
【無料配布/ComfyUI v1.2.2】YuE2の曲をMiniMax H3でMVにする|複数キャラ・可変尺・字幕・元曲
Usage terms / 利用条件
ソースコード公開・利用無料。個人利用、業務、社内利用、受託制作、無料の組み込み・無料提供は、申請・事前連絡・FURUの許可が不要です。第三者とAPI提供元の条件・料金は別です。
対象はH3・MVの現行ソースv1.2.2のFURU独自部分(MIT)です。同梱のLong VideoはGPL-3.0-only、AudioRefine・Custom Scriptsは各作者のMIT、PlagueKindはMITとLightX2V由来部分のApache-2.0です。MiniMax H3のモデルは別のCommunity License、YuE2で作った曲の制作時のモデルや元画像・楽曲・声等の条件も別途確認してください。
道具として制作した文章・画像・漫画・動画・音声等の公開、販売、収益化、納品について、FURUへの申請・個別許可・利用料・クレジット表記は不要です。第三者の作品・素材・声・音楽等の権利は別途確認してください。
無料Web記事、note等の有料紹介記事、独自の解説・レビュー・講座も、対象ソフトウェアの複製・改変版を商品に含めなければ、FURUへの許可・事前連絡・利用料は不要です。FURUが許諾できる操作画面・操作動画の紹介掲載と、通常の配布ページへのリンクを認めます。画面や動画内の第三者の作品・素材・音声等の条件は別途確認してください。
無料再配布・無料組み込みでは各適用ライセンスに従い、必要な著作権表示・許諾文・第三者ライセンスを保持し、該当する改変を明示してください。サービスでは利用者が確認できる説明ページへの案内をお願いしますが、既存ライセンスを超える義務は追加しません。FURUの公式・公認・提携と偽って表示しないでください。
現行のMIT・Apache-2.0・GPL-3.0許諾では、各条件を守るソフトウェアの販売・有料配布、有料商品・アプリ・サービスへの組み込み、機能の有料提供、複製・改変版を含む有料教材・会員向け配布・購入者限定の「無料特典」も認められます。その許諾内の利用にFURUの事前許可を追加で求めません。7アプリの商品化の事前許可方針は、既に許諾済みのこれらの部分へ遡及適用しません。第三者の条件はFURUが免除できません。
FURUの利用案内では広告収益や任意の寄付だけでは機能の有料提供として扱いません。社内だけの組み込み、自分で道具として使う受託制作・完成作品の販売・納品にはFURUの許可は不要です。この区分は第三者の非商用条件の意味を変更しません。
適用ライセンスの範囲外で個別の許可を求める場合は、対象のプロジェクト・版・ファイル、利用方法、提供先、料金の有無を添えてFURUへお問い合わせください。FURUがメール等の記録に残る方法で許可の旨と対象範囲を返信すれば、その範囲で有効です。紙の契約書・押印は不要です。問い合わせ送信、自動返信、無応答だけでは許可になりません。既存許諾内の利用には問い合わせ自体が不要です。FURUは他者の権利を許可できません。
利用しただけでFURUが成果物の権利を取得したり、ソフトウェア条件を成果物へ適用したりしません。成果物中のソフトウェア自体の複製・改変部分は、その適用ライセンスに従います。著作権の成立・帰属、第三者の権利、契約、API提供元の条件は別途判断してください。
本案内はFURUが許諾できる寄与部分に限ります。第三者のコード・モデル・ノード・素材・外部サービス・別プロジェクトはそれぞれの条件を保持し、リンク・同梱・紹介しただけでFURUの許諾対象になりません。
2026年10月8日の今回の文書改定は現行条件を明確化するものです。MIT・GPL・Apache・Creative Commons等の既存の有効な許諾を取り消したり狭めたりせず、過去版・既存ZIPにも遡及適用しません。将来変更する場合は適用可能な版・ファイル・権利者を明示します。商品化を制限する独自条件の対象を「OSS」と表示せず、「ソースコード公開・利用無料」と表示します。
利用案内全文 / 対象版・ファイル・権利者
