ComfyUI con MiniMax H3: migliore di Kling AI, Seedance e altri generatori di video nella versione gratuita?
I generatori di video basati sull’intelligenza artificiale sono notevolmente più difficili da utilizzare gratuitamente rispetto ai tipici modelli di linguaggio (LLM) come ChatGPT, poiché la maggior parte dei fornitori è piuttosto avara con i crediti gratuiti. Ottenere da essi esattamente ciò che si desidera — mantenendo al contempo un aspetto gradevole e coerente — è ancora più difficile. Ho quindi deciso di testare l’alternativa: ospitare un modello locale come MiniMax H3.
Mio figlio desidera utilizzare l’IA per generare un proprio, beh, video di costruzione con i mattoncini sulle spade laser. Attualmente è affascinato dall’argomento. Tuttavia, poiché non volevo spendere immediatamente una somma ingente per un costoso abbonamento a un servizio di IA video dedicato ai suoi esperimenti, inizialmente ha provato a utilizzare Kling AI e servizi simili gratuitamente.
La maggior parte dei generatori di video basati sull’intelligenza artificiale attira gli utenti con un credito iniziale gratuito per indurli a creare un account. Ma il tranello diventa subito evidente: se si desidera creare più di uno o due video da tre secondi al giorno su base continuativa, si viene rapidamente spinti verso un abbonamento costoso.
Tuttavia, anche dal punto di vista visivo, i video creati fino a quel momento non erano particolarmente soddisfacenti. Inoltre, di solito è difficile mantenere coerenti ambienti, oggetti e personaggi. Il ragazzo, deluso, mi ha spinto a provare una soluzione locale.
I modelli e le soluzioni locali richiedono naturalmente un hardware potente. Stiamo eseguendo il test su un Razer Blade 16 (2025) con una RTX 5090 e 24 GB di VRAM. In generale, la generazione di video diventa ragionevolmente interessante solo quando si dispone di 8 GB di VRAM e, in questo caso, «più» significa davvero «di più».
Sono disponibili numerose interfacce per il modello: noi abbiamo optato per MiniMax H3. È possibile eseguirlo, ad esempio, su Ollama, così come su Pinokio o Stability Matrix. Quest’ultimo include anche ComfyUI, un’interfaccia grafica per flussi di lavoro di intelligenza artificiale che non si limita alla generazione di video. Tuttavia, ho riscontrato dei problemi con tale combinazione, pertanto ho optato per una versione autonoma di ComfyUI (ComfyUI.org), scaricabile come applicazione per Windows e altre piattaforme.
ComfyUI richiede un po’ di tempo per abituarsi da parte dei principianti, ma offre una vasta gamma di possibilità per la generazione di video. Si creano flussi di lavoro a partire da singoli nodi: si tratta essenzialmente di un kit di strumenti modulare composto da più strumenti/nodi. Ogni nodo dispone di un ingresso e di un’uscita e può essere collegato ad altri nodi.
Tutti gli strumenti sono suddivisi in singoli nodi. Ad esempio, vi è un nodo per il prompt testuale, diversi nodi immagine che possono fungere da riferimenti o fasi intermedie prima della generazione del video, nonché altri strumenti. In teoria, si potrebbe caricare un modello di IA distinto in ogni nodo: un LLM per il prompt testuale, un modello di generazione di immagini per i nodi immagine e così via. I modelli di IA occupano naturalmente molto spazio di archiviazione. Alla fine, tutti i nodi confluiscono nel nodo di generazione video, che produce l’output.
Inizialmente abbiamo sperimentato le impostazioni predefinite “da testo a video”, ma ben presto ci siamo orientati maggiormente verso la modalità “da riferimento a video”.
Ciò che rende questa funzione particolarmente utile è che consente anche di garantire la coerenza di ambienti, oggetti e personaggi. Nel nostro primo video, ad esempio, abbiamo creato una nave da guerra costruita con mattoncini che attraversava l’inquadratura. Con una risoluzione di 480p, la generazione ha richiesto circa 5,5 minuti, mentre con un hardware adeguato sono possibili risoluzioni più elevate. In una delle scene successive, tuttavia, desideravamo riutilizzare esattamente la stessa nave da guerra. Abbiamo quindi acquisito degli screenshot delle viste anteriore e posteriore dell’astronave, importato le immagini, collegato queste ultime come riferimenti denominati Ship_front e Ship_rear al nodo principale e indicato all’IA di utilizzare esattamente questa nave in un’altra scena. In caso contrario, l’IA avrebbe generato un nuovo aspetto.
Dopo un po’ di tempo dedicato a familiarizzare con il sistema e con l’aiuto del “Professore YouTube”, abbiamo rapidamente messo a punto un primo flusso di lavoro per le nostre scene video e generato filmati di cui siamo rimasti entrambi molto soddisfatti. Un modello di linguaggio di grandi dimensioni (LLM) — in questo caso ChatGPT — ci ha aiutato a personalizzare i prompt di testo specificamente per MiniMax H3, rendendoli precisi e dettagliati.
Il mio flusso di lavoro: in ChatGPT ho descritto l’aspetto che avevo in mente, ho specificato che determinati nomi di marchi non dovevano apparire, pur se lo stile potesse comunque trarne ispirazione, ho spiegato che doveva avere un’atmosfera cinematografica e ho indicato quali riferimenti (come Ship_front) dovevano essere inclusi. Solo allora ho descritto la scena. Ho incollato il prompt personalizzato da ChatGPT nel nodo di testo in ComfyUI, ho aggiunto eventuali immagini di riferimento, se necessario, e il gioco è fatto.
È inoltre possibile chiedere a ChatGPT di generare un prompt universale basato sull’aspetto desiderato e su altri parametri, che potrà essere salvato per un uso futuro. Se si inserisce nuovamente tale prompt in un modello di linguaggio di grandi dimensioni (LLM), questo disporrà di tutte le informazioni necessarie e sarà possibile descrivere immediatamente la scena successiva.
In ogni caso, io e mio figlio siamo rimasti decisamente più soddisfatti dei risultati rispetto a quelli ottenuti con le versioni gratuite di Kling AI, Seedance e servizi simili. Le numerose opzioni disponibili invitano inoltre alla sperimentazione, e si è finalmente liberi da fastidiose limitazioni di credito, richieste di abbonamento, pubblicità e preoccupazioni relative alla sicurezza dei dati. La risoluzione rimane tuttavia un problema. Il Full HD o una risoluzione superiore non è nemmeno disponibile come opzione, presumibilmente perché i requisiti hardware sarebbero troppo elevati. I modelli futuri diventeranno probabilmente più efficienti sotto questo aspetto. Per ora, è anche possibile ampliare il proprio flusso di lavoro con strumenti di upscaling.
Chiunque disponga dell’hardware necessario e nutra un interesse per la generazione di film dovrebbe dare un’occhiata a ComfyUI e a un buon modello di IA locale. ComfyUI, in particolare, consente flussi di lavoro incredibilmente complessi e articolati — qualora ne abbiate effettivamente bisogno. Per muovere i primi passi, tuttavia, gli elementi essenziali sono già presenti e possono essere appresi rapidamente.
Add as a preferred source on Google
