h3-longtake
MiniMax H3로 15초를 넘는 롱테이크 영상을 만들 때 사용한다. ConText-Loop 커스텀 노드 팩(MiniMaxH3Chain* 13종)으로 이전 세그먼트의 compact AV latent를 다음 세그먼트 conditioning에 주입해 모션·오디오·정체성을 이어붙인다. 레퍼런스 스틸 준비, plan.json 포맷, prompt_prefix와 <Picture N> 마커 문법, 체크포인트 재개, 이음새 측정 프로토콜을 다룬다. "롱테이크", "긴 영상", "1분 영상", "체이닝", "이음새", "ConText-Loop", "H3 Chain", "레퍼런스 준비", "정체성 유지" 키워드에 트리거된다.
- License 许可
- MIT
- 最近更新
- 2026-10-07
- Stars
- ★ 3
- Forks
- 0
01 前言 Front Matter
- name
- h3-longtake
- description
- MiniMax H3로 15초를 넘는 롱테이크 영상을 만들 때 사용한다. ConText-Loop 커스텀 노드 팩(MiniMaxH3Chain* 13종)으로 이전 세그먼트의 compact AV latent를 다음 세그먼트 conditioning에 주입해 모션·오디오·정체성을 이어붙인다. 레퍼런스 스틸 준비, plan.json 포맷, prompt_prefix와 <Picture N> 마커 문법, 체크포인트 재개, 이음새 측정 프로토콜을 다룬다. "롱테이크", "긴 영상", "1분 영상", "체이닝", "이음새", "ConText-Loop", "H3 Chain", "레퍼런스 준비", "정체성 유지" 키워드에 트리거된다.
03 SKILL.md 正文
MiniMax H3 롱테이크
한 줄 요약
H3의 15.08초 상한은 ConText-Loop으로 깨진다. 이전 세그먼트의 compact AV latent를 다음 세그먼트의 conditioning에 직접 주입하므로, 정지 프레임을 다시 인코딩해 넘기던 방식의 이음새 문제가 구조적으로 사라진다.
모델 자체의 성질(length 그리드, 해상도별 소요, 4단 필드 프롬프트, <d> 대사 태그)은
minimax-h3 스킬을 먼저 읽어라. 이 문서는 여러 세그먼트를 잇는 부분만 다룬다.
1. 실측 — 이 팩이 실제로 무엇을 고쳤나
832×480 / 5초 × 2세그먼트 / 20스텝 / Turbo 없음 / generated_audio / 총 306초
| 순진한 체이닝 (mp4 마지막 프레임 → first_frame) | ConText-Loop | |
|---|---|---|
| 이음새 프레임차 | 4.51 (내부 0.70~1.73 → 5배 스파이크) | 1.89 (내부 평균 2.86~5.39) |
| 육안 판정 | 움직임 속도·방향이 튄다 | 이음새를 못 찾는다 |
| 오디오 | i2v에서 -45~-49dB로 죽음 | 연속 (레벨 정상) |
| 색 드리프트 | 발생 | latent 슬라이스로 우회 |
이음새 값이 오히려 국소 평균보다 낮다. 최대 스파이크는 세그먼트 내부의 회전 동작 구간에서 나왔고, 그건 정상 모션이다.
출력 길이는 5초 × 2 = 10초가 아니라 9.417초다. context_length(기본 22프레임)만큼
겹침이 제거되기 때문. 총 길이를 계산할 때 반영하라.
⚠️ 이음새 이상 판정은 반드시 전체 분포와 비교하라. 이음새 근처만 확대해 보고 "오디오가 30배 튄다"고 오판한 적이 있다. 전 구간을 재보니 RMS 300 이상 구간이 18곳 흩어져 있었고 이음새 값은 오히려 작은 축이었다 — 그냥 발소리였다.
2. 설치
cd <ComfyUI>/custom_nodes
git clone https://github.com/ethanfel/ComfyUI-MiniMaxH3-Contex-Loop.git
- requirements.txt 없음 — 추가 파이썬 의존성 0
- ffmpeg가 PATH에 있으면 리뷰·조립에 사용, 없으면 PyAV 폴백
ethanfel/ComfyUI-H3-Motion-Context는 같은 저장소의 다른 이름이다(커밋 해시 동일). 둘 다 깔면 노드가 중복 등록되므로 하나만 설치하라- 설치 후 노드 수가 13개 늘어난다(1961 → 1975 실측)
⚠️
patch_layout.py가 ComfyUI 내부를 몽키패치한다. 스톡은 키프레임 앵커를 first/last만 허용하는데 그 제약을 풀어낸다. ComfyUI 버전을 올릴 때마다 이 패치가 살아 있는지 확인하라.
