo mediano do quadro e corte ali.
  3. Interpolação de quadros compensada por movimento (fluxo óptico: RIFE/FILM, ffmpeg minterpolate mci, ou Resolve Speed Warp) apenas quando a lacuna fim-início é pequena; sobre uma grande lacuna eles morfam.

Componha e exporte o loop final no Remotion ou HyperFrames (cortes secos, composição <Loop>/looping), então meça o envoltório como na seção 3.

3. Medindo — onde cada erro foi cometido

Três bugs de medição separados rejeitaram cada um um loop que estava bom. Se um loop "falhar", suspeite da medição antes de re-renderizar.

Compare a costura com a distribuição de passos de quadro do próprio clipe, não com zero e não com uma amostra. Uma costura é invisível quando não é maior do que as mudanças ao redor dela.

  1. Uma única amostra no meio do clipe não é "normal". O movimento é desigual; o meio é frequentemente a parte calma. Amostrar uma transição ali passou um clipe cujo envoltório era genuinamente seu maior salto. Leia cada passo interno em uma passagem: ffmpeg -vf "tblend=all_mode=difference,signalstats,metadata=print".
  2. Um percentil sozinho é severo em uma distribuição apertada. Uma costura 27% acima da mediana pode estar no 98° percentil e ainda ser menor do que o maior passo comum. Julgue em ambos: dentro do intervalo observado E dentro de ~1,5x a mediana.
  3. Meça uma codificação SEM PERDAS, não o arquivo enviado. O quadro 0 da saída é um I-frame; seus vizinhos são P-frames, então diferençar contra ele mede duas codificações sobre duas imagens.
    mesmo loop, sem perdas : costura 2.99
    mesmo loop, CRF 26     : costura 4.65    <- 1.66 de puro codec
    
    O indicador: o número não se move quando você corta o clipe. Constante independente de conteúdo = artefato, não conteúdo.

seamless.py agora constrói um gêmeo sem perdas apenas para medir e envia o arquivo CRF 26. Sua linha de veredito é a coisa a ser lida.

metadata=print precisa de -v info

Ele registra no nível info, então -v error remove silenciosamente a única saída que a medição lê e cada número retorna nan.


4. Quando o envoltório genuinamente falha

SEAM VISIBLE após a correção sem perdas significa movimento direcional — uma figura caminhando em uma direção, névoa se acumulando — e um --fade mais longo não vai consertar. Verificado: fades de 16, 24 e 30 todos deixaram a costura inalterada.

Em ordem de preferência:

  1. Encurte o loop — mas apenas depois de verificar que não é o codec (acima). Menos quadros fonte significam menos deriva acumulada. Note que isso negocia contra a regra de comprimento: um loop mais curto torna o fade mais frequente, então prefira reprompting em vez de cortar quando o clipe já estiver abaixo de ~6s.
  2. Reprompt para movimento cíclico em vez de unidirecional — vento rajando, pétalas girando, água ondulando, luz pulsando. Abandone a caminhada e a névoa se acumulando.
  3. Renderize mais longo (243 quadros) para que haja mais material para encontrar um loop, e um fade mais largo custa proporcionalmente menos dele.

5. Longo E rápido: encadeie tomadas curtas

Uma renderização não pode dar a você ambos — veja a seção de comprimento acima. chain.py chega lá juntando várias tomadas curtas e rápidas, com crossfade da cauda de cada clipe na cabeça do próximo clipe, ciclicamente, de modo que o envoltório feche em quadros consecutivos de um clipe.

segmento[i] = crossfade(clipe[i-1] cauda K, clipe[i] cabeça K) ++ clipe[i][K : F-K]
comprimento da saída = N x (F - K)

Três tomadas de 73 quadros com um fade de 14 quadros dão ~7,4s. Medido, três tomadas da mesma imagem nas sementes 7 / 11 / 23 / 41 todas caem dentro da mediana 4,36-5,04, então as tomadas são intercambiáveis em energia enquanto diferem em detalhe.

Esta também é a correção real para um loop que se sente cansativo. Um loop de 2,2s repete 27 vezes por minuto; o que o olho capta não é a costura — aquela medida está limpa — mas a REPETIÇÃO do mesmo material. Diferentes tomadas removem a repetição; as junções se tornam dissoluções entre conteúdo genuinamente diferente, que são lidas como transições em vez de gaguejos.

Todos os clipes devem ser do mesmo tamanho. blend falha com Error reinitializing filters!, não nomeando nem a causa nem o arquivo. chain.py verifica antecipadamente e recusa em vez de redimensionar — tamanhos incompatíveis significam um erro sobre quais renderizações pertencem juntas, e esticar uma esconde isso.

Resolução não custa nada em movimento: 544x800 tomadas mediram o mesmo que 608x896, então renderize a cadeia pequena e gaste o orçamento em tomadas.

6. Loops que você não fez

Verifique-os. Um ativo já em uso com loop não é necessariamente um loop: um fundo de mão e flores levado para um projeto mediu um envoltório de 29,95 contra um passo mediano de 4,65 — um salto de 6,4x que estava cortando visivelmente onde quer que fosse usado. seamless.py corrigiu para 4,98 sem uma re-renderização, porque o crossfade precisa apenas do arquivo.

7. Colocando em uma página

<video class="placa" 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 sozinho não é suficiente. É silenciosamente recusado dentro de um iframe sem uma concessão de autoplay, e antes que a página tenha ativação do usuário. A rejeição deixa o poster ativo, que parece uma imagem estática que ninguém animou. Tente novamente em canplay e no primeiro pointerdown/keydown/scroll/touchstart, e pause sob prefers-reduced-motion.
  • poster carrega a imagem estática nítida para que um autoplay bloqueado ou uma conexão lenta mostre a arte original em vez de preto.
  • Remova qualquer CSS drift/ken-burns do mesmo elemento. Dois movimentos concorrentes, e a transform amplifica a suavidade da ampliação.
  • Um clipe de 600px de largura cobrindo uma viewport de 1920 é uma ampliação de ~3x e visivelmente mais suave do que a imagem estática. Aceitável sob um véu; para um cabeçalho de largura total nítido, renderize a ~900px+ com 20 passos e res_multistep.

Orçamento: ~500 KB por clipe de 2,2s a CRF 26.

Habilidades Relacionadas