ComfyUI に動画生成モデル「HappyHorse 1.1」追加

ComfyUI にて、パートナーノードとして「HappyHorse 1.1」の利用が可能になりました。この動画生成モデルは、短編シリーズ、EC サイト向けのコマーシャル、ブランドマーケティングコンテンツ、ゲームのカットシーンなど、実務での本番運用を想定して設計されています。

同モデルの目玉機能は、ネイティブな音声同期生成です。セリフ、効果音、BGM を追加の手順なしで、1 回のレンダリングパスで同時に生成できます。

バージョン 1.1 では、以下の 5 つの本番運用に不可欠な機能を強化しました。それは、ダイナミックで表現豊かな動き、一貫性のあるキャラクター描画、プロンプトへの忠実な追従、安定した文字のレンダリング、そして映画のような本格的な構図です。

ComfyUI ニュースレターをお読みいただきありがとうございます。新着投稿の受け取りや活動支援のため、無料で購読できます。

ワークフローをダウンロードする

1.1 版の新機能

ダイナミックな表現力：滑らかな動きとフレームの一貫性により、v1.0 で見られた硬直した動きや遅鈍さが解消されました。

多画像参照から動画へ（R2V）の強化：入力された詳細を忠実に保持し、生成時に最大 9 枚までの参照画像をサポートします。

複数キャラクターの一貫性：複数のキャラクター参照を使用しても、各キャラクターの外見が明確に保たれ、視覚的な混同は発生しません。

キャラクターとシーンの柔軟な組み合わせ：キャラクターと背景を別々の参照として読み込めます。背景環境が変わっても、キャラクターの描写は一貫して維持されます。

指示の追従能力を強化：2,500 文字を超える長いプロンプトも正確に理解し、1 つのプロンプトで 6〜8 シーン連続の描写が可能になりました。モデルが自動的に時間を配分し、カメラアングルを切り替えるため、複雑な構成もスムーズに実現できます。

自然な肌質感とクローズアップ対応：テカりや過度なシャープネスの問題を解消し、シリーズ物や CM にも使えるリアルなテクスチャを実現しました。

映画言語の完全サポート："ショット・リバース・ショット" や "トラッキング・ショット" といった専門用語も完全に理解。カット間のトランジションとペース配分が格段にスムーズになりました。

音声機能の向上：セリフや効果音の再現精度が高まり、緊密な映像との同期を保ちながら、感情表現豊かなパフォーマンスを付加しました。

3 つのノード、1 つのモデル

HappyHorse 1.1 は、それぞれ異なる用途に最適化された 3 つのノードとして提供されます：

Text-to-Video (T2V)：ゼロから完全なシーンを構築。スタイル、ショットサイズ、照明、アクション、音声まで、すべてプロンプトで制御できます。

Image-to-Video (I2V)：静止画の最初のフレームをアニメーション化。画像自体にデザインや雰囲気が含まれているため、動きとカメラワークだけを記述すれば OK です。

Reference-to-Video (R2V)：複数キャラクターによる舞台劇のような演出が可能。キャラクターやシーンを参照画像にマッピングし、タイムスタンプ付きのストーリーボードで各キャラクターのセリフを指示できます。

すべてのモデルは 720p と 1080p の出力に対応。動画長さは 3〜15 秒まで柔軟に設定でき、アスペクト比も 16:9、9:16、1:1、4:3、3:4、21:9 など多岐にわたります。エクスポートされるすべての動画には、完璧に同期された音声が付属します。

使い始め

ComfyUI を最新バージョンに更新してください。

HappyHorse のノードは、Node Library から「HappyHorse」と検索するか、Templates Library に用意されたテンプレートを読み込むことで利用できます。

モードを選択します。Text-to-Video（テキストから動画へ）、Image-to-Video（画像から動画へ）、Reference-to-Video（参照画像から動画へ）のいずれかを選び、プロンプトと必要に応じて参照画像を接続して実行すれば完了です。生成される出力には音声も含まれており、720p または 1080p の解像度で提供されます。

Workflow をダウンロードする（I2V）

Workflow をダウンロードする（T2V）

Workflow をダウンロードする（R2V）

ComfyUI ニュースレターをお読みいただきありがとうございます。新しい投稿を受け取り、私の活動を支援するために、無料で購読してください。