ComfyUI MiniMax H3 Fun ControlNet Union: Pose・Depth・Canny 制御ビデオ

Canny、Depth、HED、MLSD、Pose のコントロールビデオで ComfyUI の MiniMax H3 動画の動きを制御し、Fun ControlNet Union パッチでマスクベースのインペインティングも行えます。

テキストだけでなく、コントロールビデオを使って MiniMax H3 ビデオのモーションを制御できます。Fun ControlNet Union パッチ（alibaba-pai/MiniMax-H3-Fun-Controlnet-Union、Comfy-Org/MiniMax-H3 に同梱）は、Canny、Depth、HED、MLSD、Pose のいずれかのコントロールビデオを条件として H3 を制御する単一の checkpoint で、マスクを使用したビデオインペインティングも実行できます。fl2va と ref2va の両方のトランスフォーマーファイルで動作します。

Comfy Cloud で実行

Comfy Cloud で開く

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで「MiniMax H3 Fun ControlNet Union」を検索してください

入力素材

このファイルを、対応する Load Video ノードにアップロードしてください：

dancer_field_pose.mp4

サンプルワークフローで使用するポーズコントロールビデオです。独自のビデオを使用することもできます。

このテンプレートには ComfyUI 0.35.0 以降が必要です。この例ではポーズコントロールビデオを使用しています。組み込みの SDPose サブグラフが入力ビデオからポーズスケルトンを抽出するため、出力はダンサーのモーションを再現します。また、前処理済みの任意のコントロールビデオを、Apply MiniMax H3 Fun ControlNet ノードの control_video 入力に直接接続することもできます。

​

モデルのダウンロード

Diffusionモデル: minimax_h3_ref2va_pruned_int8_convrot

ComfyUI/models/diffusion_models/ に配置してください

ControlNetパッチ: minimax_h3_fun_controlnet_union_pruned_int8_convrot

ComfyUI/models/model_patches/ に配置してください

テキストエンコーダー: qwen3vl_32b_minimax_h3_nvfp4_awq

ComfyUI/models/text_encoders/ に配置してください

VAE: minimax_h3_video_vae_int8_convrot

ComfyUI/models/vae/ に配置してください

VAE: minimax_h3_audio_vae_fp32

ComfyUI/models/vae/ に配置してください

LoRA: minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16

オプションのLightning LoRAターボモードを有効にします。ComfyUI/models/loras/ に配置してください

チェックポイント: sdpose_wholebody_fp16

組み込みのSDPoseサブグラフで使用されるポーズ抽出器です。ComfyUI/models/checkpoints/ に配置してください

検出器: rt_detr_v4-x-hgnet_fp16

組み込みのSDPoseサブグラフで使用される人物検出器です。ComfyUI/models/diffusion_models/ に配置してください

​

モデルの保存先

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   ├── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│   │   └── rt_detr_v4-x-hgnet_fp16.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│   ├── 📂 vae/
│   │   ├── minimax_h3_video_vae_int8_convrot.safetensors
│   │   └── minimax_h3_audio_vae_fp32.safetensors
│   ├── 📂 loras/
│   │   └── minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
│   ├── 📂 model_patches/
│   │   └── minimax_h3_fun_controlnet_union_pruned_int8_convrot.safetensors
│   └── 📂 checkpoints/
│       └── sdpose_wholebody_fp16.safetensors

​

プロンプトのヒント

1. ビデオの長さ: 対象のビデオは、24fps の 17n+5 フレームグリッド上で5〜15秒間実行されます(124フレーム = 5秒)。対象より長いコントロールビデオは最初のフレームで切り詰められ、短い場合は最後のフレームが保持されます。コントロールビデオの長さに正確に一致させるには、サンプルで計算された batch_size 出力を MiniMax H3 Reference to Video ノードの長さ入力にリンクしてください。
2. ガイダンスと強度: guidance_scale は 1.0 に保ってください。出力がコントロールから逸脱した場合にのみ、パッチの strength を 1 より上げてください。
3. ビデオインペインティング: マスクを mask 入力に接続します。1 とマークされた領域は、オプションの source_video 入力の制御下で再生成され、フレームの残りの部分は固定されたままになります。
4. ターボモード(オプション): Lightning LoRA チェックボックスを有効にすると、4ステップのターボ LoRA を使用して生成が大幅に高速化されます(オーディオとモーションの品質は若干低下します)。
5. コントロールビデオの準備: ComfyUI には、各コントロールタイプ用の組み込みの前処理ノードが同梱されています。エッジについては Detect Edges (Canny) ノード、深度マップについては Depth Anything 3 チュートリアル を参照してください。