MiniMax H3 Ref2VA per video IA NSFW: configurazione ComfyUI e flusso di riferimenti

MiniMax H3 Ref2VA o FL2VA: quale flusso usare?

MiniMax H3 usa checkpoint separati per attività specifiche. FL2VA gestisce testo-verso-audio-video e generazione condizionata dal primo o ultimo fotogramma. Ref2VA gestisce riferimento-verso-audio-video usando immagini, video, audio o riferimenti misti.

La differenza è il ruolo della risorsa. Un’immagine collegata come primo fotogramma stabilisce la composizione iniziale reale. La stessa immagine in Ref2VA può definire volto, corpo, stile, ambiente o posa senza diventare il primo fotogramma.

Questo conta nei flussi di personaggi NSFW. Una sola immagine iniziale può ancorare un clip, ma può non bastare quando il corpo ruota, l’inquadratura si allarga o un altro soggetto causa un’occlusione temporanea. Ref2VA può usare altre viste d’identità purché descrivano lo stesso personaggio.

I due flussi usano anche pesi di diffusione diversi. Caricare pesi FL2VA in un flusso Ref2VA non crea comportamento multimodale solo perché i nodi circostanti sembrano compatibili.

Come configurare MiniMax H3 Ref2VA in ComfyUI

3. Collega un video di riferimento del movimento

Un video di riferimento può fornire movimento del corpo, comportamento della camera, ritmo di montaggio, una scena da modificare o un punto da cui continuare. Il prompt deve specificare la relazione desiderata.

Alcuni loader video di ComfyUI restituiscono un oggetto VIDEO, mentre l’ingresso MiniMax H3 si aspetta una sequenza di immagini estratte. Se le porte non si collegano, usa il nodo nativo Get Video Components per esporre fotogrammi, audio, frame rate e componenti correlati. Collega la sequenza all’ingresso video di riferimento.

Se serve anche la colonna sonora sorgente, collega separatamente l’audio estratto. Non presumere che caricare un video assegni automaticamente il suo audio come riferimento <Audio N> utilizzabile.

Per trasferire il movimento, scegli una fonte con postura iniziale simile a quella del personaggio finale. Un personaggio seduto e una fonte seduta sono più facili da conciliare di un ritratto stretto e una rotazione immediata in piedi a figura intera.

Il movimento deve restare leggibile. Forti sovrapposizioni, mani nascoste dietro il busto, capelli sulle articolazioni o due interpreti che si incrociano possono obbligare il modello a ricostruire informazioni non mostrate chiaramente da alcuna fonte.

Indica che il video fornisce movimento, non identità:

<Subject 1> prende identità e aspetto da <Picture 1>.
<Video 1> fornisce solo il lento aggiustamento della posa seduta e il ritmo della camera.
L’interprete di <Video 1> non viene mantenuta nel video finale.

Riferimento personaggio

Riferimento movimento

Risultato generato

4. Aggiungi audio solo con un ruolo chiaro

Ref2VA può usare audio estratto da un video di riferimento o caricato separatamente. Secondo le regole ufficiali attuali, l’audio non può essere l’unico mezzo di riferimento; deve accompagnare un’immagine o un video.

Decidi se la fonte deve essere:

• Un riferimento del timbro vocale
• Un riferimento di interpretazione o emozione
• Dialogo o testo riutilizzato
• Musica di sottofondo riutilizzata
• Un riferimento di ritmo o stile musicale
• Un riferimento di suono ambientale

Riferire una voce non equivale a copiarne il segnale originale. Se il personaggio deve dire un nuovo dialogo con qualità simile, definisci la fonte come riferimento di timbro e scrivi il nuovo dialogo nel prompt.

Le etichette audio sono numerate indipendentemente da quelle video. <Video 1> e <Audio 1> non sono considerati automaticamente parti dello stesso file se il prompt non ne descrive il rapporto.

Usa solo riferimenti di volto, video e voce propri o autorizzati. Ref2VA non deve essere usato per impersonare senza permesso una persona identificabile.

