MiniMax H3でせりふシーンを作るならFL2VAとRef2VAのどちら?
冒頭と最後の構図が決まっているなら、ComfyUIのMiniMax H3で FL2VA を試します。既存の画像、映像、音声から登場人物や演技の手がかりを渡すなら Ref2VA です。モデルカード
試作で見る項目
FL2VAでは始点と終点の構図や、次のカットに自然につながるかを確認します。Ref2VAでは顔、口の動き、声、背景音を比較します。縦型なら参考素材を納品比率にそろえ、字幕に人物が重ならないかを確認します。
5秒の生成にかかった時間
CloudGPUの既存検証では、RTX 4090 48 GB 1枚で1344×768の5秒クリップを作成しました。int8重みと4ステップのturbo LoRAでは読み込み後に85〜87秒、20ステップの構成では352秒でした。レンタル予算では重みの取得、読み込み、最初の生成、その後の生成を分けて測ります。レンタル構成を確認 · 短編ドラマの予算