3. 노드 구성
| 노드 | 역할 |
|---|---|
MiniMaxH3ChainPlan |
plan.json 편집 → H3_CHAIN_PLAN |
MiniMaxH3ChainLoopStart |
루프 진입. plan, start_clip, 옵션 scene_range/source_audio/external_context |
MiniMaxH3ChainCurrent |
현재 씬 상태. width/height/length/seed/steps를 출력해 다른 노드에 공급 |
MiniMaxH3ChainContext |
핵심. state+conditioning+vae+latent(+audio_vae) → 컨텍스트가 주입된 CONDITIONING, trim_frames, is_first |
MiniMaxH3LoopTrim |
디코드 후 겹침 제거. match_tail=true 유지할 것 |
MiniMaxH3ChainSegmentSave |
세그먼트 mp4 + safetensors 체크포인트 저장 |
MiniMaxH3ChainLoopEnd |
루프 종료 → H3_CHAIN_MANIFEST |
MiniMaxH3ChainAssemble |
최종 조립. audio_source: plan/source/generated/none |
MiniMaxH3ChainReview |
mp4 미리보기 + 승인/재시도 게이트 |
MiniMaxH3ChainExternalVideo |
기존 영상을 이어 확장할 때의 어댑터 |
MiniMaxH3ChainManifestLoad / ChainExportPNG / ChainScenePromptEditor |
재개 / 무손실 PNG 추출 / 대형 프롬프트 편집기 |
배선의 요점: ChainContext의 conditioning은 스톡 H3 노드
(MiniMaxH3ReferenceToVideo 또는 MiniMaxH3ImageToVideo)의 출력을 받고, latent는
같은 노드의 두 번째 출력(빈 AV latent)을 받는다. 기존 워크플로우를 버리는 게 아니라
그 뒤에 끼워 넣는 구조다. 씬 1은 컨텍스트 없이 통과하고, 2번째부터 주입이 시작된다.
generated_audio / source_plus_timeline 모드에서는 audio_vae를 반드시 연결하라.
source_track 모드에서는 첫 소스 윈도우에 이미 tail이 들어 있어 불필요하다.
4. ⭐ 정체성은 3중으로 유지된다
"처음 넣은 레퍼런스 몇 장으로 끝까지 버틴다"가 아니다.
| 층 | 무엇 | 주기 |
|---|---|---|
| ① 레퍼런스 이미지 | ref_images가 Ref2VA에 물려 있음 |
매 세그먼트 재공급 |
② prompt_prefix |
정체성·의상·스타일·연속성 규칙 | 모든 씬 프롬프트 앞에 자동 삽입 |
| ③ compact AV latent | 이전 세그먼트의 모션·조명·기하 | 직전 세그먼트 |
루프가 돌 때마다 레퍼런스가 다시 들어가므로 드리프트가 누적되는 구조가 아니다. 100번째 세그먼트도 1번째와 같은 그림을 본다.
따라서 레퍼런스 스틸의 품질이 전 구간을 좌우한다. 여기에 시간을 써라.
5. 레퍼런스 스틸 준비
5-1. 캐릭터 LoRA로 뽑을 때
- 의상을 바꾸려면 기존 의상 태그를 전부 빼라. 캐릭터 LoRA는 학습된 의상 태그와 충돌하면 학습된 쪽이 이긴다. 교복 캐릭터에 사복을 입히려면 교복 태그를 지우고 새 의상만 넣는다
- 반대로 시그니처 의상을 원하면 정확한 태그 세트를 통째로 부르거나 의상 칸을 아예 비워라(학습 데이터 쪽으로 강하게 바이어스된다)
- 스타일 LoRA와 병용할 때는 캐릭터 LoRA를 항상 위 강도로 둔다
5-2. 구도 — 실패하는 조합이 있다
arm outstretched toward viewer + upper body를 같이 주면 다리가 붕 뜨고 신발이
두 켤레 나오는 식으로 무너졌다. standing, cowboy shot처럼 전신 기준 구도 태그를
명시하면 안정된다. 첫 판이 이상하면 시드만 바꾸지 말고 구도 태그를 의심하라.
5-3. 해상도 — 업스케일해서 넣지 마라
첫 프레임은 생성 해상도로 직접 크롭해서 만든다. 832×480짜리를 1152×640으로 업스케일해 넣으면 1번 프레임부터 흐릿하게 시작한다. 원본 스틸(예: 1216×832)에서 목표 종횡비로 crop → 목표 해상도로 lanczos 리스케일이 정답이다.
# 1216x832 원본 → 1152x640(16:9)용 크롭
ffmpeg -i still.png -vf "crop=1216:695:0:25,scale=1152:640:flags=lanczos" ref.png
5-4. 소품이 있으면 레퍼런스에서부터 손을 정해라
레퍼런스 스틸에서 인물이 뭔가를 들고 있다면 어느 손에 들렸는지 확인하고, 그 손을
prompt_prefix에 못 박아라. 레퍼런스와 프롬프트가 다른 손을 가리키면 소품이 매
프레임 좌우를 오간다. 상세는 minimax-h3 스킬 4-I절.
