
【あなたの好きな顔で あんな動画を】ComfyUI MiniMaxH3 長尺動画生成【ローカル/無料/NSFW/8GB 低VRAM】
はじめに
下記の以前の記事では、既にある動画内の顔を好きな顔に取り替えるFace Swapの手法を紹介したが、
今回は動画生成モデルMiniMax H3を用いて、好きな画像を参考に動画を生成する方法を紹介する。今回も下記のような特徴をもったすぐにダウンロードして使える最新のワークフローを紹介する。(2026年10月13日更新)
・完全ローカル実行で無料
ローカル実行はプライバシーやセキュリティの観点から安全で個人使用に最適。外部リソースを使用しないため実行にお金がかかることがなく安心。
・低VRAM対応
MiniMax H3といった動画生成モデルとなると、通常は非常に大容量のVRAMが必要となり、ローカルで動かせなかったり、高額なGPUが必要になるが、様々なテクニックを駆使すると8GBといった低VRAMでも実行が可能。6GB機でも試してみたが、今回は8GBは必要そうだ。
・長尺動画にも対応
MiniMax H3では通常15秒までの生成が可能だが、低VRAMではその15秒も満足に生成できない。今回はComfyUIに導入されたばかりのGeneric loopを使用して、ボタン押して放置すれば、数秒の動画を生成してつないでいく形で長尺の動画が生成されるようにした。
健全なSFWの動画生成も、そうでないNSFWも・・・ここでも言っておく、本技術は教育およびクリエイティブな目的のみに使用してください。
・RefModにも対応(2026年10月13日 追記)
RefModという技術を使って、好きな顔を一貫して生成するワークフローについても追記した。より簡単に高い精度で好きな顔の動画を生成できる。
是非、最新の動画生成で好きな動画を生成して遊んでみてほしい。
実践ワークフローと設定ガイド
実際に私が使用しているMiniMax H3による動画生成ワークフローの配布と、導入手順の詳細を解説する。
ベースとなる環境構築については過去記事の無料エリアに記載しているので参照してほしい。
MiniMax H3 による動画生成方法の種類
MiniMax H3 は中国の企業MiniMaxが誰でも使えるように公開した動画生成モデルで、テキストだけでなく、画像や動画をつかって指示を与えられるという特徴がある。
MiniMax H3を使った動画生成手法には、大きく分けてFL2VA(I2VAとも)とREF2VAがある。今回は両方を紹介し、比較しているので、目的に合ったものを使用してほしい。
・FL2VA (fl2va)
どのような動画にするのかというテキストの指示(プロンプト)だけでなく、動画の最初または最後のフレームを入力画像として与え、動画を生成するモデル。
(First - Last frame to Video - Audio の略らしい。)
・REF2VA (ref2va)
プロンプトだけでなく、参考となる画像、動画、音声を入力として与え、動画を生成するモデル。
(Refference to Video - Audio の略らしい。)
MiniMax H3を使ったローカル無料NSFW動画ワークフロー
まず、私が作成したワークフローを下記からダウンロードしてほしい。