Local image model keeps a novel character consistent across poses

灯野ユヅル＠AIと創り続ける人@CZTfTv7F0E32590

2026年11月3日、トンデモないローカル画像生成AIモデルが出ました！絶対話題になると思う……！『P-H3-Image（PrunaAI）』で、動画生成の『MiniMax H3』のイラストVerです。SDで背景差し替えなど死ぬほど苦労してきた技術的試行錯誤が全て無用になったな、と。

◆以下、実機検証報告です。

導入の入口はComfyUI v0.44.0＋公式の量子化モデル。今回はW4A8本体＋INT8部品＋DynamicVRAMで、RTX A4000 16GB／ホストRAM50GiB上で動かしました。

凄まじいモデルです……。

自作小説のヒロイン『サフィア』のSDで生成した参照画像から、顔・髪・二本の角・制服の特徴を残しながら、表情・配置・体勢を変える実験をほぼ完ぺきにこなしました。

①表情：宿の椅子に座った画像から、喜怒哀楽を上半身と顔アップの計8枚で生成。「大きく笑う」と「穏やかに微笑む」も描き分けられた。

②配置：空の宿へ人物を配置。さらに「窓に近い奥の椅子に座る」「右手前の椅子は空席」と指示すると、その位置に着座できた。

③体勢：同じ全身参照から、横向き・振り返り・走る・片膝・座るを試験。片膝は初回だと両膝になったが、脚の位置を明示すると改善した。

衣装画像を参照させた着替えにも成功。8MPの怒り顔（2912×2912）も約142秒で出力した。

OSはUbuntu24.04。文章解析・VAE・プロンプト補強はINT8、描画は8ステップ・Euler。

実測は参照1枚の姿勢変更が約40秒、参照5枚の表情が約100〜116秒。解像度や補強の有無で時間は変わる。同条件の4枚参照は、設定調整で254秒→78秒に短縮できた。

同じキャラの別カットを作る道具として、この編集能力は極めて大きいです。参照画像のSDの画風も残っていて、もうこれだけでいいんじゃね？と。

添付資料は「人物参照→表情→配置→体勢」の順。
実験出力はAI（ゼノン）が生成し、資料はAI（ゼノン）が編集しました。
Powered by MiniMax H3。

モデル・公式ファイル：