OSSコミュニティ(Luisa / ComfyUI-MiniMaxH3Mod)/2026-09
動画生成AI「MiniMax H3」向けに、キャラクターの見た目を毎回学習し直さずに何度でも再現できる、1〜1.6MBの軽量な参照データ形式。
MiniMax H3という動画生成AIで、同じキャラクターや商品をいつも同じ姿で登場させ続けられる仕組みです。従来、AIに『いつもの顔』を覚えさせるには専用の追加学習(ファインチューニング)が必要で、数十分〜数時間の計算とそれなりの知識が求められました。RefModsは参照にしたい画像や動画を一度『圧縮』して1〜1.6MBほどの小さなファイルに変換するだけで、あとはLoRAのように読み込んで使い回せます。広告制作では、同じマスコットキャラクターやブランド商品を複数のCMカットで一貫した見た目のまま登場させたり、キャンペーンごとに異なるシチュエーション動画を量産したりする際に、キャラクター崩れの心配を減らしながら制作スピードを上げられそうです。
仕組みとしては、参照にしたい画像や動画をAI動画モデルの『内部言語』(潜在表現)にいったん変換し、そこから人物やモノの特徴だけを抜き出して小さなファイルに保存します。たとえるなら、その人の『似顔絵の設計図』だけをコンパクトに保存しておき、必要なときにその設計図を読み込んで動画に反映させるイメージです。 従来のキャラクター一貫性の確保方法は、参照画像を毎回モデルに読み込ませて計算し直すか、LoRAとして数十分かけて追加学習する方法が主流でした。RefModsは学習が不要で、保存も読み込みも一瞬。設計図ファイルはひとつのキャラクターにつき1〜1.6MBと非常に軽量なため、何十種類ものキャラクターや商品を用意してもストレージを圧迫しません。ただし声質の再現はまだ不安定で、素早い動きのシーンではぼやけが出ることがあると開発者自身が明記しています。 使うにはComfyUIという無料のAI動画制作ソフトと、MiniMax H3という動画生成モデル、このRefModsを追加する拡張ノード(ComfyUI-MiniMaxH3Mod、MITライセンスで無料)が必要です。ある程度のGPU環境とComfyUIの基本操作に慣れている必要があり、社内に動画AI担当者がいれば導入コストは低めです。
拡張ノード自体はMIT。生成に使うMiniMax H3本体の利用規約は別途確認が必要。
RefModsが対象とする、音声つき動画を生成できるオープンウェイトの動画生成AI本体。
画像生成AIで参照画像から人物・スタイルを反映させる先行手法。RefModsの発想の源流にあたる概念。