機械のQCは全部PASS、人間の耳はFAIL — MiniMax H3検証で得た失敗3つ

MiniMax H3のローカル検証で発生した3つの失敗事例について、再現条件とともに詳細に解説しています。ComfyUIをGUIなしで操作する環境での検証であり、具体的な失敗内容と原因を共有することで、同様の失敗の回避を目指します。

• MiniMax H3のローカル検証で、機械計測が全てPASSでも人間の耳ではFAILとなる失敗事例が3つ報告されています。
• 失敗1では、ASRや音量計測では問題なかったが、人間の試聴でLoRA使用時に音声が籠もるノイズ混じりになることが判明しました。
• 音声の籠もりはスペクトル分析でも数値上は改善しているように見え、機械計測の限界が示されました。
• 失敗2では、ComfyUIの「続きを生成」機能で、前クリップの動作まで引き継いでしまい、意図しない映像が生成されました。
• 失敗3では、参照動画のエンコード設定が異なったことで、生成された映像のフレームレートが不整合となりました。