動画内の特定の人物を参照画像のキャラクターに置き換えたい制作者に、置き換えた顔や髪をより長く維持する新モデルが推奨された。この改善は、実際に編集するショットでメモリ負担を受け入れて導入する根拠になるのか？

1. 新たなデフォルトと改善の根拠

H3 Character Swap LoRA V1.5は、MiniMax H3に追加して人物の置き換えを促す補助的な重みである。既存の動画モデルに代わる完成品ではなく、そのモデルの動作を人物の置き換えに向けて調整する補助ファイルと捉えられる。

モデルカードの比較動画では、V1が参照人物の外見を失ったり元の人物に戻ったりするシーンで、V1.5はキャラクターをより長く維持する。これは選別されたショットの改善例であり、全体の性能を集計した試験ではなく、すべてのショットの改善を保証するものではない。

従来の冒頭のデモと作例は旧版の結果であり、新版のデモとして提示されたものではない。

モデルカードの学習・出所記録にある内部バージョン名や学習予算も、実際の完了量とは区別すべきである。内部名称はV2で、当初の予算は2,250回だが、保存されたステップと最終終了記録で確認できる追加更新は1,000回である。

2. インストールと入力の準備

ユーザーは基盤となる動画モデル、文章をモデル入力に変換する仕組み、動画・音声を圧縮・復元する仕組みを別途用意する。アダプターだけでは実行できない。

H3 Relay 2.0用のワークフローは、置き換える人物の領域を示すマスクや、動画を段階的に生成する計算過程であるサンプリングなどを画面上のノードとして示す。このワークフロー更新はモデルの重みを変更したものではない。

リポジトリの手動インストール例は次のとおりである。

cd /path/to/ComfyUI/custom_nodes
git clone https://github.com/akatz-ai/h3-relay.git

このワークフローにはComfyUI 0.37.0以上が必要である。インストール後はプログラムを再起動し、別途モデルファイルと動画の入出力ツールを用意する必要がある。

元動画は動作の基準として<Video 1>に、参照画像は顔・髪・衣装など外見の基準として<Picture 1>に指定する。置き換える人物と参照キャラクターの特徴を説明し、マスクがその人物を正しく追跡しているか確認する。毎秒24フレームの短い連続ショットから始め、結果を確認してから長くする手順が推奨される。

3. 再現検証は品質の順位付けではない

検証された組み合わせは、重みを8ビット整数で保存するRef2VA INT8ベースモデルで、キャラクター用と別途用意するTurboアダプターの適用強度をそれぞれ1.0に設定するものである。Turboアダプターは少ない生成ステップで使う追加の補助的な重みである。

サンプリングは8ステップで、指示を結果に反映する度合いであるガイダンス強度は1である。生成中の更新方法であるサンプラーはer_sde、ステップごとの進行計画であるスケジューラーはnormalである。

Relay候補版のGPU検証は、LinuxのRTX 4090で、新旧ワークフローの各組について動画、参照画像、マスク、プロンプト、乱数生成の開始値であるシード、モデルファイルを識別するモデルハッシュ、サンプリング設定を揃えて実施された。

単一区間では、V1.5とV1それぞれの新ワークフローが、対応する旧ワークフローと120フレームすべてでピクセル単位で一致した。両モデルの結果が同じという意味ではない。

2区間をつないだキャラクター置き換えでは、43フレーム中22フレームだけが一致し、0~255基準の平均絶対差は1.482121だった。顔・姿勢や背景に小さな差が残り、数値的な同等性は主張されていない。この検証はワークフロー移行の再現性を確認したもので、モデル間の品質の優劣を測った結果ではない。

4. 利点とコストの境界

期待される利点は参照人物の外見をより長く維持することだが、メモリ負担は残る。GPU検証記録の24GBグラフィックスカードでは、モデル全体を載せる方式はメモリを使い果たし、同じ生成設定で一部をメインメモリに移す通常のオフロードによって完了した。

出力はマスク領域だけを切り取って元動画に貼り付ける方式ではない。そのため、確認範囲も置き換えた人物だけに限定できず、周囲の人物や背景まで調べる必要がある。人物の外見だけでなく、元のタイミング、表情、遮蔽、シーンの切り替わりも確認対象となる。

5. 出力と利用条件

最終動画に元のサウンドトラックを付けるのはアプリケーション側の機能である。これを、モデルによる正確な音声再現や口の動きの一致の証拠と解釈してはならない。

アダプターはMiniMax H3コミュニティ利用規約に従い、RelayのコードはGPL-3.0に従う。コードの利用条件がモデルの重みの利用権限まで与えるわけではないため、配布や商用利用の前に各モデルの条件を個別に確認する必要がある。

導入判断において、選別された外見維持の事例は試す根拠となり、ワークフローの再現検証は移行前の結果を再現する範囲の根拠であって品質保証ではない。メモリ運用の負担も考慮し、実際に編集する短いショットで改善を確認してから導入を判断すべきである。

今回の版は人物の外見維持の改善を試す出発点であり、結果の確認に代わる完成型の編集ツールではない。