YuE2などで作った完成音源、正確な歌詞、キャラクターシートを読み込み、日本語で演出を指定してMiniMax H3のMVを作るComfyUIワークフローです。現行版v1.2.2は、同じシート内の複数キャラクターを別々の人物として扱い、元曲、字幕、人物情報を最後まで引き継ぎます。

入手先
H3_MV_20261114072010_v1.2.2.zip をダウンロード
MVのJSON1本と必要な6つのカスタムノードを揃えた専用ZIPです。動画3方式のZIPやKomaOrbitを先に入れる必要はありません。モデルと入力素材は別途用意します。動画3方式と併用するときは、共通の5ノードを二重配置せず1組だけ使ってください。
現行版v1.2.2は、公開版のLM Studio接続と、画面文字の禁止指定・動作のやり直し・人物重複の検査を修正しています。YuE2から受け取る場合はYuE2 v1.6.1を利用します。作曲側は別プロジェクトです。
作曲からMVまでの流れ
作曲側で完成した音源と歌詞をまとめ、MV側へ渡します。MVワークフローの入力から保存までの関係は次の図のとおりです。

YuE2 v1.6.1が曲を生成し、通常の曲フォルダーとは別にComfyUI/output/mv-assets/曲名_日時_ID/を作ります。
MVワークフローへ、そのフォルダー名と作曲時に使ったキャラクターシートを入力します。
入力ノードがmanifest、音源、歌詞、SHA-256、人物情報を検査します。
LM Studioが日本語の希望と素材情報から、H3用の英語演出プロンプトを作ります。
MiniMax H3が音源区間ごとに映像を生成し、検査・再生成・再開を行います。
最後にH3の生成音声を完成したmaster.flacへ戻し、字幕、タイトル、終了リンク、映像と音声のフェードを付けてfinal.mp4を保存します。
v1.2.1の複数キャラクター処理
YuE2 v1.6.1のschema v2バンドルから、1~12人の安定ID、名前、外見、役割、セリフ、行動、関係性を読みます。同じ<Picture 1>の中にいても、人物ごとに<Subject 1>、<Subject 2>と安定話者ID(S1)、(S2)を割り当てます。
表情・ポーズ・正面/側面などの差分は同じ人物の別ビューとして扱います。人物の融合、分裂、入れ替わり、未登録人物、同一人物の分身を禁止し、髪、顔、眼鏡、衣装、体格とSubject番号を全カットで固定する演出契約をLM Studioへ渡します。
複数人物で歌唱者が指定されていない場合、音声の声質から誰が歌っているかを決めません。Whisperで整列した歌詞本文は最終字幕にだけ使い、H3へは元音源と歌唱区間を渡します。ソロ区間は画面内の登録人物1人だけを同期させ、明示したグループ歌唱以外で同じ歌詞を複数人の口へ割り当てません。人物情報のないschema v1や汎用バンドルは従来の1人物経路で利用できます。
必要な環境
検証環境はWSL2 Ubuntu、RTX 5080 16GB、CUDA版PyTorchです。VRAM 16GBは最低保証ではありません。MiniMax H3に対応したComfyUI、使用中のPyTorchに合うTriton、FFmpeg/ffprobe、LM Studioと画像対応ローカルモデル、H3用モデル4ファイルが必要です。字幕を使う場合はTransformers形式のopenai/whisper-large-v3-turboも用意します。
H3用4モデルは合計約40.44GBです。モデル本体、LM Studio、ComfyUI、入力画像、生成曲はZIPに含まれません。MiniMax H3のCommunity Licenseと各モデルの利用条件を確認してください。
導入
ZIPを展開し、python -B verify_package.pyで内容を検査します。
同梱された6つのカスタムノードフォルダーをComfyUIのcustom_nodes/直下へ配置します。同名フォルダーを二重に置かず、旧版はComfyUIの外へ退避します。
ComfyUIが実際に使うPythonでpython -m pip install -r requirements.txtを実行します。
