Skip to content
Open
Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
15 commits
Select commit Hold shift + click to select a range
d4d90a9
docs(minimax): document H3 context windows, reference trimming and la…
lin-bot23 Nov 10, 2026
e4bff43
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 11, 2026
9d34040
docs(minimax): keep the VAE wired for H3 Image edits and state the ed…
lin-bot23 Nov 11, 2026
bfd5896
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 12, 2026
144fb72
docs(minimax): give each part of a long H3 take its own prompt
lin-bot23 Nov 12, 2026
db88d4e
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 13, 2026
36cae87
docs(minimax): clear over-processed H3 Image text to image output wit…
lin-bot23 Nov 13, 2026
b6b8a09
docs(minimax): attach H3 noise masks to the latent and enable the 0.1…
lin-bot23 Nov 13, 2026
dc086f0
docs(minimax): size H3 Image edit references by their short edge
lin-bot23 Nov 14, 2026
9b5d133
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 14, 2026
437ac59
docs(minimax): name the image_1 socket on the H3 Image conditioning node
lin-bot23 Nov 14, 2026
d276900
docs(minimax): give the H3 Image edit prompt its shape and note the c…
lin-bot23 Nov 15, 2026
8718277
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 15, 2026
64d8eb7
Merge remote-tracking branch 'upstream/main' into community-tips-1109
lin-bot23 Nov 16, 2026
710d4ef
docs(image): note the MOSS-Image sampling shift and the Krea 2 resolu…
lin-bot23 Nov 16, 2026
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
6 changes: 3 additions & 3 deletions es/tutorials/image/krea/krea-2.mdx
Original file line number Diff line number Diff line change
Expand Up @@ -2,13 +2,13 @@
title: "Ejemplo de flujo de trabajo de Krea-2 en ComfyUI"
description: "Krea 2 es un modelo de texto a imagen diseñado para lograr alta calidad estética y diversidad estilística. Viene en dos variantes: RAW (base) y Turbo (destilada)."
sidebarTitle: "Krea 2"
translationSourceHash: a1a40706
translationSourceHash: 4597151b
translationFrom: tutorials/image/krea/krea-2.mdx
translationBlockHashes:
"_intro": 7dcc4be5
"Watch the Launch Event": 5863543e
"Available Model Weights": 39b56045
"Krea-2 Turbo text-to-image workflow": 3f9e59bc
"Krea-2 Turbo text-to-image workflow": 266a27c2
"Krea-2 Turbo style reference workflow": cd74e362
---

Expand Down Expand Up @@ -66,7 +66,7 @@ Genera imágenes a partir de prompts de texto con Krea 2, un modelo fundacional
El flujo de trabajo se organiza en varias partes:

1. **Text to Image (Krea-2 Turbo) subgraph**: el pipeline principal de generación, que contiene la carga del modelo, el manejo del prompt, el muestreo y la decodificación VAE
2. **ResolutionSelector**: elige la resolución de salida deseada. Krea 2 admite salidas de 1K a 2K. Establece el valor de megapíxeles en 2.0 para obtener una resolución de 2K.
2. **ResolutionSelector**: elige la resolución de salida deseada. Turbo genera de 1K a 2K, mientras que RAW se entrenó hasta 1K. Establece el valor de megapíxeles en 2.0 para obtener una resolución de 2K.
3. **CustomCombo (selector de LoRA)**: un selector de palabras de activación predefinido para las LoRA de estilo disponibles. Si descargas LoRA adicionales, puedes personalizar este selector y emparejarlas con los archivos LoRA correspondientes.
4. **SaveImage**: guarda la imagen generada

