> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# Pika H3 Flex ComfyUIワークフロー
> ComfyUIでPika H3 Flexを実行: 6ステップのテキストから動画へ、参照から動画、および同期ステレオオーディオ付きの最初と最後のフレームのワークフロー。
[Pika H3 Flex](https://github.com/Pika-Labs/Pika-H3-Flex) は [MiniMax H3](https://docs.comfy.org/ja/tutorials/video/minimax/minimax-h3.md) のポストトレーニング版です。Pika はビデオ、オーディオ、参照例からなる厳選されたマルチタスクコーパスで H3 をファインチューニングし、50ステップの生成器を**6ステップ**まで蒸留したうえで、報酬フィードバックと選好最適化によって改良しました。ComfyUI にすでにある MiniMax H3 ベースの上で動作する2つの LoRA アダプターとして提供されるため、新しいモデルアーキテクチャは不要です。
> [!NOTE]
>
> これらのアダプターは [MiniMax H3 Community License Agreement](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE) の下で配布されています。出力を商用利用する前に、地域および商用利用の条件を含む利用規約を確認してください。
## 主な特徴
* **6ステップ、同じ領域**: 5秒の1344x768クリップが、非蒸留のH3実行に必要な20〜50ステップではなく、1枚のカードで約1分で完了します
* **ネイティブステレオオーディオ**: セリフ、SFX、音楽は映像と同じパスで生成されます
* **リファレンス駆動制御**: 1回の生成につき最大12個のリファレンス（画像9個、ビデオ3個、オーディオクリップ3個）を指定でき、モーションリファレンスビデオや音声サンプルも含まれます
* **マルチショット演出**: ハードカット、カメラワーク、セリフを1つのプロンプト内で記述できます
* **オープンウェイト**: 2つのアダプターは公開されており、スタンダードな`LoraLoaderModelOnly`ノードで読み込まれます
## テンプレートワークフローの選択
**Template Library** > **Video** には、3つの `video_pika_h3_flex_*` テンプレートワークフローがあります。3つとも H3 ベースと1つのアダプターを読み込み、いずれも Pika の6ステップのサンプリングスケジュールで実行します。
> **[テキストから動画へ](#text-to-video-t2v)**
>
> プロンプトのみで、画像入力はありません。ComfyUI **0.43.2+**。
> **[参照から動画](#reference-to-video-ref2va)**
>
> 2つ以上の画像参照が人物の同一性、小道具、シーンを制御します。ComfyUI **0.30.0+**。
> **[最初と最後のフレーム](#first-and-last-frame-fl2va)**
>
> 2つのフレームがショットの冒頭と結末を固定します。ComfyUI **0.30.0+**。
> [!NOTE]
>
> 3つのテンプレートには、Pika が公開している6ステップのスケジュールが組み込まれています。`lcm` と `ManualSigmas`、そして `BasicGuider` 経由の CFG 1.0 です。シグマリストとアダプター強度は 1.0 のままにし、turbo や Lightning LoRA を重ねないでください。アダプターはすでに6ステップに蒸留されているため、2つ目の高速化 LoRA を追加すると出力が壊れます。
## テキストから動画 (T2V)
プロンプトだけで、オーディオが同期されたビデオを生成します。
> **[Comfy Cloud で実行](https://cloud.comfy.org/?template=video_pika_h3_flex_t2v\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> Comfy Cloud で開く
> **[ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_t2v.json)**
>
> JSON をダウンロードするか、テンプレートライブラリで「Pika H3 Flex: Text to Video」を検索してください
### モデルのダウンロード
> **[Diffusion Model: minimax\_h3\_fl2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors)**
>
> `ComfyUI/models/diffusion_models/` に配置します
> **[LoRA: pika\_h3\_flex\_fl2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_fl2va_v1_bf16.safetensors)**
>
> `ComfyUI/models/loras/` に配置します
> **[Text Encoder: qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> `ComfyUI/models/text_encoders/` に配置します
> **[VAE: minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
> **[VAE: minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
## 参照から動画 (Ref2VA)
参照画像から、同期したオーディオ付きのビデオを生成します。参照は人物の同一性、衣装、オブジェクトの形状、環境を担い、プロンプトはアクションとショットを担います。
> **[Comfy Cloud で実行](https://cloud.comfy.org/?template=video_pika_h3_flex_ref2va\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> Comfy Cloud で開く
> **[ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_ref2va.json)**
>
> JSON をダウンロードするか、テンプレートライブラリで「Pika H3 Flex: Reference to Video」を検索してください
> **[入力画像: ref\_pilot\_profile.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_pilot_profile.png)**
>
> テンプレートの参照1。ご自身の被写体に置き換えてください。
> **[入力画像: ref\_subject\_station.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_subject_station.png)**
>
> テンプレートの参照2。2番目の被写体またはシーンに置き換えてください。
### モデルのダウンロード
> **[Diffusion Model: minimax\_h3\_ref2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors)**
>
> `ComfyUI/models/diffusion_models/` に配置します
> **[LoRA: pika\_h3\_flex\_ref2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_ref2va_v1_bf16.safetensors)**
>
> `ComfyUI/models/loras/` に配置します
> **[Text Encoder: qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> `ComfyUI/models/text_encoders/` に配置します
> **[VAE: minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
> **[VAE: minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
## 最初と最後のフレーム（FL2VA）
2枚の静止フレームの間をアニメートします。1枚目の画像がショットの冒頭を開き、2枚目が終幕を閉じ、プロンプトがその間の道筋を記述します。
> **[Comfy Cloud で実行](https://cloud.comfy.org/?template=video_pika_h3_flex_fl2va\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> Comfy Cloud で開く
> **[ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_fl2va.json)**
>
> JSONをダウンロードするか、テンプレートライブラリで「Pika H3 Flex: FL2VA」を検索してください
> **[入力画像: ref\_popart\_woman.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_popart_woman.png)**
>
> ショットの最初のフレーム。
> **[入力画像: lastP\_spin\_jump\_hole.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/lastP_spin_jump_hole.png)**
>
> ショットの最後のフレーム。
### モデルのダウンロード
> **[Diffusion Model: minimax\_h3\_fl2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors)**
>
> `ComfyUI/models/diffusion_models/` に配置します
> **[LoRA: pika\_h3\_flex\_fl2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_fl2va_v1_bf16.safetensors)**
>
> `ComfyUI/models/loras/` に配置します
> **[テキストエンコーダー: qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> `ComfyUI/models/text_encoders/` に配置します
> **[VAE: minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
> **[VAE: minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> `ComfyUI/models/vae/` に配置します
## モデルの保存場所
3 つのテンプレートはいずれもこの構成を前提としています。H3 のベースファイルは既存の MiniMax H3 テンプレートと共通で、新しく追加するのは 2 つのアダプターだけです。
```
ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ ├── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│ │ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│ ├── 📂 loras/
│ │ ├── pika_h3_flex_fl2va_v1_bf16.safetensors
│ │ └── pika_h3_flex_ref2va_v1_bf16.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│ └── 📂 vae/
│ ├── minimax_h3_video_vae_int8_convrot.safetensors
│ └── minimax_h3_audio_vae_fp32.safetensors
```
## プロンプト作成
プロンプトは H3 の他のモデルと同じ構造に従います。T2V と FL2VA では、まずスタイルを説明し、次に各ショットをカメラワークとともに記述し、最後に2つのサウンドフィールドを説明します。Ref2VA では、`subject_definitions`、`summary`、`retention_analysis`、`detailed_description`、`overall_soundscape`、`non_diegetic_music` を使用する完全参照形式を使い、各参照を ``、``、`