MiniMax H3 Ref2VA для NSFW-видео с ИИ: настройка ComfyUI и работа с референсами

MiniMax H3 Ref2VA или FL2VA: какой процесс выбрать?

MiniMax H3 использует отдельные checkpoints для разных задач. FL2VA обрабатывает текст-в-аудиовидео и генерацию по первому или последнему кадру. Ref2VA обрабатывает референс-в-аудиовидео с изображениями, видео, аудио или смешанными источниками.

Разница в роли ресурса. Изображение, подключённое как первый кадр, задаёт реальную начальную композицию. То же изображение в Ref2VA может определять лицо, тело, стиль, окружение или позу, не становясь первым кадром.

Это важно для NSFW-персонажей. Одно начальное изображение может закрепить клип, но дать мало информации при повороте тела, расширении плана или временном перекрытии другим субъектом. Ref2VA может использовать дополнительные виды идентичности, если они показывают того же персонажа.

Процессы также используют разные веса диффузии. Загрузка весов FL2VA в Ref2VA не создаёт мультимодальное поведение лишь потому, что соседние узлы выглядят совместимыми.

Как настроить MiniMax H3 Ref2VA в ComfyUI

3. Подключите видео-референс движения

Видео может задавать движение тела, работу камеры, ритм монтажа, изменяемую сцену или точку продолжения. Промпт должен явно описывать нужную связь.

Некоторые загрузчики ComfyUI возвращают объект VIDEO, а вход MiniMax H3 ожидает последовательность извлечённых изображений. Если порты не соединяются, используйте штатный узел Get Video Components, чтобы получить кадры, аудио, частоту и другие компоненты. Подключите кадры ко входу референсного видео.

Если нужен исходный саундтрек, подключите извлечённое аудио отдельно. Загрузка видео не делает его звук автоматически доступным референсом <Audio N>.

Для переноса движения выбирайте источник с похожей начальной позой. Сидящего персонажа легче согласовать с сидячим движением, чем тесный портрет с мгновенным поворотом стоящей фигуры в полный рост.

Движение должно оставаться читаемым. Сильные перекрытия тел, руки за торсом, волосы поверх суставов или пересекающиеся исполнители заставляют модель восстанавливать информацию, которой нет ни в одном источнике.

Укажите, что видео передаёт движение, а не идентичность:

<Subject 1> получает идентичность и внешность из <Picture 1>.
<Video 1> даёт только медленную смену сидячей позы и ритм камеры.
Исполнитель из <Video 1> не сохраняется в целевом видео.

Референс персонажа

Референс движения

Сгенерированный результат

4. Добавляйте аудио только с ясной ролью

Ref2VA может использовать аудио из референсного видео или отдельного файла. По текущим официальным правилам аудио не может быть единственным референсом; оно должно сопровождать изображение или видео.

Определите роль источника:

• Референс тембра голоса
• Референс подачи или эмоции
• Повторно используемый диалог или текст песни
• Повторно используемая фоновая музыка
• Референс ритма или музыкального стиля
• Референс окружающего звука

Референс голоса не равен копированию сигнала. Если персонаж должен произнести новый текст похожим голосом, определите источник как референс тембра и напишите новый диалог в промпте.

Метки аудио нумеруются отдельно от видео. <Video 1> и <Audio 1> не считаются частями одного файла, если промпт не объясняет их связь.

Используйте только свои или разрешённые референсы лица, видео и голоса. Ref2VA нельзя применять для выдачи себя за узнаваемого человека без согласия.

Сцена аудиореференса

<Picture 1> определяет внешность <Subject 1>.
<Picture 2> даёт более широкий вид того же персонажа.
<Video 1> даёт движение тела и тайминг камеры.
<Audio 1> даёт тембр голоса <Subject 1>.

Как сохранить NSFW-персонажа между референсами

Используйте разные виды одного персонажа

Полезный набор может включать чёткое лицо, средний план и более широкий вид тела. Изображения должны давать разную информацию, сохраняя одну идентичность.

Лицо, волосы, кожа, пропорции и отличительные детали стиля должны совпадать. Изменение структуры лица или стиля даёт модели две конкурирующие версии персонажа.

Референсы должны совпадать и по визуальному состоянию цели. Если одежда или степень покрытия заметно различаются, выберите нужное состояние и удалите конфликтующий источник.

Использовать вместе

Не смешивать

Соотнесите референсное изображение с движением

Выбирайте изображение, где уже видна участвующая в действии часть тела. Если движение проходит через талию, меняет сидячую позу или кладёт руку на торс, эти области должны быть видимы и структурно ясны.

Сложность растёт, когда модели нужно раскрывать невидимую анатомию, разделять перекрывающиеся конечности или сохранять несколько точек контакта. Простая поза может быть лучшим референсом, чем драматичное изображение.

Не позволяйте источнику движения заменить персонажа

В видео движения лицо, тело, одежда или окружение исполнителя могут быть сильнее изображения идентичности. Модель способна сохранить больше исходного материала, чем задумано.

Опишите целевой субъект до движения и явно исключите сохранение исполнителя. Если идентичность слабеет, выберите клип с менее заметным исходным лицом или более совместимой позой.

Проверяйте тесное взаимодействие отдельно

Взаимодействие двух людей добавляет вторую идентичность, больше конечностей, временные перекрытия и движущиеся точки контакта. Не используйте его первым тестом нового персонажа.

