ComfyUI における MiniMax H3 のネガティブプロンプト：実際に効果がある方法

AI Overview

MiniMax H3 は ComfyUI で従来型のネガティブプロンプトをサポートしていますか？

リリース済みの H3 チェックポイント（stock）は CFG-distilled であるため、標準グラフでは、馴染み深い「ポジティブ vs. ネガティブ」の条件付けペアを用いません。まず、正確な除外事項をメインのオーディオビジュアルプロンプト内に記述してください。

ネガティブテキストボックスが表示されるにもかかわらず、何も効果がないのはなぜですか？

カスタムノードがネガティブテキストを保存しても、それをアクティブなガイド（guidance）に接続していない場合があります。そのフィールドが条件付け（conditioning）、ガイダー（guider）、サンプラー（sampler）を経由して正しく伝搬しているかを追跡してください。可視化されたウィジェットが存在しても、モデルが実際にその入力を受信しているとは限りません。

望ましくないテキスト、人物、カメラ動きをどう除去すればよいですか？

まず望ましいシーンを具体的に描写し、その後、実際のリスクに直接関連した「No…」という形の文を1～2個追加します。制約は観測可能なものにしてください：キャプションなし、人物はちょうど1人、カメラは固定（locked camera）などです。

コミュニティ製のネガティブガイドノードを試すべきタイミングはいつですか？

クリーンな stock ベースラインを用いても依然として失敗し、かつそのパッチが使用中の H3 チェックポイント、ComfyUI のバージョン、およびタスクモードをサポートしている場合にのみ試してください。まず動作確認済みのグラフを保存し、変更点を1つずつ比較しながら検証してください。

測定可能な指示書（brief）に基づいた完成出力の参考例：被写体は1人、カップは1つ、看板や余分な人物はなく、カメラは固定構図。これは説明用の生成画像であり、公式 H3 ベンチマークではありません。

ネガティブプロンプトボックスが表示されない理由

画像拡散グラフでは、通常、ポジティブテキストとネガティブテキストを別々の条件付けブランチを通じて送信します。MiniMax は、リリース済みの H3 FL2VA および Ref2VA チェックポイントを CFG-distilled 重みと説明しています。そのため、stock グラフでは、馴染み深い2本のブランチ構成ではなく、メインの条件付けパスのみを使用します。

このため、H3 テンプレートでは1つのテキストルートのみが公開される一方で、コミュニティ製ノードではネガティブフィールドが表示されても、下流のガイダーがそれを消費しないことがあります。パッチ適用済みのワークフローでは独自の反発（repulsion）ブランチが追加される場合もありますが、その挙動はパッチに由来するものであり、H3 に自動的に備わっているわけではありません。

グラフ自体を「真実の唯一の源」として扱ってください。フィールドが条件付け、ガイダー、サンプラーを経由してどこまで伝搬しているかを追跡してください。もし最終的にメタデータ、プレビュー用テキスト、あるいは未接続のソケット（socket）で終わってしまうなら、レンダリングを制御することはできません。除外処理のデバッグに着手する前に、まず MiniMax H3 ComfyUI 設定ガイド を用いて動作確認済みのベースラインを構築してください。

ボックスが表示されないことは、インストールが壊れていることを意味しません。狭く明確なシーン契約（scene contract）を作成し、ポジティブな構成を強化し、明示的な除外項目を追加し、サードパーティ製パッチは厳密に管理された実験に限定してください。

ネガティブな目標をポジティブなシーン契約へ変換する

「画質が悪い、不細工、ぼやけている」などの汎用的なネガティブ表現では、時間経過に伴う「何が起こるべきか」を説明できません。H3 はアイデンティティ、動き、カメラ、雰囲気、会話、エフェクト、音楽を統合的に制御するため、各制約はそれが適用されるイベントの直後に記述すべきです。

プロンプトは以下の順序で構成してください：

1. オープニングフレームを固定する。メディア形式、ショットサイズ、被写体数、衣装、環境、開始時の動作を明記します。「陶芸家1人、腰上ショット、両手が見える状態で、1つのボウルを成形中」は、「余分な手はなし」という表現よりも実行可能（actionable）です。
2. タイムラインを記述する。すべての物理的動作に対して、カメラ指示を対応させ、マルチショットのクリップでは時間またはカットポイントを明記します。明確なタイムラインは、不要な動きが勝手に生成される余地を減らします。
3. 音声を別途指示する。室内音（room tone）、会話、エフェクト、音楽をそれぞれ明記します。無音やBGMなしを望む場合は、視覚的なネガティブ表現に頼るのではなく、音声指示の内部で明示的に記述してください。
4. 小さな除外ブロックで終える。エクスポート結果で実際に観測可能な制約のみを用います。再利用されたトークンリストよりも、2つの的確な文の方が診断が容易です。

