MiniMax H3 LongForge v6.1 — FL2VA & REF2VA

Подписка и поддержка / Follow & support

AI Bob Public · AI DEV LAB

Если LongForge помогает вам, поддержать дальнейшую разработку можно через кнопку Tip в моём профиле Civitai или добровольным переводом USDT.

If LongForge helps you, support future development through the Tip button on my Civitai profile or an optional USDT donation.

BNB Smart Chain: 0xdCf9846A1B0F2fe32E19dC9CFdDC5194CC13D108
TON: UQCeukjBulZw9gni1jv8NLRgtmgHDQ6mUiS2qf3716XobIxA
TRON / TRC20: THLU3yu8VpoPqP4bMLCp86FRhoCweJ2Qz4

Пожалуйста, отправляйте только USDT через соответствующую сеть. Спасибо!

Please send only USDT using the matching network. Thank you!

Русский

Создавайте длинные видео MiniMax H3 со звуком: генерируйте сцены, продолжайте историю, выбирайте тейки и собирайте фильм в одном workflow ComfyUI.

В комплекте — собственный Node Pack, главный workflow с поддержкой FL2VA / REF2VA и универсальный RefMod Studio. Инструкции на русском и английском встроены в оба workflow.

Главное обновление v6.1 — LAST FRAME: третий способ продолжения видео, который передаёт одну декодированную картинку вместо готового видеолатентного хвоста. Версия основана на исправленной 6.0 и сохраняет её возможности управления проектами, референсами, звуком и экспортом.

Что изменилось в v6.1

Новый метод LAST FRAME. LongForge берёт один последний декодированный RGB-кадр базового видео предыдущей сцены и использует его как визуальное условие для продолжения. H3 штатно кодирует эту картинку через Video VAE; готовый видеолатентный хвост в генерацию не передаётся.
Три метода в одном переключателе. PROTECTED / GUIDE / LAST FRAME выбираются в 11 · Video & Continuity → Continuation method. Новых нод и проводов не требуется; PROTECTED остаётся настройкой по умолчанию.
Видео и звук управляются независимо. LAST FRAME работает с FL2VA и REF2VA. Аудиорежимы HARD / SOFT / OFF сохраняют свои правила; при HARD/SOFT звук продолжает использовать нативный аудиолатентный контекст.
Согласованы сохранение, превью, HQ и экспорт. Для LAST FRAME источником служит базовая сцена до HQ. Превью и экспорт исключают скрытый контекст вместе с повтором кадра. Восстановление проектов и Seam Lab учитывают новый метод.
Без дополнительного прохода diffusion для LAST FRAME. При последовательной генерации с базовым превью уже декодированный последний кадр используется повторно, когда он доступен. Это сокращает лишнее декодирование, но не означает одинаковую скорость всех методов.
Обновлены инструкции RU/EN. Уточнены различия между видеопродолжением, звуковой непрерывностью и overlap; согласованы сохранённые тексты заметок в workflow.

LAST FRAME — дополнительный выбор для сравнения результатов. Он не гарантирует отсутствия визуального дрейфа, точного сохранения лица или незаметного стыка.

Три способа продолжения видео

МетодЧто используется из предыдущей сценыPROTECTEDВидеолатентный хвост копируется и защищается маской.GUIDEВидеолатентный хвост служит нативным ориентиром. Скрытый контекст генерируется заново, затем исходный контекст восстанавливается перед сохранением.LAST FRAMEТолько один последний декодированный RGB-кадр. Видеолатентный хвост предыдущей сцены не используется как контекст генерации.

GUIDE передаёт движение, внешность, цвет и освещение — это не выделение только движения. В LAST FRAME первая сцена генерируется обычным способом, поскольку предыдущего кадра ещё нет.

Audio continuity — отдельная настройка: HARD защищает скопированный аудиопрефикс; SOFT позволяет переработать его последние 100/200 мс; OFF отключает передачу защищённого аудиоконтекста, но не выключает генерацию звука.

22F в LAST FRAME не означает передачу 22 картинок. Это длина скрытого контекста для согласования таймлайна и правил звука. Единственная картинка располагается в конце скрытого участка; скрытое видео генерируется заново. Превью и экспорт удаляют весь этот участок.

