Японский креатор проверил RefMod в ComfyUI: танец персонажа хорошо держится примерно до 10 секунд. На 12 секундах движения уже сбиваются, а 15-секундный ролик заметно теряет точность. Для тех, кто делает ИИ-видео, это рабочий ориентир, но не универсальный лимит: результат зависит от исходника, настроек и окружения.
В прошлый раз автор ждал 93 минуты — и в итоге танцевал незнакомец из референсного видео. Теперь он собрал workflow в ComfyUI на Runpod с помощью Codex. На коротком тесте в 5 секунд персонаж повторил танец, а при увеличении длительности движения начали съезжать и менять порядок. Похоже, тут лучше не требовать от модели сразу целый клип.
На создание RefMod из примерно 15-секундного исходника ушли десятки секунд, сама генерация видео заняла около 9 минут в его окружении. Это куда удобнее прежнего ожидания на полтора часа: можно быстрее менять настройки и проверять результат. Но автор уточняет, что не до конца разобрался в узлах и моделях — большую часть настройки поручил Codex.
Следующий план — сгенерировать длинный танец отдельными отрезками по 10 секунд и склеить их. Пока неизвестно, совпадут ли позы и положение персонажа на стыках. Ещё автор хочет проверить, поможет ли RefMod сохранять голос персонажа между генерациями, но это пока только идея. Короче, RefMod уже решил одну задачу, а заодно подкинул несколько новых.
Источникnote #動画生成AI
