# MiniMax H3 + 일본 노래 데이터로 리핑 싱크 영상 제작 > https://bookfactory.kr/c/news/8973 > 게시판: 뉴스 > 작성자: admin > 작성일: 2026-08-08T04:17:12.445Z --- ![見出し画像](https://assets.st-note.com/production/uploads/images/300967919/rectangle_large_type_2_f0c7d0fc182854e7560987cb5bf0d3b2.jpeg?width=1280) 제목대로입니다. 시도한 동작 환경은 다음과 같습니다. - RTX5060 TI (VRAM 16GB) - Ubuntu 22.04LTS - 메인 메모리 64GB ComfyUI는 최신 버전을 사용합니다. 이 글의 작성 시점 당시 최신 버전은 v0.30.0이었습니다. ## 워크플로우 ![画像](https://assets.st-note.com/img/1786005359-nYop7wMDkuJej4FaQviZAsmX.png?width=1200) ComfyUI 템플릿의 “MiniMax H3: 참조에서 영상” 워크플로우를 거의 그대로 사용합니다. 기본 설정에서는 음성 입력 노드가 없으므로 “음성을 읽어들이는” 노드를 추가하고, 해당 노드의 오디오 출력을 MiniMax H3 Reference to Video 노드의 입력에 있는 ref_audio_0 핀에 연결합니다. ![画像](https://assets.st-note.com/img/1786005509-LcOEgXbxjo9kWFSD7J4NM5qB.png) 모델은 아래에서 다운로드 가능합니다. ## 참조 데이터 설정 참조 대상 이미지 및 음성은 아래와 같이 구성함을 전제로 합니다. - ref_이미지 0의 선두 프레임 이미지를 입력하고 있습니다. - 참고 오디오 0에 일본어로 된 노래 음성 데이터를 입력하고 있습니다. 영상 길이는 음성의 길이보다 약간 더 길게 설정합니다. ![画像](https://assets.st-note.com/img/1786005817-yWAaDr4FHNmP7VbglOMQw0jI.png?width=1200) 영상 길이는 “Float (Duration)”라고 표시된 노드로, 초 단위로 지정하며, 2.0초부터 10.0초까지 지정할 수 있습니다. 참고로, 입력 가능한 이미지 등의 수의 상한은 다음과 같습니다. (단, ComfyUI의 기본 워크플로우로는 이 상한까지 입력할 수 없으며, 약간의 수정이 필요합니다.) - 이미지 정보 없음 - 영상: 3 클립 이하. 각 클립의 길이는 2~15초, 총 시간은 15초 이내. - 음성: 3클립 이하. 음성은 이미지 또는 영상 입력과 병행되어야 하며, 단독 입력으로는 사용할 수 없습니다. 각 클립의 길이는 2초에서 15초 미만, 총 시간은 15초 이내입니다. - 혼합 입력: 모든 입력 유형을 포함한 파일의 최대 수는 12입니다. ## 프롬프트 H3의 ref 모델용 프롬프트 작성 지침에 따라 프롬프트를 작성합니다. 지침 페이지는 아래에 있습니다. 일본 노래를 립싱크할 때, 최소한 다음과 같이 프롬프트를 작성해야 하는 것 같습니다. - 오디오 1: 완전히 복사 - 이 오디오 1은 최종 영상의 완전한 최종 오디오 트랙을 1:1로 재사용한다. - 그림 1은 샷 1의 첫 번째 프레임이다. - 오디오 1은 일본 노래로 “○○○○○○○○”라고 부르고 있습니다. 캐릭터의 입 모양을 일본 가사에 정확하게 일치시킵니다. 이 덧붙여서 영상의 프롬프트를 작성합니다. “○○○○○○○○” 부분에는 노래 가사를 넣어주세요. 다음 예시를 참고하십시오. 1차 번역문: 제공해주신 정보가 부족합니다. 번역할 일본어 note.com 게시글의 본문 청크 28/32를 제공해주시면, 무라카미 하루키, 카호 등의 고유명사를 정확히 보존하고 100% 한국어로 완벽하게 번역해드리겠습니다. > > > 지역 비디오 생성 AI인 H3(MiniMax)로 립싱크를 간단히 테스트해 보았습니다. 단순히 음성과 이미지를 입력하는 것만으로는 효과가 없는데, 음성과 이미지를 하나씩 주었을 경우, 최소한 다음과 같이 프롬프트를 작성해야 합니다. > >