> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-comfy-docs-comfyapi-search.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# MiniMaxH3ReferenceToVideo - ComfyUI Built-in Node Documentation

> MiniMax H3 Reference to Video は、MiniMax H3 の reference-to-video 生成に必要なテキストコンディショニングと空の音声・映像潜在表現を作成します。

MiniMax H3 Reference to Video は、MiniMax H3 の reference-to-video 生成に必要なテキストコンディショニングと空の音声・映像潜在表現を作成します。プロンプトと、任意の参照画像、参照動画、参照音声クリップを指定すると、ノードはこれらの参照を、モデルが生成中に使用できるコンディショニングへエンコードします。プロンプトでは、`<Picture i>`、`<Video k>`、`<Audio j>` タグを使って参照を指定します。

## 入力

| パラメータ         | 説明                                                                                                                                                                            | データ型   | 必須  | 範囲                     |
| ------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------ | --- | ---------------------- |
| `clip`        | プロンプトをトークン化し、参照メディアをコンディショニングトークンにエンコードするために使用する CLIP モデル。                                                                                                                    | CLIP   | はい  |                        |
| `vae`         | 動画 VAE。これがない場合、参照画像・動画はテキストエンコーダーにのみ条件付けを与えます。                                                                                                                                | VAE    | いいえ |                        |
| `audio_vae`   | 音声 VAE。これがない場合、参照音声はテキストエンコーダーにのみ条件付けを与えます。                                                                                                                                   | VAE    | いいえ |                        |
| `プロンプト`       | 動画のテキストプロンプト。参照メディアは `<Picture i>`、`<Video k>`、`<Audio j>` タグで指定できます（種類ごとに1始まり）。複数行プロンプトと動的プロンプトをサポートします。                                                                     | STRING | はい  |                        |
| `幅`           | 生成する動画の幅（ピクセル単位、デフォルト: 1344）。                                                                                                                                                 | INT    | はい  | 32～16384（ステップ32）       |
| `高さ`          | 生成する動画の高さ（ピクセル単位、デフォルト: 768）。                                                                                                                                                 | INT    | はい  | 32～16384（ステップ32）       |
| `長さ`          | 24 fps でのフレーム数（124 = 約5秒、学習範囲は約124～362）（デフォルト: 124）。                                                                                                                          | INT    | はい  | 5～3600（ステップ17）         |
| `リファレンス画像サイズ` | 参照画像のサイズ調整。`match` は各参照を（縮小のみ、アスペクト比を維持しながら）生成のピクセル面積に合わせます。`max` は参照パイプラインの短辺 2048px を使用し、最高の同一性忠実度を実現します。参照トークンはすべてのサンプリングステップを通過するため、`max` は数倍遅くなることがあります（デフォルト: `match`）。 | COMBO  | はい  | `"match"`<br />`"max"` |
| `リファレンス画像`    | 拡張可能なスロット：最大9枚の参照画像（`ref_image_1` ... `ref_image_9`）を接続できます。参照画像（大きい場合は短辺2048に縮小され、拡大はされません）。                                                                                 | IMAGE  | いいえ | 0～9                    |
| `リファレンス動画`    | 拡張可能なスロット：最大3本の参照動画（`ref_video_1` ... `ref_video_3`）を接続できます。24 fps の参照動画フレーム（2～15秒）。                                                                                          | IMAGE  | いいえ | 0～3                    |
| `リファレンス動画音声`  | 拡張可能なスロット：最大3つのサウンドトラック（`ref_video_audio_1` ... `ref_video_audio_3`）を接続できます。同じ番号の参照動画のサウンドトラック。                                                                               | AUDIO  | いいえ | 0～3                    |
| `リファレンス音声`    | 拡張可能なスロット：最大3つの独立した参照音声クリップ（`ref_audio_1` ... `ref_audio_3`）を接続できます。独立した参照音声。                                                                                                 | AUDIO  | いいえ | 0～3                    |

注意事項：

* プロンプトでは、種類ごとに1始まりのタグを使って参照メディアを指定します。画像には `<Picture i>`、動画には `<Video k>`、音声には `<Audio j>` を使用します。参照は固定の順序でモデルに提示されます。まず画像、次に動画（各サウンドトラックの `<Audio j>` ラベルは、対応する `<Video k>` の直前に置かれます）、最後に独立した音声です。
* `ref_video_audio_N` に接続されたサウンドトラックは、`ref_video_N` に接続された参照動画と組み合わせて使用されます。
* 参照動画には少なくとも5フレーム（24 fps で約0.2秒）が必要です。そうでない場合、ノードはエラーを発生させます。要求された `length` を超えるフレームは切り捨てられ、残りのフレーム数はモデルがサポートする値に調整されます。
* 要求された `length` は、潜在表現が作成される前に、サポートされるフレーム数に合わせて調整されます。
* `vae` がない場合、参照画像と参照動画はテキストエンコーダーにのみ条件付けを与えます（参照潜在表現は生成されません）。`audio_vae` がない場合、参照音声はテキストエンコーダーにのみ条件付けを与えます。

## 出力

| 出力名        | 説明                                                                                                     | データ型         |
| ---------- | ------------------------------------------------------------------------------------------------------ | ------------ |
| `positive` | エンコードされたプロンプトを含むコンディショニング。参照メディアと関連する VAE が提供されている場合、MiniMax H3 モデルが使用するエンコード済みの参照画像、動画、音声コンテンツも含まれます。 | CONDITIONING |
| `latent`   | 要求された `width`、`height`、`length`（フレーム数）の空の音声・映像潜在表現。調整済みの映像潜在表現と音声潜在表現を含みます。                            | LATENT       |

> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/MiniMaxH3ReferenceToVideo/ja.md)

***

**Source fingerprint (SHA-256):** `47df0d6d13cb02aa4f69b50a7f8d0f6c1639c1fb5e0f69bf8fc57dd4cb752db8`