Expand Down
36 changes: 28 additions & 8 deletions es/tutorials/image/minimax/minimax-h3-image.mdx
Original file line number Diff line number Diff line change
Expand Up @@ -2,15 +2,15 @@
title: "MiniMax-H3-Image: texto a imagen de 16 MP y edición de imágenes en ComfyUI"
description: "Ejecuta MiniMax-H3-Image en ComfyUI: un checkpoint de pesos abiertos para texto a imagen y edición de imágenes a unos 16 MP, destilado a 6 pasos del sampler."
sidebarTitle: "MiniMax H3 Image"
translationSourceHash: fa53bb99
translationSourceHash: 9ebce4d9
translationFrom: tutorials/image/minimax/minimax-h3-image.mdx
translationBlockHashes:
"_intro": 42477b29
"Key features": eaf127b0
"Templates": 38b9fa7f
"Templates": c243d13b
"Model downloads": 27a8bb4a
"Sampling and canvas size": b35e183e
"Reference images in image editing": 8f40b9eb
"Sampling and canvas size": 8507f737
"Reference images in image editing": 0438b0da
"Prompt expander": 3a73bb44
---
import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"
Expand Down Expand Up @@ -67,7 +67,7 @@ Edita una imagen describiendo el cambio. La plantilla carga la fuente como `<Pic

**Materiales de entrada**

La plantilla incluye una imagen de origen, cargada como `<Picture 1>` en su nodo `LoadImage`.
La plantilla incluye una imagen de origen, cargada como `<Picture 1>` en su nodo `Load Image`.

<CardGroup cols={1}>
<Card title="vintage_yellow_taxi.png" icon="image" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/vintage_yellow_taxi.png">
Expand Down Expand Up @@ -137,13 +137,33 @@ La salida nativa es de unos 16 MP. Cada borde se genera en un múltiplo de 32 px

Los lienzos más pequeños también funcionan y requieren menos tiempo. En la plantilla de texto a imagen, el Selector de resolución establece la relación de aspecto y los megapíxeles objetivo por separado, así que 4 MP es un punto de partida en lugar de un límite.

### Corregir la salida sobreprocesada de texto a imagen

Conecta cualquier imagen a la entrada `image_1` de `MiniMax H3 Image Conditioning` cuando la salida solo con texto llegue sobreprocesada: poros y lunares exagerados, piel y tela con aspecto costroso. Un lienzo más grande no ayuda, porque los artefactos se mantienen a 16 MP.

El nodo de acondicionamiento está dentro del subgrafo de texto a imagen. Añade allí un nodo `Load Image` y conéctalo a `image_1`. El contenido de la imagen da igual, así que una imagen en blanco también sirve.

Desconecta `vae` en el nodo de acondicionamiento para que el coste se quede en los tokens de visión. La imagen solo llega al codificador de texto y `VAEDecode` conserva su propia conexión VAE. Una imagen pequeña basta, ya que el nodo la reescala a 1024 px de lado corto.

## Imágenes de referencia en la edición de imágenes

La plantilla de edición de imágenes envía la imagen fuente al modelo como `<Picture 1>`. Las imágenes adicionales se etiquetan en orden, `<Picture 2>`, `<Picture 3>`, hasta 16 referencias, y el prompt se dirige a cada una por su etiqueta. La primera imagen es la que se edita; las demás aportan identidad, accesorios, materiales o composición. Basta con una instrucción breve, por ejemplo, reemplazar el vehículo de `<Picture 1>` por el de `<Picture 2>`.
La plantilla de edición de imágenes envía la imagen de origen al modelo como `<Picture 1>`. Las imágenes adicionales se etiquetan en orden, `<Picture 2>`, `<Picture 3>`, hasta 16 referencias, y el prompt se dirige a cada una por su etiqueta. La primera imagen es la que se edita y el resto aporta identidad, props, materiales o composición, así que basta una instrucción corta: sustituir el vehículo de `<Picture 1>` por el de `<Picture 2>`.