これは、広範な MiniMax H3 プロンプティングガイド と同じ制作ロジックに従いますが、失敗防止に焦点を当てています。鍵は、各「恐れ（fear）」を「受容条件（acceptance condition）」へと変換することです。「群衆なし」は「可視範囲には1人のパフォーマーのみ；アトリウムは空のまま」となり、「カメラのブレなし」は「三脚固定フレームでパン・チルト・ズーム・ロール・再構図は一切なし」となります。

被写体数の制御においては、中心のパフォーマーだけでなく、背景、反射、出入り口、最終フレームも確認してください。

コピー＆ペースト可能な除外テンプレート

これらは完全なプロンプトではなく、短い末尾としてご使用ください。名詞を置き換え、撮影シーンで最も高コストな失敗に対処する1行のみを残してください。| 防止失敗に失敗 | コピー可能な条項 | 確認すべき箇所 | | --- | --- | --- | | 捏造された字幕やブランド表記 | 字幕、キャプション、インターフェース要素、ロゴ、ラベル、文字、ウォーターマークは、いかなるタイミングでも表示されない。 | 画面の四隅、反射面、製品の表面、最終フレーム | | 不要な人物の出現 | ショット全体を通して、正確に1人のみが可視であり、誰も入場せず、横切らず、反射に映らず、背景に現れることもない。 | 出入口、窓、鏡、群衆のようなテクスチャ | | カメラのブレ（ドリフト） | カメラは三脚固定のまま；パン、チルト、ドルリー、ズーム、ロール、シェイク、自動リフレーミングは一切発生しない。 | 地平線、フレーム端、時間経過に伴う被写体のサイズ変化 | | 不要な音楽 | 自然な部屋の残響音および指定された効果音のみ；非ドラマチック音楽、歌唱、拍手、ナレーションは一切含まない。 | 開始時のビート、トランジション、最終音の尾部 | | 同一プロップの重複 | 1本のボトルと2つの柑橘類の半分が物理的に一貫して存在し、同一製品の複製、浮遊する破片、ラベルの変化は一切ない。 | 被覆（オクルージョン）、スプラッシュの頂点、露出シーン、反射 | | 手の変形 | 両手は解剖学的に正確に保たれ、それぞれ5本の指を持ち、常に同一のボウルと接触を維持する。 | 接触フレーム、モーションブラー、物体の境界線 |

矛盾を避けよ。「ハンドヘルド感」と「カメラの無動」は同時に成立しない。「忙しい作業台」と「人物不在」も互いに排他的である。除外条件が妥当となるよう、肯定的なシーンを再構成せよ：サービス終了後の空のプラットフォーム、閉鎖されたセット、あるいは読み取り可能な看板のない浅焦点の背景など。

ネイティブ音声については、無音および音声制約を適切なフィールドに配置すること。実用的な構造は、まず統合されたメインシーン記述を記載し、その後に overall_soundscape、さらに non_diegetic_music を続ける形式である。MiniMax H3 モデルページは、プロンプト構造を選択する前にサポートされる生成モードを比較したい場合の最適な出発点である。

製品仕様書では、対象物の数量、無地のラベル領域、素材、液体の挙動、および禁止マークを、それぞれ独立した可視チェック項目として定義すべきである。

偽りの制御を用いない ComfyUI ワークフローの構築

テキスト→オーディオ・ビデオ、初・終フレーム、または参照→オーディオ・ビデオ向けの、信頼性の確認済みH3テンプレートから開始する。利便性ノードを追加する前に、短いベースライン実行を行う。ワークフローを保存し、バージョンを記録すること。除外条件のテスト中は、シード値と再生時間を固定したままとする。

以下の接続監査を活用せよ：

「ネガティブ」と表示されたウィジェットがあるからといって、単にCFGを上げてはならない。蒸留済みの標準パスは画像生成のレシピに従わない可能性があり、コミュニティ製ノードはスケールを異なる方法で定義している可能性がある。まずサポートされるモデルおよび接続を確認し、その後、ベースラインに対して1つの控えめな値をテストせよ。

参照は、言葉では解決できない失敗を解消できる。モデルが繰り返し衣装、製品形状、またはアイデンティティを捏造する場合は、参照→ビデオワークフローへ移行し、クリーンな参照画像を提供せよ。より強いポジティブなアンカーを用いることは、追加の禁止事項を増やすよりも、不必要な変動を確実に低減する傾向がある。