5-5. ComfyUI에 올리기
파일을 input 디렉토리에 직접 복사하려 하지 말고 업로드 API를 써라. 출력 디렉토리가 설치 경로 밖에 있는 경우가 흔해서 경로 추측이 빗나간다.
curl -F "image=@ref.png;filename=ref.png" -F "overwrite=true" \
http://127.0.0.1:8188/upload/image
5-6. ⭐ 생성 전 필수 — 장면 명세 프로토콜
체인은 리테이크가 특히 비싸다(30초 2시간 14분 실측). minimax-h3 스킬 4-J절의
16축 체크리스트와 서브에이전트 검토를 반드시 거친 뒤에 큐에 올려라. 연속
세그먼트에는 17(경계 연속성)·18(불변·가변 분리) 두 축이 추가된다.
prompt_prefix에 불변 축(정체성·의상·소품-손 결합·화풍·촬영 주체)을 전부 넣는다- 씬
prompt에는 변화분만 — 단 의상·소품은 컷마다 재해석되므로 짧게라도 재명시한다 - 세그먼트 2 이후의 첫 문장은 이전 세그먼트 마지막 동작의 연장으로 시작한다.
[Shot 1]로 새 장소를 서술하면 씬 점프가 된다(실측: 이음새 프레임차 69.3)
6. plan.json 포맷
{
"prompt_prefix": [
"Use <Picture 1> for her facial identity, hairstyle, skin tone, age, body proportions, and distinctive physical features.",
"",
"<Subject 1> (S1) wears the same white long-sleeved shirt, teal bowtie, black suspenders and navy pleated skirt in every scene.",
"",
"2D-animated Japanese anime, hand-inked line art, flat cel-shading. Continue subject motion, camera momentum, lighting and geometry across every boundary. No cuts."
],
"defaults": { "duration_seconds": 5, "steps": 20 },
"shots": [
{ "id": "seg_01", "prompt": ["장면별 변화분만 적는다."] },
{ "id": "seg_02", "prompt": ["같은 속도로 계속 걷다가 서서히 멈춘다."] }
]
}
prompt_prefix(별칭global_prompt)가 모든 씬 프롬프트 앞에 자동으로 붙는다. 정체성·의상·스타일·연속성 규칙은 전부 여기. 씬prompt에는 변화분만 적어라- 프롬프트는 문자열 배열로 쓰면 실제 개행으로 join된다. 빈 문자열이 빈 줄
<Picture N>으로 레퍼런스 이미지를,<Subject N>/(S1)로 인물을 지목한다. 대사는minimax-h3스킬의<d>[Korean] ...</d>태그를 그대로 쓴다prompt_prefix가 비어 있지 않으면 씬prompt는 생략 가능하다
ChainPlan 노드 설정값
| 필드 | 기본 | 메모 |
|---|---|---|
context_length |
22 | 겹침 프레임 수. 출력 길이가 이만큼 줄어든다 |
encode_mode |
video |
|
anchor_mode |
head |
|
crop |
disabled |
레퍼런스와 출력 프레이밍이 같으면 disabled |
audio_mode |
source_track / generated_audio / source_plus_timeline |
|
generation_fingerprint |
— | 모델·VAE·LoRA·레퍼런스·CFG·샘플러 버전을 넣어라. 바뀌면 체크포인트 재사용이 무효화된다 |
7. 산출물 구조와 재개
output/h3_chains/{run_name}/
plan.json manifest.json api_prompt.json
segments/ clip_0001.<hash>.mp4 + .prompt.txt
checkpoints/ clip_0001.<hash>.safetensors + .json
final/ {filename}.mp4
체크포인트가 safetensors로 남으므로 중단 후 재개가 된다. 긴 체인을 돌리다 끊겨도 처음부터 다시 하지 않는다. 재개할 때는 같은 Plan·소스 영상·어댑터를 다시 연결하라.
씬 범위는 연속이어야 한다. 1,3,5:8 같은 불연속 선택은 거부된다 — 건너뛴 씬이
모션 의존성을 끊기 때문이다.
8. ⭐ 이 도구를 쓸 자리와 쓰지 말 자리
쓸 자리: 같은 공간에서 카메라와 인물이 계속 움직이는 롱테이크. 모션·조명·기하가 경계를 넘어 이어져야 하는 경우.
쓰지 말 자리: 씬이 점프하는 편집. 장소가 바뀌거나 시간이 건너뛰는 컷은 클립을 따로 뽑아 붙이는 편이 싸고 자유롭다. 이 팩은 애초에 연속성을 전제로 설계돼 있어서 불연속을 요구하면 거부하거나 품질이 나빠진다.