Para añadir una referencia, coloca otro nodo `Load Image` en el flujo de trabajo y conéctalo tanto al paso de generación del prompt como al nodo de acondicionamiento. Mantén conectada la entrada VAE del nodo de acondicionamiento. La plantilla ya la conecta, y con el VAE las imágenes de referencia también se anclan como latents de imagen, así que la edición sigue mejor a la fuente. Da a cada referencia un lado corto de al menos 1024 px, y de 2048 px cuando importe la identidad: el nodo las redimensiona por ti, amplía lo que queda por debajo de 1024 px (esos píxeles son interpolación) y descarta el detalle que excede 2048 px.

Sin el nodo de redimensionado, la edición vuelve con el tamaño de la imagen de origen. Actívalo para generar con un objetivo fijo: 4 MP en los paquetes de plantillas que lo traen activo, y en el paquete 0.11.104 viene en bypass con 1 MP, así que selecciónalo, pulsa `Ctrl-B` y ajusta el objetivo. Baja el objetivo antes del muestreo si te quedas sin memoria.

### Cómo escribir un prompt de edición

Con el expansor activo basta una instrucción corta: reescribe tu texto con la estructura que el modelo lee mejor. Si lo desactivas para escribir el prompt tú, usa esa misma estructura.

1. **Nombra el elemento primero y luego asígnale el número.** `The woman in a red coat in <Picture 1> is <Subject 1>`, con el detalle visible que la identifica. Cada definición nombra su `<Picture N>`.
2. **Describe la imagen final y da a cada sujeto su resultado.** `<Subject 1> is fully preserved`, o `<Subject 1> is partially preserved; her face and coat remain, while her pose changes to a lean toward <Subject 2>`.
3. **Describe solo lo que cambia o es nuevo.** La superficie que deja un objeto eliminado va aquí, y también el texto que añade la edición.

Para añadir una referencia, coloca otro nodo `Load Image` en el flujo de trabajo y conéctalo tanto al paso de generación del prompt como al nodo de acondicionamiento. Las imágenes de referencia no necesitan preparación: la plantilla redondea la fuente a un múltiplo de 32 px y ComfyUI escala las copias internas por sí mismo, con un lado corto de 1024 px para el lado de visión y un lado corto limitado entre 1024 y 2048 px para el lado del VAE, ambos en la cuadrícula de 32 px.
El contenido que no viene de una referencia no recibe número de sujeto. Nombra un elemento eliminado una vez con su `<Picture N>` en la descripción final y describe la zona que deja.

Si una edición se queda sin memoria, habilita el nodo `Resize Image/Mask` de la plantilla y reduce sus megapíxeles antes del muestreo.
`<Subject N>` es texto que lee el codificador de texto, no una unión que imponga el muestreador, así que la descripción es lo que sostiene la edición. Indica qué cambia y qué se mantiene en lugar de dar por hecho que la referencia lo arrastra. El ejemplo oficial de edición muestra la estructura completa: [revised_prompt.edit.txt](https://github.com/MiniMax-AI/MiniMax-H3-Image/blob/main/examples/revised_prompt.edit.txt).

