生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧
今年の夏はMiniMax H3、そしてLTX-2.5とオープンな動画祭りに
この夏、AI界隈は大騒動になっている。理由は8月3日にオープンとなったMiniMax H3と、8月11日にリリースされたLTX-2.5…立て続けに大物生成AI動画ウェイトが公開されたからだ。
特に前者は初登場。しかも性能があのSeedance 2.0に迫るという驚異的なもの。それがローカルで生成可能になったのだから、お祭り騒ぎになるもの無理はない。
本連載は主に写真と言うこともあり（また作例がYouTubeへのリンクとなるため）、興味のある方は筆者のXをご覧いただきたい。MiniMax H3はここ、LTX-2.5はここにある。他にも直近はほぼこればかりだ（笑）。
今回ご紹介するのは、このMiniMax H3を使った画像生成。「そんなことできるの？」と、思われる方もいらっしゃると思うが、動画はザックリ静止画を1秒間に24枚（24fps）や30枚（30fps）並べてそれを連続再生しているので、その1枚を取り出せば画像となる。
実はちょうど去年、連載お休み中の時に、Wan 2.1/2.2を使った画像生成をして遊んでいたのだが、それと全く同じ話なのだ。後にQwen-Imageが出たので、ほんの一時だったが、これはこれで楽しめた。
MiniMaxも同じく画像生成モデルを公開する予定らしく（redditの開発者からのコメント）、それまでの繋ぎではあるものの、Wan 2.1/2.2とは違い、t2iだけでなくi2i、Reference Editにも対応できるためいろいろな使い方が可能だ。
MiniMax H3で画像を生成する方法（t2i）
MiniMax H3から画像を取り出すにはComfyUIのテンプレートからMiniMax Text to Videoのworkflowを選択、Lengthにつながってるノード2つを外し、値を5とする（5が最小単位）。
続いてAudio側のVAE Decode関連は削除、Video側のVAE Decode、IMAGEへPreview ImageやSave Imageノードを接続すれば良い。5枚出来てるので最初の1枚を選択する。
少し遊んでいたところに、ComfyUI-MiniMax-H3-Image-Studioというカスタムノードがリリースされたので、以降、これを使って作例などを掲載したい。
リポジトリにはText to Image、Image to Image、Reference EditそしてI2I LightX v0.1と、4つのWorkflowがあり（I2I LightX v0.1を除く）これらを順に説明する。
まずはt2i。画質に関する設定がMiniMax H3 Image • Sampling PresetとMiniMax H3 Image • Text to Imageの二箇所にある。前者はstep数やTurbo LoRAを使うかなどの選択が可能。基本step数が小さいほど高速に生成できるが、その分、画質は低下する。
後者は生成するフレーム数。上記では最小限が5と書いたが、5/9/13/20と、フレーム数を上げると画質も向上する様だ。今回はbase quality | RES 20 steps、extended quality | 9 framesに設定。作例ははcustom mega pixelsで1.0、つまり832x1248とした。
WorkflowのPromptはいつもの”a young Japanese woman”。着物なのはあるあるパターンだが（笑）、絵的には悪くない。以下、6つほど掲載する。
 |  |
 |  |
 |  |
いかがだろうか？ なかなかの絵が生成される。最後2枚はイラスト系。こちらもしっかり学習しているようだ。
なおヒマワリの画像は顔LoRAを軽く当てている。現在、ai-toolkitが対応済み、Kohya Tech氏のmusubi-tunerも準備中。画像からだと結構早く学習できる。
もちろん最新のKrea 2、人気のZ-Imageと比較するとディテール不足なのだが、これが24fpsで動くのだから凄まじい動画になるのも納得する。
参考までに生成速度は500W駆動のRTX 5090を使って8.8秒ほど。これは20 stepsなので仕方ないところ。他のモデルでもstep数が20になると結構かかる。
MiniMax H3で画像を生成する方法（i2i/Reference Edit）
次はi2i。設定は上記と同じ。上記の赤いドレスを黒にしてみた。これで15.5秒。t2iよりは時間がかかる。
最後はReference Edit。MiniMax H3のリファレンスモードは、
画像≦9枚
動画≦3本（各2秒から15秒、合計15秒まで）
音声≦3本（各2秒から15秒、合計15秒まで。画像または動画と併用必須・音声単独入力は不可）
合計ファイル数≦12ファイル
このようにかなり強力。画像生成だとリファレンス画像≦9枚ということになる。Workflowはこんな感じだ。今回はリファレンス画像2枚。またこの時、t2i/i2iで使っていたモデル、fl2va系からref2va系に変えなければならない。
Promptは、
”Keep the person, face, pose, camera angle, and environment from <Picture 1>, but have her wear the dress (one-piece) from <Picture 2>. The result is one sharp finished fashion photograph.”
となる。<Picture 1>、<Picture 2>がリファレンス画像を示し、冒頭で人・顔・ポーズ・カメラアングル・環境は <Picture 1> からそのまま、服装だけ <Picture 2> のワンピースにとしている。結果はお見事♪
いかがだろうか。MiniMax H3の画像生成、t2iはもちろんi2i、そしてReference Editと、画像生成に必要な機能が全部揃っている。t2iの画質は専用モデルと比較すれば一歩劣るとはいえなかなか。加えて+αの機能は魅力的。これ一本で画像と動画を任せれば的気分になる（笑）。
今回締めのグラビア
今回締めのグラビアは、扉と共に長辺1920で生成。グラビアはあえて第69回のKrea 2のグラビアに合わせている。Promptはほぼ同じ。日中にしたのと衣装とギターを変えた程度。画質的に肌の質感以外はほとんど見劣りしないのがお分かりいただけると思う。
フルHDの場合、この画質で24fps。凄い映像になるのだが、その分、生成時間も凄くなり、リソースも強烈に必要。HDで我慢する……という感じになるのは仕方ないところ。
MiniMaxは、8月14日、MiniMax Music 3もオープンでリリース。乗りに乗ってる感じだ。この勢いで画像モデル、そしてredditの開発者からのコメントにあるH3-Regenerate-2K（HDから2KへのUpscaler。現在APIのみ。なかなかの高性能）も早く公開して欲しいところ。
8月も残り半分。まだ何か出るのだろうか？ そうそう大物FLUX.3 devも控えているがいつリリースかは不明。出ると三つ巴の戦い。テストするだけでも大変と嬉しい悲鳴だ（笑）。