15초 이하: 체이닝 자체가 불필요하다. minimax-h3의 단발(L362)이 정답이다.
9. 워크플로우 변환 — 예제는 UI 포맷이다
예제 워크플로우 5종이 example_workflows/에 들어 있으나 전부 UI 포맷이라
/prompt에 그대로 POST할 수 없다. 변환기가 필요하다.
⚠️ Reroute 노드를 그냥 건너뛰면 입력이 조용히 누락된다. Reroute의 입력 타입은
*라서 출력 타입과 매칭되지 않는다. "링크된 첫 입력을 따라간다"로 처리하라. 이걸 안 해서ChainContext의vae입력이 통째로 사라진 적이 있다. mode 4(bypass)/2(mute) 노드와 미설치 노드도 같은 패스스루 규칙으로 처리한다.
변환 후에는 모든 링크가 존재하는 노드를 가리키는지 검증하고 POST하라.
예제가 요구하는 자산 (없으면 대응물로 교체)
| 예제 | 대응 |
|---|---|
minimax_h3_ref2va_pruned_bf16 |
Kijai/MiniMax-H3-experimental의 ref2va_pruned_w4a8_mixed(11.77GB). fl2va nvfp4와 같은 VRAM 급 |
qwen3vl_32b_..._int8_convrot |
qwen3vl_32b_..._nvfp4_awq (역할 동일) |
lightx2v_turbo_4step |
보유한 Turbo 4step LoRA로 대체 가능 |
PathchSageAttentionKJ |
sageattention 미설치면 이 노드에서 죽는다. 속도 패치일 뿐이니 빼도 결과는 같다 |
| 소스 wav | audio_mode를 generated_audio로 바꾸고 audio_vae 연결 |
예제는 Turbo 4스텝 전제로 짜여 있다. 품질을 볼 목적이면 LoRA를 빼고 steps를 20으로 올려라. 그대로 두면 이음새가 아니라 증류 화질을 보게 된다.
10. 측정 프로토콜
- 프레임 간 평균 절대차를 전 구간에 대해 구한다(그레이 축소 후 계산)
- 세그먼트 내부 평균/최대와 이음새 지점 값을 같은 축에서 비교한다
- 국소 확대 금지 — 반드시 전체 분포에서 이음새가 상위 몇 번째인지 본다
- 오디오도 같은 원칙. 0.1초 RMS를 전 구간 뽑아 이음새가 특별한지 확인한다
- 마지막에 재생해서 눈으로 본다. 정지 프레임 비교로는 속도·방향 불연속이 안 잡힌다
04 同仓库更多 Skills
generate-video
claude-play-bridge MCP 서버로 영상을 생성한다. 로컬 ComfyUI의 영상 워크플로 패키지(MiniMax H3 = 영상+오디오 동시 생성, WAN 2.2 i2v, Z-Image→영상)를 호출한다. 렌더가 수 분~수십 분 걸리므로 async 큐잉 + 파일 폴링이 기본 절차다. "영상", "동영상", "비디오", "video", "i2v", "t2v", "클립 만들어", "움직이는", "애니메이션 영상" 요청에 트리거된다.
generate-image
claude-play-bridge MCP 서버로 이미지를 생성한다. 기본 백엔드는 ComfyUI(로컬 GPU, 워크플로 패키지 기반)이고, 사용자가 명시적으로 요청할 때만 GPT/Gemini 백엔드를 사용한다.
generate-image-openai
OpenAI/GPT 이미지 생성(GPT Image 품질 / 텍스트 렌더링·이미지 편집 강점). 기본 백엔드는 Codex CLI 구독(건당 과금 없음). ⚠️ 사용자가 이 백엔드를 명시적으로 지정했을 때만 사용한다(예 "GPT로/OpenAI로 그려줘"). 기본 이미지 생성은 generate-image(ComfyUI)이며, 사용자가 콕 집어 요청하지 않았다면 절대 OpenAI를 자동으로 선택하지 마라.
generate-spritesheet
Gemini 이미지 생성으로 게임용 아이콘 스프라이트시트를 만들고 자동 슬라이스한다. 아이콘, UI 리소스, 뱃지, 마커 등 여러 개의 동일 카테고리 에셋이 필요할 때 사용한다.
generate-image-gemini
Gemini API로 이미지를 생성한다. 패널 배경, UI 리소스, 아이콘, 장면 삽화 등 디자인 리소스 제작에 사용한다. ComfyUI가 없을 때의 이미지 생성 대안이기도 하다.
workflow-research
새 ComfyUI 워크플로우를 설계하거나 신규 모델, 양자화 모델, LoRA 개발 전략을 비교할 때 분석 틀을 잡는다.