Scena di riferimento audio

<Picture 1> definisce l’aspetto di <Subject 1>.
<Picture 2> fornisce una vista più ampia dello stesso personaggio.
<Video 1> fornisce movimento del corpo e timing camera.
<Audio 1> fornisce il timbro vocale di <Subject 1>.

Come mantenere coerente un personaggio NSFW tra i riferimenti

Usa viste diverse dello stesso personaggio

Un insieme utile può contenere una vista nitida del volto, un piano medio e una vista corporea più ampia. Le immagini devono fornire informazioni diverse conservando la stessa identità.

Volto, capelli, pelle, proporzioni e dettagli distintivi dello stile devono concordare. Se un’immagine cambia struttura facciale o stile visivo, il modello riceve due definizioni concorrenti.

I riferimenti devono concordare anche sullo stato visivo del piano finale. Se un’immagine mostra un abito o una copertura molto diversi, decidi quale stato conservare e rimuovi la fonte in conflitto.

Usa insieme

Non mescolare

Abbina l’immagine di riferimento al movimento

Scegli un’immagine d’identità che mostri già l’area coinvolta nell’azione. Se il movimento attraversa la vita, cambia una posa seduta o porta una mano sul busto, tali aree devono essere visibili e strutturalmente chiare.

La difficoltà cresce quando il modello deve rivelare anatomia nascosta, separare arti sovrapposti o mantenere più punti di contatto. Una posa semplice può quindi essere un riferimento migliore di un’immagine più drammatica.

Impedisci alla fonte di movimento di sostituire il personaggio

Un video di movimento può contenere un’interprete il cui volto, corpo, abbigliamento o ambiente è visivamente più forte dell’immagine d’identità. Il modello può conservarne più del previsto.

Definisci il soggetto finale prima del movimento. Dichiara che l’interprete di riferimento non viene mantenuta. Se l’identità si indebolisce, scegli un clip con volto sorgente meno evidente o posa più compatibile.

Prova separatamente l’interazione ravvicinata

Un’interazione a due introduce un’altra identità, più arti, occlusioni temporanee e vari punti di contatto mobili. Non usarla come primo test di un nuovo personaggio.

Convalida prima il personaggio principale da solo, poi aggiungi il secondo soggetto in un piano breve e controllato. Mantieni i corpi separati quando possibile ed evita di cambiare insieme più mani, volti e movimenti camera.

Per una sequenza lunga crea clip separati per introduzione, cambio posa, interazione ravvicinata e piano finale. Riusa i riferimenti approvati invece di imporre tutte le transizioni a una sola generazione.

Come scrivere prompt Ref2VA coerenti per personaggio e movimento NSFW

Un prompt Ref2VA deve spiegare il video finale e il rapporto con le fonti. Ripetere aggettivi sull’aspetto non sostituisce un’assegnazione chiara dei riferimenti.

Il formato di prompt a riferimento completo di MiniMax organizza una richiesta Ref2VA in sei sezioni:

subject_definitions:
<Subject 1> è la donna immaginaria adulta la cui identità facciale, capelli lunghi scuri, proporzioni e stile in raso nero provengono da <Picture 1>.
<Picture 2> mostra lo stesso personaggio più ampiamente e conferma proporzioni e posa iniziale.
<Video 1> fornisce un lento aggiustamento della posa seduta e un movimento camera contenuto.
<Audio 1> è il riferimento del timbro vocale di <Subject 1> (S1).

summary:
[generazione con riferimento + riferimento audio]
L’obiettivo è un video in studio privato a inquadratura unica di <Subject 1>. Identità e stile seguono <Picture 1> e <Picture 2>. Movimento e timing camera seguono <Video 1>. Il timbro vocale si riferisce a <Audio 1>.

retention_analysis:
<Subject 1>: fully_preserved - mantenere volto, capelli, proporzioni, stile in raso e stato visivo complessivo.
<Video 1>: reference - trasferire cambio di posa e ritmo camera senza mantenere interprete o ambiente sorgente.
<Audio 1>: reference - guidare il timbro senza copiare la registrazione.

