منصوبے کے بارے میں

ComfyUI-H3-FaceRefine ComfyUI کے کسٹم نوڈس کا ایک سیٹ ہے جو MiniMax H3 ویڈیو کے پوسٹ پروسیسنگ کے لیے ہے۔ یہ اس صورت حال کو حل کرتا ہے جہاں H3 چہروں کو خراب طریقے سے رینڈر کرتا ہے کیونکہ سر ماخذ فریم کے صرف ایک چھوٹے حصے پر قابض ہوتا ہے۔ پائپ لائن ایک چہرے کا پتہ لگاتی ہے اور اسے ٹریک کرتی ہے، کراپ کو ایک بڑے کینوس پر نارملائز کرتی ہے، اس کراپ کو H3 کے ذریعے پاس کرتی ہے، اور ریکارڈ شدہ کراپ ٹرانسفارم کا استعمال کرتے ہوئے پیدا کردہ چہرے کو اصل ویڈیو میں واپس جوڑتی ہے۔ اس کا طریقہ Impact Pack کے FaceDetailer پر ماڈل کیا گیا ہے لیکن فریم بہ فریم ویڈیو کام کے لیے بڑھایا گیا ہے۔ اہم اجزاء میں شامل ہیں: - H3 لوڈ ویڈیو + چہرہ منتخب کریں: ویڈیو اور آڈیو لوڈ کرتا ہے، چہروں کا پتہ لگاتا ہے، اختیاری طور پر ہارڈ کٹس کا پتہ لگاتا ہے، اور گراف چلنے سے پہلے ایک موضوع منتخب کرتا ہے۔ یہ دستی 'چہرے منتخب کریں' انٹرفیس، درجہ بندی کے قواعد، یا شناختی حوالہ تصویر استعمال کر سکتا ہے۔ - H3 چہرہ ٹریک + کراپ: منتخب موضوع کو ہر شاٹ میں ٹریک کرتا ہے، کراپ اور ٹرانسفارم ڈیٹا تیار کرتا ہے، کینوس کے طول و عرض اور فریم کی گنتی آؤٹ پٹ کرتا ہے، اور اسموتھنگ، انٹرپولیشن، غائب چہروں، اور شاٹ باؤنڈریز کو ہینڈل کرتا ہے۔ - H3 فی فریم ڈینائز: ماڈل پاتھ پیچ کے طور پر فی فریم ڈینائزنگ کنٹرولز کا اطلاق کرتا ہے، MODEL ان پٹ لے کر واپس کرتا ہے۔ - H3 چہرہ واپس سلائی کریں: بہتر H3 آؤٹ پٹ کو ماخذ فریموں میں واپس کمپوز کرتا ہے اور اصل آڈیو پاتھ کو محفوظ رکھتا ہے۔ موضوع کے انتخاب میں خودکار درجہ بندی کے طریقوں جیسے سب سے بڑا، سب سے چھوٹا، سب سے بائیں، سب سے دائیں، سب سے اوپر، سب سے نیچے، سب سے مرکز، X/Y کوآرڈینیٹ کے قریب ترین، اور ڈیٹیکٹر سکور کی حمایت کرتا ہے۔ شناخت پر مبنی انتخاب فوٹوگرافک چہروں کے لیے InsightFace استعمال کر سکتا ہے، جبکہ CLIP Vision یا CCIP کو مثال یا اینیمی مواد کے لیے تجویز کیا جاتا ہے۔ صارف فراہم کردہ چہرہ ڈیٹیکٹر درکار ہے، جیسے face_yolov8m.pt؛ غیر فوٹوگرافک مواد کے لیے اینیمی چہرہ ڈیٹیکٹر تجویز کیا جاتا ہے۔ یہ پیک اختیاری ہارڈ کٹ کا پتہ لگانے کے لیے PySceneDetect استعمال کرتا ہے۔ جب دستیاب ہو، کٹس ویڈیو کو شاٹس میں تقسیم کرتی ہیں تاکہ موضوع کو ہر شاٹ کے لیے الگ سے منتخب کیا جا سکے اور ٹریکنگ کٹ کے پار اسموتھ نہ ہو۔ اگر PySceneDetect دستیاب نہ ہو، تو ویڈیو کو ایک شاٹ سمجھا جاتا ہے۔ ٹریکنگ رپورٹس گمشدہ فریم کی حدود کی نشاندہی کرتی ہیں، اور گمشدہ فریموں کو پیش نظارہ میں نمایاں کیا جا سکتا ہے۔ جب موضوع غائب ہو جاتا ہے، تو ٹریکر کسی دوسرے شخص پر چھلانگ لگانے سے گریز کرتا ہے اور کراپ کو انٹرپولیٹ کر سکتا ہے جبکہ کمپوزٹ کو دھندلا کر اصل پکسلز کو برقرار رکھ سکتا ہے۔ دو تشریحی ورک فلو ٹیمپلیٹس شامل ہیں: آٹو سلیکٹ، جہاں درجہ بندی کا قاعدہ چہرہ چنتا ہے، اور مینوئل سلیکٹ، جہاں صارف فی شاٹ ایک چہرہ منتخب کرتا ہے۔ ٹیمپلیٹس ComfyUI کے ٹیمپلیٹ براؤزر کے ذریعے دستیاب ہیں اور example_workflows ڈائریکٹری سے بھی لوڈ کیے جا سکتے ہیں۔ وہ H3 جنریشن کو ماخذ کلپ کے ساتھ ہم آہنگ رکھنے کے لیے ٹریکنگ نوڈ کی فریم گنتی اور کینوس کے طول و عرض کا استعمال کرتے ہیں۔ انسٹالیشن ریپوزٹری کو ComfyUI/custom_nodes میں کلون کرکے اور ComfyUI کو دوبارہ شروع کرکے کی جاتی ہے۔ نوڈس MiniMax H3/Face Refine مینو کے تحت ظاہر ہوتے ہیں۔ Python پیکیجز بشمول ultralytics, scipy, insightface, اور scenedetect پروجیکٹ کی ضروریات سے انسٹال کیے جا سکتے ہیں۔ ایک حالیہ ComfyUI بلڈ جس میں کور MiniMax H3 نوڈس ہوں، H3 ماڈل، ٹیکسٹ اینکڈر، اور VAE درکار ہے جب تک کہ وہ پہلے سہ انسٹال نہ ہوں۔ مثال کے ورک فلو اضافی طور پر ویڈیو کو محفوظ کرنے کے لیے VideoHelperSuite، آڈیو/لپ سنک ہینڈلنگ کے لیے ComfyUI-H3-NativeAudioLock، اور ماڈل فولڈر رجسٹریشن کے لیے Impact Pack استعمال کرتے ہیں۔ SAM اور GGUF اجزاء موجود ہیں لیکن ڈیفالٹ طور پر خاموش ہیں؛ SAM ماڈلز، GGUF لوڈر سپورٹ، CLIP Vision، InsightFace ماڈلز، اور ٹربو LoRAs ورک فلو کنفیگریشن کے لحاظ سے اختیاری ہیں۔ مطلق پاتھ چسپاں کرکے لوڈ کی گئی ویڈیوز کے لیے، پیک ComfyUI کے ان پٹ ڈائریکٹری سے باہر مقامی پیش نظارہ پیش کرتا ہے۔ H3_FACEREFINE_STRICT_PATHS کو غیر خالی قدر پر سیٹ کرنا ان راستوں کو ComfyUI کے اپنے فولڈر کے اندر فائلوں تک محدود کر دیتا ہے، جو اس وقت مفید ہے جب ComfyUI لوکل ہوسٹ سے باہر ظاہر ہو۔