Для начала: 11 → LAST FRAME, оставьте MANUAL / 22F / HARD, затем GENERATE NEXT → Run. Обычные референсы и сохранённые RefMods применяются по своим настройкам.

Основные возможности

Длительность: WINDOW FRAMES задаёт всё окно, включая overlap; NEW SECONDS — желаемую длительность новой видимой части. H3 округляет число кадров к своей сетке. Например, 158F / 24 FPS ≈ 6,58 с; при overlap 22F новая часть ≈ 5,67 с. Первая сцена не имеет предыдущего overlap.
Импорт готового видео: 18 · Source Video → IMPORT VIDEO в пустом проекте создаёт Scene 1 для последующего продолжения. CONTAIN / CROP, нормализация к 24 FPS и сетке H3. Нужны оба VAE; diffusion и текстовый энкодер при импорте не запускаются. Исходник проходит VAE-реконструкцию, а не копируется пиксель в пиксель.
Source Media Library: фото, видео и аудио; большой просмотр Open / trim; Start/End; режимы Audio only / Paired audio / Separate audio / No audio; роли референсов и пресеты. Роли, Character group и Keep/Drop помогают ассистенту писать промпт. Пресеты сохраняют настройки и пути без самих медиафайлов.
Prompt Assistant: NATIVE / TRANSFORMERS / GGUF / OLLAMA / SERVER, просмотр выбранных изображений и хвоста предыдущей сцены при подходящей vision-модели, планирование 1–8 шотов внутри сцены. Звук ассистент не слушает. Generate draft создаёт черновик, Use draft применяет его; обычный Run фильма не запускает LLM. Для NATIVE нужен генеративный Gemma 4, а не H3 Text Encoder.
HQ Finish: OFF / UPSCALE / UPSCALE + REFINE; FULL / TILED / AUTO; пространственные плитки, временные окна и бюджет памяти. Продолжение использует базовую сцену до HQ. AUTO оценивает память, но не исключает OOM.
Экспорт: MP4 / MKV / WEBM, совместимые сочетания H264 / HEVC / AV1 / VP9, CPU и доступные аппаратные энкодеры, AUTO с fallback на CPU, совместимое H264 MP4-превью. Нативная RIFE/FILM-интерполяция применяется на финальном экспорте: ×2 → 48 FPS, ×4 → 96 FPS. 10 bit не создаёт HDR из RGB8; на резких переходах возможны артефакты интерполяции.

Сохранённые проекты и защита сцен

В v6.1 сохранены исправления работы с проектами из обновлённой 6.0:

GENERATE NEXT на готовом фильме ничего не перегенерирует. Добавьте новую карточку или явно выберите регенерацию.
Saved chains позволяет вернуть сохранённую версию фильма без повторной генерации, включая продолжение, успевшее сохраниться перед аварийной остановкой.
Recover project помогает восстановить проект с повреждённым указателем или файлом сцены при наличии целой сохранённой цепочки.
Перед перегенерацией середины фильма показывается предупреждение: последующие сцены выйдут из активной цепочки и останутся в Saved chains.
Clean unused защищает сохранённые цепочки и продолжения; их удаление требует отдельного подтверждения.
Восстановление и экспорт проверяют согласованность сохранённых сцен. Устаревший запрос Restore не отменяет свежий New film.

Seam Lab позволяет просматривать стыки и сравнивать совместимые тейки. Экспорт использует непрерывное декодирование аудио, необязательное исправление щелчков и Diagnostic WAVs.

RefMod Studio и сохранённые референсы

RefMods хранят VAE-латенты изображения, видео или аудио в .safetensors. Это не обучение H3 и не LoRA. Один файл может содержать несколько независимых референсов.

FULL сохраняет кодированный латент при выбранном разрешении; это не исходные пиксели без потерь.
COMPRESSED уменьшает стоимость по токенам ценой деталей; доступно необязательное refinement.
INDEPENDENT / STACK / MERGE: отдельные members, соединение по времени или общий сжатый референс. MERGE требует COMPRESSED и может смешивать позы и фон.
Создание image/video/audio/mixed bundles, маски, просмотр, отчёты о токенах, перепаковка и сохранение конфигураций и кривых.
Выбор members, раздельная сила visual/audio, копии и A/B. До 8 файлов в библиотеке и до 256 members на файл — структурные пределы, а не обещание использования всего объёма одновременно.

