この記事について（広告・アフィリエイトリンクはありません）
試した環境の一覧は検証の記録にあります。
MiniMax H3 の「Reference to Video」に参照動画がつながらないのは、ref_video_0 が「動画（VIDEO）」ではなく「画像の束（IMAGE）」を受け取る入力だからです。Load Video の出力を Get Video Components で画像と音声に分けてから、images を ref_video_0 に、audio を ref_video_audio_0 につなぎます。
正しくつなぐと、参照動画と同じ道・同じ歩く速さ・同じ構図のまま、季節や服だけを変えた動画ができました。所要時間は10分ほど、難しさは初心者向けです。
先に結論（今回のテスト条件で）
| つなぎ方 | 結果 |
|---|---|
| Load Video → ref_video_0（直接） | 実行前に止まる。「VIDEO と IMAGE の型が合わない」 |
| Get Video Components の images → ref_video_0、audio → ref_video_audio_0 | 動く。構図・道・歩く速さが参照に沿った（4ステップで60秒） |
| 参照なし（文字だけ） | 動く。並木の並びや人の位置は別物になった（17秒） |
| 30fps の動画をそのまま参照 | 動く。24fps として読まれるので、歩きが少しゆっくりになった |
エラーの内容
Load Video の出力（VIDEO）を、そのまま ref_video_0 につないで実行すると、生成の前に次のように止まりました。画面では、線をつなごうとしてもつながりません。
ref_video_0 の説明（ツールチップ）には「24fps の参照動画のフレーム（2〜15秒）」とあります。動画ファイルではなく、フレームを並べた画像の束を渡す入力です。
正しいつなぎ方
- Load Video：参照にしたい動画を読み込む（出力は VIDEO）
- Get Video Components：VIDEO を images（画像の束）、audio（音声）、fps に分ける
- images → ref_video_0、audio → ref_video_audio_0：番号をそろえてつなぐ
- プロンプトでは、参照動画を
<Video 1>、その音声を<Audio 1>と呼ぶ - モデルは fl2va ではなく ref2va を使う
ComfyUI の公式ドキュメントによると、映像と音声は別々の参照として扱われ、ref_video_audio_N を ref_video_N に合わせてつながないと、動画の音は使われません。参照は画像9つ、動画3つ、単独の音声3つまでです。
参照動画を使うとどう変わる？
秋のイチョウ並木を歩く5秒の動画を参照にして、「同じ道を同じ速さで、真冬の雪の中、赤いコートで」と書きました。
参照ありでは、並木の並び方、道の幅、歩いてくる位置と大きさ、手に持ったバッグまで、参照動画に沿いました。参照なしでは、雪の並木道にはなりましたが、人物は遠く、構図は別物でした。
時間は、参照なしの17秒に対し、参照ありは60秒でした（4ステップ、モデルの読み込み後）。参照動画のフレームも毎回の計算に加わるためです。
30fps の動画は24fps に直してから
ドキュメントには「参照動画はメタデータなしで24fps として読まれる。ほかのフレームレートは先に24fps に変換する」とあります。30fps に変換した同じ動画を参照にすると、生成は通りましたが、歩きが少しゆっくりになり、5秒目の位置が手前まで来ませんでした。30fps の5秒は150フレームで、24fps として読むと約6.3秒分の動きになるためです。
ffmpeg -i input_30fps.mp4 -vf fps=24 output_24fps.mp4「Duration ノードを消したら戻せない」とき
フォーラムには、テンプレートの長さ（秒）を決めるノードを消してしまった、という相談もありました。H3 の長さは、Reference to Video の length（24fps のフレーム数）で決まり、テンプレートでは秒数から「17の倍数＋5」に丸める計算ノードがつながっています。消してしまった場合は、length に直接 124（約5秒）などの値を入れれば動きます。
よくある質問（FAQ）
Q. H3 の ref_video_0 に動画がつながらないのは？
ref_video_0 は画像の束（IMAGE）を受け取る入力だからです。Load Video の出力を Get Video Components で分け、images をつなぎます。
Q. 参照動画の音を使うには？
Get Video Components の audio を、同じ番号の ref_video_audio_0 につなぎます。つながないと音は使われません。
Q. 30fps の動画は使える？
使えますが、24fps として読まれるので動きが遅くなります。ffmpeg などで24fps に変換してから読み込みます。
まとめ
参照動画がつながらないのは、動画をそのまま渡す入力ではないためでした。分けてからつなぐだけで、参照の構図と動きを引き継いだ動画が作れます。
Load Video → Get Video Components → images と audio を番号どおりに。動画は24fps で。
検証メモ
- 設定：864×480、124フレーム（約5秒）、4ステップ、euler／simple、シード 5。参照動画は、当サイトの記事で H3 で作った 864×480・24fps の5秒の動画です。
- 時間：参照ありの1回目（320秒）はモデルの読み込みを含みます。表の60秒は、30fps の参照で2回目に実行したときの値です。
- 試していないこと：参照動画を2つ以上、参照画像との組み合わせ、15秒を超える参照、VideoHelperSuite の Load Video。
