MiniMax H3 を利用してキャラクターの衣装を変更する

トリーニョ
質問?: このアイディアってイケてるんじゃね?
下図の画像で、右のキャラクターが左の壁にかかっているセーラー服に着替える。という動画を作成すると、 最後のフレームでは、右のキャラクターがセーラー服に着替え終わるわけです。つまり、絵柄や塗りのスタイルが変わらずにキャラクターの衣装を変更できるということになると思うのです。 かなりイケてるアイディアだと思うのですが。どうでしょう?
MiniMax H3 を利用してキャラクターの衣装を変更する:画像1

ちなみに、以前FramePackで試したのですが、全然できませんでした。MiniMax H3ならいけるんじゃね?と思うのです。

MiniMax H3 を利用して、着替えを指示して、キャラクターの衣装が変更できるか検証してみます。

ワークフロー

i2vのワークフローを利用します。最初のフレームを参照画像として入力します。
今回は基本のi2vのワークフローに対して以下のノードを追加しています。

  • Patch Sage Attention KJ
  • Patch Sol-Attn
  • MiniMax H3 FirstBlockCache


MiniMax H3 を利用してキャラクターの衣装を変更する:画像2


パラメーター設定は以下です。

項目
ステップ数 16
サンプラー res_multimap


プロンプトは以下を指定しています。

プロンプト
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 2D-animated, flat anime style with clean lineart on a plain white background, a full-body wide shot preserves the layout of <Picture 1>: on the left, a navy-and-white sailor-style school uniform with a pleated skirt hangs on a black hanger from a hook, and on the right stands a young girl with long dark hair wearing a dark gray suit jacket, long gray skirt, white collared shirt, and red necktie. The camera holds a static shot as she notices the hanging uniform, turns toward it, and walks left with light steps until she stands in front of it. She reaches up with both hands, lifts the hanger off the hook, and holds the sailor uniform up in front of herself, tilting her head slightly as she looks at it. [Shot 2] At 00:05.000, the shot transitions to the same wide composition through a brief soft white glow cross-dissolve: the girl now wears the navy-and-white sailor uniform with the pleated skirt, her hair, face, black tights, and loafers unchanged, while her gray suit now hangs neatly on the black hanger from the same hook on the left. The camera pushes in with small amplitude at slow speed as she smooths the front of the pleated skirt with both hands, does a small half-turn to check the fit, and settles facing the camera with a gentle closed-mouth smile.

overall_soundscape: Soft footsteps tap across a quiet indoor floor, followed by the light metallic click of a hanger lifting off a hook and gentle fabric rustling as clothing is handled and smoothed.

non_diegetic_music: A light music-box melody at a moderate tempo with sparse plucked-string accompaniment, ending on a single soft chime as the girl settles into her final pose.
プロンプト(日本語訳)
ターゲット動画について、0.00秒の時点で <Picture 1>([Shot 1] のもの)が完全に参照される。

integrated_multimodal_description(統合マルチモーダル記述): [Shot 1] 2Dアニメ調、クリーンな線画のフラットなアニメスタイル、無地の白背景。全身が入るワイドショットで <Picture 1> のレイアウトを維持する:左側には、紺と白のセーラー服(プリーツスカート付き)が黒いハンガーでフックに掛かっており、右側には、ダークグレーのスーツジャケット、グレーのロングスカート、白い襟付きシャツ、赤いネクタイを着た、長い黒髪の少女が立っている。カメラは静止ショットを維持し、少女は掛かっている制服に気づいて左へ向き直り、軽い足取りでその前まで歩いていく。両手を上に伸ばしてハンガーをフックから持ち上げ、セーラー服を自分の体の前にかざし、少し首をかしげながらそれを見つめる。

[Shot 2] 00:05.000の時点で、短く柔らかい白い光のクロスディゾルブを挟んで同じワイド構図に切り替わる:少女は今、紺と白のセーラー服(プリーツスカート)を着ており、髪型・顔・黒タイツ・ローファーは変わらない。一方、彼女のグレーのスーツは、左側の同じフックに黒いハンガーできちんと掛かっている。カメラは小さい振り幅でゆっくりと寄り(プッシュイン)、少女は両手でプリーツスカートの前を撫でつけ、着心地を確かめるように小さく半回転し、最後にカメラの方を向いて口を閉じたまま優しく微笑んで静止する。

overall_soundscape(全体の環境音): 静かな室内の床を柔らかい足音がコツコツと歩き、続いてハンガーがフックから外れる軽い金属音、衣服を扱い撫でつける際の穏やかな布ずれの音が入る。

non_diegetic_music(非ダイエジェティック音楽/劇伴): 中程度のテンポの軽やかなオルゴールのメロディに、まばらな撥弦楽器の伴奏。少女が最終ポーズに収まるところで、柔らかいチャイム1音で終わる。

生成結果

生成結果の動画は以下です。5回生成してバリエーションの幅の違いを確認しています。結構うまく変更できています。

画像を出力する

生成した各フレームの画像を出力するようにワークフローを変更します。
動画のVAEでコードのノードと画像を保存ノードを接続します。
MiniMax H3 を利用してキャラクターの衣装を変更する:画像3

MiniMax H3 を利用してキャラクターの衣装を変更する:画像4

実行すると各フレームが画像として保存されます。
MiniMax H3 を利用してキャラクターの衣装を変更する:画像5

衣装を変更したキャラクターの画像を作成できました。
MiniMax H3 を利用してキャラクターの衣装を変更する:画像6

AuthorPortraitAlt
著者
iPentecのメインデザイナー
イタリア好き。Webページ、Webクリエイティブのデザインを担当。PhotoshopやIllustratorの作業もする。 最近は生成AIの画像生成の沼に沈んでいる。
作成日: 2026-08-10