Сохранённые латенты используются без повторного VAE-encode исходных медиа; визуальные RefMods могут декодироваться для vision/text conditioning. Frame curve действует внутри референса, sampling-step curve — по ходу денойзинга. Малая strength не сокращает число токенов; точность внешности и голоса зависит от результата модели.

RefMods требуют REF2VA, стартуют отключёнными и поддерживают INHERIT / OFF / CUSTOM для каждой сцены. Политики обычных исходников в 11 и сохранённых RefMods в 17 независимы.

Native Cache и метаданные

Native Cache разрешён только при bypass ноды 07 · Turbo LoRA. Активная 07 отключает кеш независимо от имени LoRA, strength и числа шагов. Все ускоряющие LoRA загружайте через 07; 08 · Extra LoRA предназначена для обычных LoRA. Другой активный кеш и RefMod sampling-step curves также отключают Native Cache.

NONE / RECOVERY: экспорт без вложенных настроек либо с данными восстановления. RECOVERY не заменяет резервную копию файлов проекта. Ключ ассистента задаётся через LONGFORGE_LLM_API_KEY и не сохраняется в workflow.

Установка и быстрый старт

Закройте ComfyUI и целиком замените папку ComfyUI/custom_nodes/ComfyUI-H3-LongForge-NodePack/. Сохраните проекты в output/longforge_native/.
Установите requirements.txt нодпака через Python самого ComfyUI. Перезапустите ComfyUI и обновите браузер Ctrl+F5.
Откройте главный workflow, выберите H3 checkpoint, H3 текстовый энкодер и оба VAE. Pipeline должен соответствовать модели.
Задайте уникальное имя проекта, напишите промпты, выберите способ продолжения и используйте GENERATE NEXT → Run.
Для сборки сохранённых сцен: EXPORT FILM → Run. Результаты: output/longforge_native/<project>/exports/.

Для RefMods откройте Studio, добавьте источники, выберите CREATE, тип, режим и layout, затем Run Studio action → Run. После действия выключите переключатель. Файлы обычно сохраняются в models/refmods/longforge/.

Просмотр: INSPECT → stored → preview_index, начиная с 0. Чёрный квадрат 64 × 64 после CREATE — служебное превью-заполнитель. В фильме включите RefMod Library, задайте alias и проверьте метки через Check mapping; например, {refmod:hero}.

Совместимые проекты 6.0 открываются в 6.1. Для восстановления и экспорта новых тейков LAST FRAME используйте 6.1: у них другой способ передачи видеоконтекста.

English

Create long MiniMax H3 videos with audio: generate scenes, continue a story, select takes and assemble the film in one editable ComfyUI workflow.

The package includes a custom Node Pack, one main workflow supporting FL2VA / REF2VA, and a universal RefMod Studio. Russian and English instructions are built into both workflows.

The main v6.1 addition is LAST FRAME: a third continuation method that supplies one decoded image instead of the previous video-latent tail. Built on the corrected 6.0, this release retains its project, reference, audio and export features.

What changed in v6.1

New LAST FRAME method. LongForge takes one final decoded RGB frame from the preceding scene's base video and uses it as visual conditioning. H3 encodes that image through its Video VAE; the existing video-latent tail is not transferred into generation.
Three methods in one selector. Choose PROTECTED / GUIDE / LAST FRAME in 11 · Video & Continuity → Continuation method. No additional nodes or wires are required; PROTECTED remains the default.
Independent video and audio controls. LAST FRAME works with FL2VA and REF2VA. HARD / SOFT / OFF retain their audio rules; HARD/SOFT continue using native audio-latent context.
Coordinated storage, preview, HQ and export. LAST FRAME uses the base scene before HQ. Preview and export remove hidden context, including the repeated frame. Project restoration and Seam Lab recognize the new method.
No additional diffusion pass for LAST FRAME. During sequential generation with base previews, the already decoded final image is reused when available. This reduces redundant decoding; it does not imply equal speed across all methods.
Updated RU/EN instructions. Guides distinguish video continuation, audio continuity and overlap; saved workflow-note texts are synchronized.

LAST FRAME provides another option for comparing results. It does not guarantee freedom from visual drift, exact identity preservation or invisible joins.