## Expansor de prompt

Expand Down
5 changes: 3 additions & 2 deletions es/tutorials/image/moss-image/moss-image.mdx
Original file line number Diff line number Diff line change
Expand Up @@ -2,14 +2,14 @@
title: "MOSS-Image en ComfyUI: texto a imagen, edición y flujos de diseño"
description: "Ejecuta MOSS-Image en ComfyUI: modelo de imagen de 5B con mejora de prompt, cajas de diseño, LoRA de edición y control de profundidad desde una foto."
sidebarTitle: "MOSS-Image"
translationSourceHash: a18be8ef
translationSourceHash: 409848ad
translationFrom: tutorials/image/moss-image/moss-image.mdx
translationBlockHashes:
"_intro": 3e9c5a21
"About MOSS-Image": 2215b136
"MOSS-Image workflows": 3426806b
"MOSS-Image model downloads": 0e7a89fb
"Prompting tips": 43980e35
"Prompting tips": 913ae64e
"Going above 2 MP": 8dac1045
"Reference images and the prompt enhancer": 5c2c22aa
---
Expand Down Expand Up @@ -310,6 +310,7 @@ Las versiones bf16 `moss_image_sft_bf16.safetensors` y `moss_image_base_bf16.saf
- **Usa el flujo de trabajo de diseño cuando importe la colocación.** Las cajas le dan al modelo una posición explícita para cada elemento y cada bloque de texto, lo cual es más fiable que describir posiciones en prosa.
- **Mantén el lienzo en el rango recomendado.** `ResolutionSelector` elige la relación de aspecto y la cantidad de megapíxeles (1 MP por defecto). El rango de salida recomendado es de 1 MP a 2 MP y el modelo extrapola desde aproximadamente 0.25 MP hasta 4 MP; el ancho y el alto deben ser múltiplos de 16.
- **Parte de las configuraciones de la plantilla y luego ve más despacio para conseguir el aspecto oficial.** Las plantillas ejecutan 25 pasos con CFG 2.5 y el sampler `er_sde`. Las configuraciones oficiales de Base son 50 pasos con CFG 3 y el sampler `euler`, así que pruébalas si un resultado se queda corto.
- **Deja el shift en 5.0.** ComfyUI muestrea MOSS-Image con shift 5.0, el valor oficial, así que las plantillas de texto a imagen no traen ese control. La plantilla de control de color y profundidad lo expone como un nodo `ModelSamplingAuraFlow` ya ajustado en 5; si añades uno propio, su valor por defecto es 1.73, así que escribe 5.0.
- **Sube el CFG para prompts cortos en Base.** El rango oficial de CFG para MOSS-Image-Base va de 3.0 a 6.0, por encima del 2.5 que traen las plantillas. Desactiva el mejorador con un prompt corto para que llegue al modelo tal cual, mantén 3.0 con uno largo y súbelo según sea necesario.
- **Mantén el prompt negativo corto.** Las plantillas incluyen `nsfw, worst quality, bad anatomy, watermark, jpeg artifact`.
- **La orientación con salto de capas se ejecuta en la capa 22.** El nodo del subgrafo incluye un interruptor `SLG`, y 22 es la capa oficial. Desactivarla puede dar un aspecto más realista, pero puede contraer el detalle; a las demás capas solo se puede acceder dentro del subgrafo.
Expand Down
37 changes: 31 additions & 6 deletions es/tutorials/video/minimax/minimax-h3-native.mdx
Original file line number Diff line number Diff line change
Expand Up @@ -2,14 +2,14 @@
title: "Flujos de trabajo de MiniMax H3 en ComfyUI: texto a video, imagen a video y referencia a video"
description: "Ejemplos paso a paso de flujos nativos de MiniMax H3 en ComfyUI, con anclaje de guías y máscaras de ruido latente para un control más fino del video."
sidebarTitle: "Flujos nativos"
translationSourceHash: 9e8d385c
translationSourceHash: 6a302bcf
translationFrom: tutorials/video/minimax/minimax-h3-native.mdx
translationBlockHashes:
"_intro": 4f5274f5
"MiniMax H3 Text to Video (T2V)": 8807c872
"MiniMax H3 Image to Video (I2V)": c59554b0
"MiniMax H3 Reference to Video (R2V)": 961829df
"Advanced workflows with the native nodes": 37164e51
"MiniMax H3 Reference to Video (R2V)": 3faa7b7c
"Advanced workflows with the native nodes": 5ddf539b
---
Esta página cubre las tres plantillas base de MiniMax H3 y las técnicas avanzadas con nodos nativos. Para conocer las capacidades, el ajuste y las mejoras de velocidad, consulta la [descripción general de MiniMax H3](/es/tutorials/video/minimax/minimax-h3).

