■ **概要** ComfyUIの拡張プラグイン。MiniMax H3の長尺音声動画生成を、自動分段・マルチ画像素材管理・順序処理で実装。 ■ **特徴・用途** 1. **音声駆動のプロセッシングパイプライン**：音声分析（ffprobe/モデル）でセグメント境界を決定し、段別に異なる参考画像（最大6枚）と台本を管理。従来のワンショット生成との差は、クライアント側でセグメント単位の状態保持が必須（結果キャッシュ・再試行・局所編集）。 2. **マルチ参考手法の実装複雑性**：プロジェクト共通画像 vs 段別カスタム画像の分離、視覚モデル（vision mode）による多画像→プロンプト自動拡記のワークフロー化。H3の参照映像入力を段ごとに切り替える仕組みが必要。 3. **合成と再利用の設計**：完成動画をffmpegで元音声と再合成できるため、後処理をComfyUI外に逃がさず、中間結果から局所重做や組み替えが容易。 ■ **結論** 音声セグメント管理とステートフル再生成が核。ローカル動画生成のワークフロー化例として、参考実装価値は高いが、導入にはComfyUI依存の学習曲線がある。