Three video continuation methods

MethodWhat carries over from the preceding scenePROTECTEDThe video-latent tail is copied and protected with a mask.GUIDEThe video-latent tail supplies native guidance. Hidden context is regenerated, then the original context is restored before storage.LAST FRAMEOne final decoded RGB image. The previous video-latent tail is not used as generation context.

GUIDE carries motion, appearance, color and lighting; it does not isolate motion alone. With LAST FRAME selected, Scene 1 is generated normally because no previous frame exists yet.

Audio continuity is a separate setting: HARD protects the copied audio prefix; SOFT allows its final 100/200 ms to be reworked; OFF disables protected audio-context transfer but does not mute generated sound.

22F in LAST FRAME does not mean 22 reference images. It is the hidden-context length used to align the timeline and audio rules. The single image is placed at the end of that hidden section; hidden video is generated afresh. Preview and export trim the entire section.

To start: select 11 → LAST FRAME, keep MANUAL / 22F / HARD, then GENERATE NEXT → Run. Ordinary references and saved RefMods follow their own settings.

Main features

Duration: WINDOW FRAMES sets the full window, including overlap; NEW SECONDS targets the new visible portion. Native H3 grid rounding applies. For example, 158F / 24 FPS ≈ 6.58 s; with 22F overlap, the new part is ≈ 5.67 s. Scene 1 has no preceding overlap.
Import an existing video: 18 · Source Video → IMPORT VIDEO in an empty project creates Scene 1 for continuation. CONTAIN / CROP, normalization to 24 FPS and the H3 grid. Both VAEs are required; import runs neither diffusion nor the text encoder. Source pixels are VAE-reconstructed, not copied pixel for pixel.
Source Media Library: images, video and audio; larger Open / trim viewer; Start/End; Audio only / Paired audio / Separate audio / No audio; reference roles and presets. Roles, Character group and Keep/Drop assist prompt writing. Presets store settings and paths without embedding media files.
Prompt Assistant: NATIVE / TRANSFORMERS / GGUF / OLLAMA / SERVER, selected-image and previous-tail inspection with a suitable vision model, and 1–8 shots within a scene. Audio is not inspected. Generate draft creates a draft; Use draft applies it. Ordinary film Run does not start an LLM. NATIVE requires a generation-capable Gemma 4, not the H3 text encoder.
HQ Finish: OFF / UPSCALE / UPSCALE + REFINE; FULL / TILED / AUTO; spatial tiles, temporal windows and a memory budget. Continuation uses the base scene before HQ. AUTO estimates memory usage but does not eliminate OOM risk.
Export: MP4 / MKV / WEBM, compatible H264 / HEVC / AV1 / VP9 combinations, CPU and available hardware encoders, AUTO with CPU fallback, and a compatible H264 MP4 preview. Native RIFE/FILM interpolation runs at final export: ×2 → 48 FPS, ×4 → 96 FPS. The 10-bit option does not create HDR from RGB8; interpolation may introduce artifacts at hard cuts.

Saved projects and scene protection

v6.1 retains the project-management fixes from the updated 6.0:

GENERATE NEXT on a completed film does not regenerate anything. Add a scene card or explicitly choose regeneration.
Saved chains restores an existing film version without generating again, including continuations saved just before an interrupted run.
Recover project helps restore a project with a damaged pointer or scene file when an intact saved chain is available.
Before regenerating the middle of a film, a warning explains that later scenes will leave the active chain and remain in Saved chains.
Clean unused protects saved chains and continuations; removing them requires separate confirmation.
Restoration and export validate saved-scene consistency. A stale Restore request cannot undo a fresh New film action.

Seam Lab inspects joins and compares compatible takes. Export uses continuous audio decoding, optional click repair and Diagnostic WAVs.

RefMod Studio and saved references

RefMods store image, video or audio VAE latents in .safetensors. They do not train H3 weights or a LoRA. One file may contain multiple independent references.

FULL retains the encoded latent at the selected resolution; it is not lossless source-pixel storage.
COMPRESSED reduces token cost at the expense of detail, with optional refinement.
INDEPENDENT / STACK / MERGE: separate members, temporal stacking or a combined compressed reference. MERGE requires COMPRESSED and may blend poses and backgrounds.
Image/video/audio/mixed bundle creation, masks, previews, token reports, repacking and saved configurations and curves.
Member selection, separate visual/audio strengths, copies and A/B. Up to 8 library files and 256 members per file are structural limits, not a promise that the entire capacity can be used simultaneously.

