ひとりのキャラクターを、手元で回して・揃えて・直す

被写体の周りを、カメラがぐるりと回る。しかも手元の GPU で。@AiPhotorealGirl さんの投稿は、そんな動画です。周回の動画だけでなく、顔を揃える、ポーズを取り出す、表情を直す、動きを LLM に書かせる。X に流れてきた作例を並べると、ひとりのキャラクターを手元で仕上げる小さなスタジオが見えてきます。

まず回す: 手元の GPU で周回動画

最初は @AiPhotorealGirl さんの動画です。

ComfyUI v0.39.0、RTX 4070 12GB、MiniMax-H3 の 360° Orbit LoRA で、2.0MPixel(1440x1440)の動画を生成し、生成時間は約17分だったと本人は書いています ¹。

ここで注目したいのはメモリの話です。本人は、1つ前のバージョンだと 1.5MPixel でも VRAM 不足になっていたと思うが、最新版では解消されて高速化もされている、と書いています ²。あくまで本人の見立てです。

ComfyUI の v0.39.0 のリリースノートには、MiniMax H3 の埋め込みの一時データをブロックの処理の前に解放する変更 ³ や、MiniMax の VAE のオフロードの不具合の修正 ⁴ が並んでいます。どの修正が本人の環境に効いたのかまでは、ノートには書かれていません。

被写体の周りを回るカメラの LoRA には、Hugging Face で配布されているものもあります。一例が MiniMax-H3 ORB360 です。配布ページによれば、写真を1枚渡すと、被写体の周りを時計回りに360度回るカメラの動画になります ⁵。多視点の用途には step1500 のファイルを作者が推しています ⁶。標準の Load LoRA ノードで MiniMax-H3 の Ref2VA に読み込んで使います ⁷。ライセンスは MiniMax H3 Community License Agreement です ⁸。@AiPhotorealGirl さんの投稿に書かれている名前は「360° Orbit LoRA」で、ORB360 という名前は出てきません。

ORB360 で漫画のコマを動かした作例は、画像・映像・音楽を手元のモデルでの記事で読めます。

揃える: 顔を固定する RefMod

次は @ai_hakase_ さんの解説スレッドの冒頭です。

MiniMax H3 でキャラクターの顔を固定する手法 RefMod を紹介するスレッドです。投稿者は、数分で約1MBのファイルを作るだけで、狙った顔を「完全固定」できると紹介しています ⁹。具体的な手順はスレッドの続きにあります。

配布側の資料によれば、RefMod のノードは ComfyUI のカスタムノード ComfyUI-MiniMaxH3Mod で動きます ¹⁰。RefMod のモデルは重みが公開されています ¹¹。

揃える: 周回動画からポーズを取り出す

@IsekaiBardGuild さんは、周回動画の別の使い方を見せています。

MiniMax H3 の 360 Orbit で作った周回動画から複数視点の画像を抜き出し、ポーズ推定をして、深度推定と座標補正をする ComfyUI のカスタムノードを作った、と本人は書いています ¹²。作ったポーズは Qwen Image 2.1 のポーズ指定ワークフローなどで使えるそうです ¹³。周回動画は MiniMax H3 で作る必要はなく、他のAIで作った動画や実写の映像も、要件を満たしていれば使えると本人は書いています ¹⁴。

回して終わりにせず、回した結果を次の工程の素材にする。この流れが、スタジオ感のあるところです。

Qwen-Image-2.1 は、開発元がオープンソース化したと README に書いています ¹⁵。ライセンス名は qwen-research です ¹⁶。

直す: 顔の上のハンドルで表情を動かす

顔も服もいいのに、口が開きすぎている。目線の向きが惜しい。そんなときの作例が @tkvtk さんです。

本人によれば、ComfyUI のノード「NKD Face Rig」は、顔の上に付いたハンドルをドラッグして表情を調整できます ¹⁷。表情を表す言葉や数値を探すより、直したい場所を直接触れるのが便利だ、とも書いています ¹⁸。LivePortrait の表情操作をこの操作画面で扱えるようにしたノードだそうです ¹⁹。アニメ顔でも実写顔でも使えることを確認した、とも書いています ²⁰。

NKD Face Rig のライセンスは MIT です ²¹。LivePortrait のコードも MIT です ²²。

設定画や表情の下描きを手で描いてから直すなら、ペンタブレットがあると流れが作りやすそうです。

動きは LLM に書かせる

最後は @haribote0073 さんの投稿です。

プロンプトは LLM に書いてもらっていると本人は書いています ²³。「手を振って1回転してまた手を振ってジャンプして屈伸する」という指示だけで、添付の動画ができたそうです ²⁴。動画を作ったツールは、投稿には書かれていません。

ここにもメモリの話があります。サブPCに RTX4070 を積んだので、Qwen-3.8 27B の Q4 にしたらクオリティが上がった、と本人は書いています ²⁵。内蔵GPUでは 9B の Q3 が精一杯だったそうです ²⁶。Qwen3.8-27B は、パラメータ数が 27B で ²⁷、ライセンスは Apache-2.0、重みが公開されています ^{28 29}。

商用に使うなら

MiniMax H3 は、ローカルで作った生成物の商用利用に MiniMax の商用ライセンスが必要だとされています ³⁰。作ったキャラクターを売りに出す予定があるなら、先に公式の条件を読んでおくのが安心です。

自分の机でやるなら: メモリの話

ここまでの作例には、メモリに触れる投稿がありました ^{2 26}。前の版では VRAM 不足だったと思うという投稿と、内蔵GPUでは 9B が精一杯だったという投稿です ²⁶。

NVIDIA が RTX Spark について言っていることを見ておきます。

• NVIDIA の製品ページによれば、最大 128GB の統合メモリで、最大 90GB の 3D シーンを扱えます [[F100]] [[F141]]。
• 同じページで NVIDIA は、画像や動画を自分のデバイスで、好きなだけ生成できると説明しています。サブスクリプションも、プロンプトごとの料金もありません [[F101]]。
• NVIDIA の製品ページによれば、最大 120B パラメータのモデルを、1M のコンテキストで動かせます [[F103]]。

ComfyUI については予定の話です。NVIDIA は、RTX Video Frame Generation を ComfyUI に提供する予定で、この更新は RTX Spark とともにこの秋に届くとしています ³¹。ComfyUI の共同創設者 Yannik Marek 氏の談話は、NVIDIA のブログ(日本語版)に載っています。ComfyUI のユーザーは、複雑なマルチモーダルのワークフローを実行し、ポータブルなデバイス上でかつてないスピードで超高解像度の画像とビデオを生成できるようになる、という将来形の話です ³²。

ここで紹介した投稿の本文には、RTX Spark 搭載機で作ったという記述はありません。MiniMax H3 や RefMod、ORB360、NKD Face Rig、Qwen3.8-27B などを RTX Spark 搭載機で使いたい場合は、先にそれぞれの公式情報で対応環境を確かめてください。

RTX Spark 搭載機の例です。

周回動画や多視点の画像がたまってきたら、置き場所を用意しておくと安心です。

次に読む

MiniMax H3 を手元で量産する話は、寝ている間に動画が増えていくの記事へ。ORB360 で漫画を動かす話は、画像・映像・音楽を手元のモデルでの記事に続きます。