hashu786(個人開発)/2026-10
MiniMax H3を使い、544p程度の動画を2K〜8Kへ、タイル・チャンク分割で一般向けGPU1枚でも処理できるようにしたComfyUIの動画アップスケーラー。
低解像度で生成した動画を、単なる拡大ではなく生成モデルで細部を描き足しながら4K・8Kへ引き上げるノード群です。高解像度の動画全体をメモリに載せず、画面を小さなタイルと短い時間の塊に分けて順に仕上げ、結果を継ぎ合わせます。空など特徴のない部分は処理を飛ばして余計な描き足し(ハルシネーション)を防ぎ、最終デコードに失敗しても途中の潜在データが保存されて再計算なしでやり直せます。広告では、手元のGPUで作った試作カットを納品解像度に引き上げる、クラウドを使わずに社外秘素材を高画質化する、長尺のモーションを分割せず仕上げる、といった場面で役立ちそうです。事前に消費メモリや処理量を見積もるTile Planノードもあり、長尺処理の見通しを立てやすい設計です。
仕組みは9つのノードの組み合わせです。Streamed Encodeで動画を少しずつ潜在空間に変換し、Refineでタイルごとにサンプリングして細部を再生成、Streamed Decodeで少しずつ映像に戻します。画像を細かいモザイク片(タイル)で貼り直す作業に近く、全体を一度に持たないためメモリが膨らみません。spatial_tile/temporal_tile にはhigh_vram/low_vramのプリセットがあり、2倍拡大では最初のフレームを基準画像として使うと細部が増え、4倍以上では使わない運用がREADMEで勧められています。 従来の動画アップスケーラーは入力に忠実だが細部を作れないか、全体を一括処理するため高解像度では大量のVRAMが必要でした。本ツールは生成モデルの描き足し能力と、分割処理による省メモリを両立させる点が特徴です。ただしREADMEに画質比較や処理時間の数値はなく、実際の品質は自分の素材で試す必要があります。デモ画像もなく、プロモ動画のみの提示です。 利用にはComfyUIにリポジトリをcustom_nodesへクローンするだけ(追加の依存なし)ですが、MiniMax H3(ref2va、各種VAE、Qwen3-VLテキストエンコーダ)と推奨のLMS詳細LoRAのモデルファイルが別途必要です。example_workflows/tessera_upscaler.json を開き、動画と拡大率を指定して実行します。具体的なVRAM要件は明記されていません。
ノード本体はMIT。必須のMiniMax H3や詳細LoRA、任意のQwen Image 2.1・SAM3は各モデルのライセンスを個別に確認。
MiniMax H3の下書きを768P〜4Kで再生成するComfyUIノードと高速VAEデコーダ。
MiniMax H3の複数ショット動画をシーン記憶つきで組むタイムラインスタジオ。