Expand Down Expand Up @@ -217,7 +217,7 @@ ComfyUI/
1. **Etiquetas**: Haz referencia a las entradas como `<Picture 1>`, `<Video 1>`, `<Audio 1>` (`ref_image_0` → `<Picture 1>`). Orden de los nodos: primero imágenes, luego videos y al final audio
2. **Asigna roles**: Indica qué referencia controla la identidad, el estilo, el movimiento, la cámara o la voz
3. **Límites**: Hasta **9** imágenes, **3** videos y **3** clips de audio independientes
4. **FPS del video**: El video de referencia se lee a **24fps** sin metadatos. Convierte otras frecuencias de fotogramas a 24fps antes de cargarlo
4. **FPS y duración del video**: El video de referencia se lee a **24fps** sin metadatos, así que convierte otras frecuencias de fotogramas primero. Además se recorta a la `length` de la generación: una referencia de 15 s en una toma de 5 s solo aporta sus primeros 5 s. La pista de audio emparejada no se recorta y entra completa
5. **Sonido del video**: La imagen y la pista de sonido son referencias separadas. Conecta `ref_video_audio_N` para que coincida con `ref_video_N`, o el audio del archivo no se usará como `<Audio N>`
6. **Numeración del audio**: Las pistas de sonido del video reciben `<Audio N>` primero (según el orden de los videos) y luego los clips independientes. Los índices de video e imagen son independientes
7. **Conexión del VAE**: La pista de sonido del video necesita `vae` + `audio_vae`; el audio independiente solo necesita `audio_vae`
Expand Down Expand Up @@ -248,12 +248,37 @@ Conecta `vae` para guías de imagen y `audio_vae` para audio. Encadena nodos par

Ejemplo: los primeros **22** frames de un clip en el frame **0** continúan ambos flujos; una imagen fija en el frame **60** fuerza la toma a pasar por esa pose.

Esto es acondicionamiento, no video a video: el muestreo sigue partiendo del latente vacío del flujo de trabajo. `denoise` no escala la fuerza de la guía como en V2V. Para cambiar el estilo de un clip completo, usa R2V; para editar regiones, usa las máscaras de [Fun ControlNet Union](/es/tutorials/video/minimax/minimax-h3-fun-controlnet).
Esto es acondicionamiento, no video a video: el muestreo sigue partiendo del latente vacío del flujo de trabajo. `denoise` no escala la fuerza de la guía como en V2V. Para cambiar el estilo de un clip completo, usa R2V; para editar regiones, usa las máscaras de [Fun ControlNet Union](/es/tutorials/video/minimax/minimax-h3-fun-controlnet) o las máscaras de ruido latente que se describen abajo.

Consulta la plantilla [Multiframe Reference](/es/tutorials/video/minimax/minimax-h3-multiframe).

### Clips más largos con ventanas de contexto (#17425)

`MiniMaxH3ContextWindows` muestrea la toma en ventanas superpuestas, lo que lleva un clip más allá de los ~362 frames con los que el modelo fue entrenado para una sola pasada. Insértalo en la ruta del modelo, entre el cargador del modelo y el sampler. Requiere ComfyUI **0.44.0** o posterior.

Ambas longitudes se cuentan en frames reales y deben ser **17k+5**: `context_length` (por defecto **124**, mínimo **22**) es la ventana y `context_overlap` (por defecto **39**) es lo que se repite en la siguiente. El nodo limita el solape a un bloque de 17 frames menos que la ventana, así que las ventanas siempre avanzan. Un `length` de 1654 frames (unos 69 segundos a 24 fps) ejecutado con **362 / 39** se muestrea en cinco ventanas.

El muestreo ejecuta una ventana a la vez, así que el uso de VRAM lo domina la ventana y no la longitud del clip. El latente completo, el ruido, los acumuladores del sampler y el decodificado del VAE sí crecen con el clip. El audio se divide en los mismos límites, lo que mantiene el sonido sincronizado entre las uniones.