detailed_description:
Il video usa illuminazione fotografica realistica in uno studio privato silenzioso.
[Shot 1] <Subject 1> siede in un piano medio a tre quarti. Seguendo il movimento controllato di <Video 1>, sposta lentamente il peso, gira una spalla verso la camera e si assesta nella nuova posa. La camera compie un unico movimento in avanti contenuto senza cambiare angolo. <Subject 1> (S1), con la qualità vocale calma di <Audio 1>, dice: <d>[Italiano] Resta qui un momento.</d>

overall_soundscape:
Tono ambientale quieto, lieve movimento del tessuto e interpretazione vocale di riferimento.

non_diegetic_music:
Nessuna musica di sottofondo.

Questo prompt definisce l’identità una volta e dedica il resto a movimento, camera e suono. Evita di ripetere volto e corpo in ogni campo.

Se serve un’unica inquadratura continua, non aggiungere istruzioni camera scollegate. Se una seconda azione richiede nuova posa, inquadratura o contatto, può meritare un clip separato.

Scena NSFW

Un flusso pratico MiniMax H3 Ref2VA per video IA NSFW

Un flusso riutilizzabile deve aumentare la complessità solo quando il livello precedente resta stabile.

Passaggio 1: approva l’immagine del personaggio

Scegli un’immagine che stabilisca identità, direzione del corpo, stile e stato visivo. Se non esiste, creala con il Generatore ragazza realistica AINSFW.AI, il Generatore ragazza anime o Immagini da tag.

Non continuare solo perché l’immagine è attraente. Verifica che offra abbastanza informazioni per la prima azione prevista.

Passaggio 2: crea un test d’identità

Genera un breve primo piano o piano medio con movimento degli occhi, respiro, lieve cambio d’espressione o piccola rotazione della testa. Così verifichi se il personaggio resta riconoscibile prima di un movimento più ampio.

Passaggio 3: aggiungi movimento corporeo controllato

Usa un riferimento d’identità più ampio e chiedi un solo aggiustamento di spalla, busto, vita o posa seduta. Mantieni la camera fissa nel primo test.

Se il personaggio cambia con un piccolo movimento, una fonte più complessa renderà di solito il cambiamento ancora più evidente.

Passaggio 4: introduci il riferimento di movimento

Collega un video breve con posa iniziale compatibile. Dichiara che fornisce movimento e timing camera, non identità.

Confronta il nuovo risultato con il test precedente. Se il soggetto inizia a somigliare all’interprete di riferimento, semplifica il video o rendi più esplicita l’assegnazione.

Passaggio 5: aggiungi camera e audio

Quando il movimento è stabile, introduci un comportamento camera. Aggiungi voce, ambiente o musica solo dopo che i riferimenti visivi funzionano insieme.

Non cambiare nella stessa prova fonte di movimento, camera, audio, struttura del prompt e impostazioni. Un risultato riuscito vale di più quando la causa è comprensibile.

Passaggio 6: crea inquadrature video indipendenti

Crea clip separati per ruoli produttivi diversi:

• Piano identità: inquadratura ravvicinata o media con espressione sottile.
• Piano posa: una transizione corporea o posturale controllata.
• Piano movimento ampio: movimento maggiore sostenuto da un riferimento più largo.
• Piano interazione: clip testato separatamente con contatto aggiuntivo o altro soggetto.

Genera ogni clip dall’insieme approvato invece di usare il risultato precedente come unica fonte del successivo. Riduce la deriva cumulativa dell’identità.

Se file modello locali, mappatura dei riferimenti e manutenzione ComfyUI offrono più controllo del necessario, usa l’immagine approvata con il Generatore da immagine a video AINSFW.AI. È il percorso più semplice quando si parte da un’immagine e non servono più riferimenti video o audio.

Domande frequenti su MiniMax H3 Ref2VA