models.jsonの名前・配置先・SHA-256に合わせてH3用4モデルを置きます。
LM Studioで画像対応モデルをロードし、ワークフローのEndpointとmodel IDを一致させます。
字幕を使う場合はWhisperをComfyUI/models/whisper/whisper-large-v3-turbo/へ配置します。
詳しいコマンド、モデル取得先、LM StudioとWhisperの設定はMV専用READMEと、ZIP内のdocs/h3/SETUP.mdにまとめています。
まず20秒で確認する
下はv1.2.0時点の配置を示す参考画面です。今回開くファイルはv1.2.2で、複数キャラクターの処理を含みます。操作対象は「MV素材・尺・字幕」「LM Studio:MV演出を日本語で指示」「完成MV・プレビュー・ダウンロード」という表示名で探してください。

ComfyUIを完全に再起動し、MV_H3_YuE2-LMStudio_v1.2.2.jsonを開きます。
mv-assets/曲名_日時_IDを指定し、作曲時と同じキャラクターシートをLoadImageへ入れます。
尺を「任意秒数」、20秒、フェード1秒にし、字幕を使う場合は時刻合わせをONにします。
日本語欄へMVの雰囲気を書きます。「全部おまかせ」でも構いません。
完成した20秒版で、人物、画風、口の動き、字幕、元曲、タイトル、終了リンク、フェードを確認します。
問題がなければ「音源末尾まで(可変尺)」へ切り替えて全曲版を生成します。
完成動画はComfyUI/output/video/MV/曲名_日時/final.mp4、区間キャッシュはComfyUI/output/h3_long_video/以下へ保存されます。途中から再開する場合に必要なので、完成前に区間データを消さないでください。
確認済み範囲と限界
YuE2 v1.6.1で作った2人物バンドルと同じシートを通常経路へ入力し、H3の5区間を生成しました。完成MP4は60.000秒、864×480、24fps、H.264/AACです。日本語字幕4区間の焼き込み、フェード前58秒の元音源相関0.999743、タイトル、リンク、映像/音声フェードを確認しています。確認したフレームではアカリとヒカリの融合、分身、入れ替わりは見られませんでした。
上記の60秒MVは以前の通常生成の検証記録です。2026年11月14日のv1.2.2では、共通のLM接続・画像検査を修正し、実LMで正常例・動作やり直し・人物重複を確認しました。共通生成処理は公開T2Vの15秒動画でも検証しています。MV専用ZIPは新規展開、接続、依存物、権利表示、全ハッシュ、タグからの再構築一致を確認しました。今回、新しい曲のMV生成や全編の音声試聴は行っていません。
参照画像による人物固定は厳密な顔置換ではありません。人物の分身、髪型や衣装の明らかな不一致、二重口パク、字幕ずれ、台詞破綻は完成映像を目視・試聴し、シート、演出、区間、再生成設定のどこが原因かを分けて直してください。
更新履歴
2026年11月14日:v1.2.2へ更新。共通のLM Studio接続と画像検査を修正しました。文書訂正版でダウンロードボタン・導入ファイル名・現行版表示を揃えています。生成処理は検証済みv1.2.2と同一です。
2026年11月5日:MV専用ZIPへ分離し、実在するダウンロード先と専用READMEへ統一。処理の関係図とワークフロー配置の画像を追加しました。既存の見出し画像・動画・販売リンクは保持しています。
v1.2.1(2026年9月23日):schema v2の1~12人を別Subject・安定話者IDへ対応付け、人物の融合・分裂・入れ替わり・分身と、指定外の複数人同時歌唱を抑える処理を追加。
v1.2.0:完成音源、歌詞、キャラクター画像から作るMVワークフロー、可変尺、Whisper字幕、元曲への差し替え、タイトル、リンク、フェードを追加。
v1.1.9:要求尺を超えるタイムラインと、音声禁止指定の解析漏れを修正。
ほかのアプリ・ワークフロー
制作に使えるアプリとComfyUIワークフローの紹介記事です。