Сначала проверьте главного персонажа отдельно, затем добавьте второго в коротком контролируемом плане. По возможности разделяйте тела визуально и не меняйте одновременно несколько рук, лиц и движений камеры.

Для длинной последовательности делайте отдельные клипы для вступления, смены позы, тесного взаимодействия и финала. Повторно используйте одобренные референсы вместо попытки выполнить все переходы одной генерацией.

Как составить Ref2VA-промпт для согласованных NSFW-персонажа и движения

Промпт Ref2VA должен объяснять целевое видео и его связь с источниками. Повторение описаний внешности не заменяет ясного назначения референсов.

Формат полного референсного промпта MiniMax делит запрос Ref2VA на шесть разделов:

subject_definitions:
<Subject 1> — вымышленная совершеннолетняя женщина, чья идентичность лица, длинные тёмные волосы, пропорции и чёрный атласный стиль взяты из <Picture 1>.
<Picture 2> даёт более широкий вид и подтверждает пропорции и начальную позу.
<Video 1> даёт медленную смену сидячей позы и сдержанное приближение камеры.
<Audio 1> — референс тембра для <Subject 1> (S1).

summary:
[генерация по референсу + аудиореференс]
Цель — одноплановое видео <Subject 1> в частной студии. Идентичность и стиль следуют <Picture 1> и <Picture 2>, движение и камера — <Video 1>, тембр — <Audio 1>.

retention_analysis:
<Subject 1>: fully_preserved - сохранить лицо, волосы, пропорции, атласный стиль и общее визуальное состояние.
<Video 1>: reference - передать смену позы и ритм камеры без исходного исполнителя и окружения.
<Audio 1>: reference - направлять тембр, не копируя запись.

detailed_description:
Видео использует реалистичный фотографический свет в тихой частной студии.
[Shot 1] <Subject 1> сидит в среднем плане на три четверти. Следуя контролируемому движению <Video 1>, она медленно переносит вес, поворачивает плечо к камере и принимает новую позу. Камера один раз сдержанно движется вперёд без смены угла. <Subject 1> (S1) спокойным голосом из <Audio 1> говорит: <d>[Русский] Побудь здесь немного.</d>

overall_soundscape:
Тихий фон комнаты, лёгкое движение ткани и референсная подача голоса.

non_diegetic_music:
Без фоновой музыки.

Этот промпт определяет идентичность один раз, а остальные детали посвящает движению, камере и звуку. Не повторяйте описание лица и тела в каждом поле.

Если нужен один непрерывный план, не добавляйте несвязанные указания камеры. Если второе действие требует новой позы, кадрирования или контакта, лучше сделать отдельный клип.

NSFW-сцена

Практический процесс MiniMax H3 Ref2VA для NSFW-видео с ИИ

Повторно используемый процесс должен усложняться только после стабилизации предыдущего слоя.

Шаг 1. Утвердите изображение персонажа

Выберите изображение, задающее идентичность, направление тела, стиль и визуальное состояние. Если подходящего нет, создайте его в Генераторе реалистичной девушки AINSFW.AI, Генераторе аниме-девушек или Картинках по тегам.

Не продолжайте только потому, что изображение привлекательное. Убедитесь, что данных достаточно для первого запланированного действия.

Шаг 2. Создайте тест идентичности

Сгенерируйте короткий крупный или средний план с движением глаз, дыханием, лёгкой сменой выражения или небольшим поворотом головы. Так видно, сохранится ли узнаваемость до большого движения.

Шаг 3. Добавьте контролируемое движение тела

Используйте более широкий референс и запросите одно изменение плеча, торса, талии или сидячей позы. В первом тесте держите камеру неподвижной.

Если персонаж меняется уже при малом движении, более сложный источник обычно делает изменение ещё заметнее.

Шаг 4. Введите референс движения

Подключите короткое видео с совместимой начальной позой. Укажите, что оно даёт движение и тайминг камеры, а не идентичность.

Сравните результат с предыдущим тестом. Если цель начинает походить на исполнителя, упростите видео или яснее назначьте субъект.

Шаг 5. Добавьте камеру и аудио

После стабилизации тела добавьте одно поведение камеры. Голос, атмосферу или музыку вводите после согласования визуальных референсов.

Не меняйте в одном тесте движение, камеру, аудио, структуру промпта и настройки. Успешный результат ценнее, когда понятна его причина.

Шаг 6. Создайте независимые видеопланы

Создавайте отдельные клипы для разных производственных ролей:

• План идентичности: крупное или среднее кадрирование с тонкой мимикой.
• План позы: один контролируемый переход тела или положения.
• Широкий план движения: более крупное движение при поддержке широкого референса.
• План взаимодействия: отдельно проверенный клип с дополнительным контактом или субъектом.

Генерируйте каждый клип из одобренного набора, не используя предыдущий результат как единственный источник следующего. Это уменьшает накопленный дрейф идентичности.

Если локальные модели, сопоставление референсов и обслуживание ComfyUI дают больше контроля, чем нужно, используйте утверждённое изображение в Генераторе преобразования изображений в видео AINSFW.AI. Это проще, когда задача начинается с одного изображения и не требует нескольких видео или аудио.

Частые вопросы о MiniMax H3 Ref2VA