Saved latents are reused without repeating source VAE encoding; visual RefMods may still be decoded for vision/text conditioning. Frame curves act within the reference, while sampling-step curves act during denoising. Lower strength does not reduce token count; identity and voice fidelity depend on the model's output.

RefMods require REF2VA, start disabled and support per-scene INHERIT / OFF / CUSTOM selection. Ordinary source-media policy in 11 and saved RefMod policy in 17 are independent.

Native Cache and metadata

Native Cache requires 07 · Turbo LoRA to be bypassed. An active node 07 disables caching regardless of LoRA filename, strength or step count. Route all accelerating LoRAs through 07; 08 · Extra LoRA is for ordinary LoRAs. Another active cache or RefMod sampling-step curves also disable Native Cache.

NONE / RECOVERY: export without embedded settings or with recovery data. RECOVERY does not replace a backup of project files. Assistant credentials use LONGFORGE_LLM_API_KEY and are not stored in the workflow.

Installation and quick start

Close ComfyUI and replace the entire folder at ComfyUI/custom_nodes/ComfyUI-H3-LongForge-NodePack/. Keep projects under output/longforge_native/.
Install the node pack's requirements.txt using ComfyUI's Python environment. Restart ComfyUI and refresh the browser with Ctrl+F5.
Open the main workflow, select the H3 checkpoint, H3 text encoder and both VAEs. Match Pipeline to the model.
Enter a unique project name, write scene prompts, choose a continuation method and use GENERATE NEXT → Run.
Assemble saved scenes with EXPORT FILM → Run. Results go to output/longforge_native/<project>/exports/.

For RefMods, open Studio, add sources, choose CREATE, source kind, mode and layout, then Run Studio action → Run. Turn the switch off afterwards. Files normally save under models/refmods/longforge/.

Preview saved members with INSPECT → stored → preview_index, starting at 0. The black 64 × 64 image after CREATE is a placeholder. In the film workflow, enable RefMod Library, set an alias and confirm labels with Check mapping; for example, {refmod:hero}.

Compatible 6.0 projects can be opened in 6.1. Use 6.1 to restore and export new LAST FRAME takes, which use a different video-context handover method.

Комплект / Included files

ComfyUI-H3-LongForge-NodePack/
H3_LongForge_FL2VA_REF2VA_v6.1.json
RefMod_Studio_v6.1.json

RU: модели, VAE, LoRA и дополнительные веса скачиваются отдельно.

EN: models, VAEs, LoRAs and additional weights are downloaded separately.

Требования и ссылки / Requirements & links

RU: ComfyUI с нативными MiniMax H3 и V3 node API, соответствующие H3 checkpoint и текстовый энкодер, H3 Video VAE, H3 Audio VAE и рабочий FFmpeg. Attention-ноды поставляемого главного workflow требуют KJNodes и совместимый SageAttention. Для дополнительных LLM-бэкендов, HQ и интерполяции нужны соответствующие зависимости и веса; инструкции находятся внутри workflow.

EN: ComfyUI with native MiniMax H3 and V3 node API, matching H3 checkpoint and text encoder, H3 Video VAE, H3 Audio VAE and working FFmpeg. The supplied main workflow's attention nodes require KJNodes and compatible SageAttention. Optional LLM backends, HQ and interpolation require their corresponding dependencies and weights; instructions are included in the workflows.

Авторы и благодарности / Credits

RU: инструменты RefMod адаптированы из ComfyUI-MiniMaxH3Mod от Luisa / Luisacaotica. Идея продолжения по одному последнему кадру изучена на примере comfyui-AGSoft; в LongForge она встроена в собственный механизм сцен и нативную передачу звука. HQ использует адаптацию апскейлера LBH-123-AI. Уведомления об авторах и сторонние лицензии сохранены в Node Pack.

EN: RefMod tools are adapted from ComfyUI-MiniMaxH3Mod by Luisa / Luisacaotica. Single-final-frame continuation was studied through comfyui-AGSoft and integrated into LongForge's own scene system and native audio handover. HQ uses an adaptation of the LBH-123-AI upscaler. Third-party credits and licenses are retained in the Node Pack.

Files with SHA256: 3e29a9345049466f38d085775f8d36de5cee88d16891d0117c3ab409a878abd0