La construcción de las ventanas impone dos límites:

- Una guía solo acondiciona las ventanas cuyos frames solapa. En los flujos de primer y último frame las ventanas intermedias quedan sin guía y derivan o alucinan, así que una toma larga que deba mantener un personaje o una voz corresponde a [R2V](#minimax-h3-referencia-a-video-r2v): las referencias no están atadas a una posición del timeline y, con `split_conds_to_windows` desactivado (el valor por defecto), llegan a todas las ventanas.
- Los frames de solape se fusionan, pero cada ventana predice su propia continuación, así que el fondo puede cambiar en una unión cuando la cámara recorre un espacio. Los planos fijos y los movimientos lentos se extienden limpios.

#### Un prompt distinto para cada parte

Para dar a cada parte de una toma larga su propio prompt, codifica cada parte con su propio nodo `MiniMax H3 Image to Video` (o `MiniMax H3 Reference to Video`), encadena las salidas `positive` a `ConditioningCombine` en el orden del clip y activa `split_conds_to_windows` (avanzado) en el nodo de ventanas de contexto. Esos nodos también devuelven un latente, y solo se usa el que llega al sampler.

Los prompts dividen la toma en bandas de tiempo iguales, y cada ventana muestrea con el acondicionamiento de la banda en la que cae su centro. El número de bandas depende del número de prompts, no del de ventanas: **1654** frames con **362 / 39** dan cinco ventanas repartidas por igual, así que cinco prompts se corresponden uno a uno; en cambio, una longitud que no termina en el límite de una ventana junta las últimas ventanas y deja una banda sin usar.

Cada banda solo ve las referencias de su propio nodo, así que repite la referencia en todos los nodos de prompt cuando la identidad deba mantenerse en toda la toma. Desactivar la opción no fusiona los prompts en uno: Todos los prompts se aplican entonces a todas las ventanas, así que cada paso atiende a todos ellos y el muestreo se ralentiza según añades nodos de prompt.

### Relleno inteligente y extensión con máscaras de ruido latente (#15375)

Las [máscaras de ruido por token](https://github.com/Comfy-Org/ComfyUI/pull/15375) en los latentes de video y audio te permiten regenerar parte de un clip.

Conecta una máscara a `denoise_mask` del sampler: **0** = mantener, **1** = regenerar. Las máscaras de video se ajustan a la cuadrícula de parches latentes de 2×2; las de audio, a frames latentes completos. Úsalas para relleno inteligente, eliminación o extensión mientras mantienes el resto estable.
Adjunta la máscara al latente de origen con `SetLatentNoiseMask` y pasa ese latente a `latent_image` del sampler: **0** = mantener, **1** = regenerar. La máscara se remuestrea a la cuadrícula latente. El máximo por parche de 2×2 solo fija el timestep de cada parche, mientras que la salida del modelo se escala con la máscara misma, así que un borde más fino que un parche (32 px) sí sobrevive. Las de audio se ajustan a frames latentes completos. Úsalas para inpainting, eliminación o extensión mientras mantienes el resto estable.

La máscara es un peso, no un interruptor: en cada paso el latent regenerado se mezcla con el original según el valor de la máscara, así que un borde suave introduce el cambio de forma gradual y no deja una costura dura. Agranda la máscara unos píxeles más allá del objeto y difumina el borde (`Grow Mask` y después `Convert Mask to Image`, `Blur Image` y `Convert Image to Mask`) para que la sombra y el borde de contacto caigan dentro de la zona regenerada.

Lo que queda fuera de la máscara sigue condicionando al modelo, así que la zona regenerada se rellena con lo que la rodea. Cambiar un sujeto por otro parecido funciona. Quitar un objeto grande, de alto contraste y en movimiento no es fiable: su sombra, sus reflejos y el espacio que ocupaba lo traen de vuelta.
Loading
Loading