モーション、楽器との接触、および同期オーディオの確認用に完成した演奏クリップ

動きのある接触点およびフルサウンドトラックをレビューせよ。静止画では、時間的ドリフト、幻の打撃、不要な音楽は検出できない。

除外条件が依然として機能しない場合の診断

ネガティブフィールドが全く効果を発揮しない。 カスタムノードをバイパスし、ベースグラフが正しくレンダリングされることを確認せよ。そのフィールドが、アクティブなガイダーによって実際に使用されるコンディショニングを生成しているかをトレースせよ。そうでない場合は、除外条件をメインプロンプト内に移動せよ。一方、生成されている場合は、スケールおよびチェックポイントのサポート状況を確認せよ。

不要なテキストが依然として表示される。 テキストに類似した参照をすべて削除し、広告看板および包装を避け、無地の表面を明示せよ。字幕が不要な場合は、それを明確に記述せよ。プロンプトの整理は、「サインが満載のシーン」に対して「アンチプロンプト」を試すよりも安全である。

人物またはプロップが重複する。 数量を最初に明記し、被写体の途切れのない動きを記述せよ。名詞の反復は誤って新たなエンティティを示すように聞こえることがあるため、「同一のダンサー」や「単一のボトル」などの安定した参照を用いること。既知のキャラクターについては、類似画像を積み重ねるのではなく、明確に参照を割り当てよ。

接触時に手が変形する。 同時に発生する手の動作を減らし、重要な接触部分をフレーム内で大きく保ち、対象物のジオメトリをシンプルにせよ。除外文は、ショット設計に比べて二次的な重要度を持つ。クローズアップまたはミディアムショットは、ワイドショット＋高速モーションよりも、指の描写に多くのピクセルを割り当てられるため、モデルにとって有利である。

受容条件が可視化されるようショットを設計せよ：両手、1つのプロップ、継続的な接触、および解剖学的判断に十分なスケール。

クリップは視覚的には正しいが、オーディオが不適切である。 オーディオプロンプトおよびオーディオデコードパスを個別に確認せよ。意図する雰囲気、効果音、会話、および音楽の有無を明示的に指定せよ。不要な音楽ではなく、発話アーティファクトが問題の場合は、MiniMax H3 ギャバガバトラブルシューティングガイドを参照せよ。

受容テストの実行と失敗箇所のみの再実行

一時停止せずに完成した出力を一度全体で再生し、その後、音声を含めてフレーム単位で検査します。被写体数、禁止テキストまたはロゴ、カメラ挙動、物体および解剖学的連続性、音声準拠性の5項目について「合格」または「不合格」を判定します。失敗が初めて視認できる最初のタイムスタンプを記録してください。これにより、「ネガティブプロンプトが機能しなかった」という曖昧な感覚ではなく、再現可能な結果が得られます。

エスカレーション・ラダーを活用してください：

1. ポジティブなショットを明確化し、矛盾する詳細を削減する。
2. 観測可能な除外文を1文追加する。
3. リファレンスを強化するか、ショットのスケールを変更する。
4. 保存済みのベースラインに対して、互換性のあるネガティブガイドパッチを1つだけテストする。
5. 1つのプロンプトに多すぎるイベントが詰め込まれている場合は、ショットを短縮するか分割する。

承認済みのシード、リファレンス、アスペクト比、持続時間、サンプラ設定はすべて変更せず、制御要素は1つだけ変更してください。修正が成功した場合は、バージョン管理されたワークフローとその出力を一緒に保存します。一方、音声の消失、動きの硬直化、またはアイデンティティのずれが生じた場合は、新たなスライダーを複数追加して補正するのではなく、直ちに元に戻してください。

幾何学的正確性、テキストアーティファクト、モーション、配信品質の確認用完成動画

ポスターよりも、動く製品テストではラベルの変異、重複するジオメトリ、スプラッシュの不連続性、意図しない音声といった問題が明らかになります。

Seedance Agent はショット概要の整理、リファレンス割り当ての保持、レビューのルーティング、および失敗したビートのみの再生成を可能にします。パッチ適用済みのローカルグラフを維持するコストが、追加される制御の価値を上回る場合にご活用ください。

結論

ComfyUI における信頼性の高い MiniMax H3 ネガティブプロンプトワークフローは、市販の CFG-distilled パスが従来型のポジティブ／ネガティブ条件付けグラフではないという前提から始まります。望ましいフレームとタイムラインを定義し、主な音響・視覚的記述に1～2個の計測可能な除外事項を追加し、すべてのノード接続を検証し、コミュニティ提供の任意のパッチを保存済みのベースラインと比較します。タイムスタンプ付きスコアカードで、完全な動画および音声を含むクリップを評価した後、失敗に関係する制御要素のみを変更します。グラフのバージョン管理、リファレンスルーティング、承認、部分再実行を自ら管理することなく、同様の厳密さを実現したい場合は、Seedance Agent を使って次の一連の制御動画を計画してください。