ComfyUI v0.44.0がProRes出力に対応、アルファ付き4444も

ComfyUI v0.44.0が11月4日に出た。変更の中に、ProRes出力を追加したプルリクエスト17463があった。変更履歴は3行程度。今回のリリースで最も影響が大きく、おそらく最も読んで面白くない項目だ。
理由はこうだ。これまでComfyUIでクリップを生成し、編集で使いたいなら、道はH.264だった。MP4をレンダリングし、読み込み、結果を受け入れる。8ビットカラー、4:2:0クロマ、さらなる処理ではなく配信のために設計されたコーデック。渡した生成物は、編集者が触る前に劣化していた。一度グレーディングすれば空にバンディングが出る。
ProResは中間コーデックだ。配信のためではなく、編集されるために存在する。ポストプロダクションのパイプラインでの違いは、JPEGを渡すかRAWを渡すかくらいの差だ。
使い方
2通り、どちらも簡単だ。
**Save Video**でコンテナにmovを選ぶ。それでProResが書き出される。
**Create Video**にはchroma_subsamplingという新しい設定がある。444にするとProRes 4444、422にするとProRes 422 HQになる。この対応はコード由来なので、メニューの表示よりコードを正とする。
リリースのテストは、透過アルファチャンネル付きのProRes 4444を書き出して読み戻している。最も重要な部分で、コミットメッセージではほとんど触れられていない部分だ。
もう一つコード由来の落とし穴。12ビットを要求すると10ビットになり、コンソールに警告が出る。ProRes 4444は12ビットをサポートするが、この実装は少なくとも今はしていない。グレーディングに12ビットが要るなら、別の場所で仕上げることになる。
エンコーダについても。これはFFmpegのprores_ksを使い、Apple自身のProResエンコーダではない。prores_ksは良く、広く使われ、PremiereやResolveで問題なくデコードする。Final Cutが書くものとバイト単位で同一でもないが、それはエンコーダ出力を比較する検証工程がパイプラインにある場合だけ問題になる。どちらにせよファイルは大きい。
アルファがワークフローを変える理由
生成クリップに透過アルファがあるということは、そのクリップが板ではなくレイヤーになるということだ。
この区別が、AI素材を通常のパイプラインでコンポジットできるかを決める。アルファがなければ、生成クリップを全画面に置いて周りを切るか、手でロトスコープするか、グリーンバックで撮ってキーイングするかになる。背景も生成したのだから本末転倒だ。
アルファがあれば、生成したキャラクターを実写の上に置ける。生成した製品レンダーを撮影したテーブルに落とせる。生成した煙の要素を30%の不透明度でプレートに重ねられる。コンポジットの現場では完全に普通のことで、出力が不透明なMP4だけなら完全に不可能なことだ。
難点は、モデルがアルファを出さなければならないことだ。ほとんどの動画モデルは出さない。映像で訓練したのでRGBフレームを生成する。映像にアルファはない。つまり新しく対応した出力形式は、それを使うモデルより先にいる。それは普通のことだ。形式対応は前提条件で、それが満たされた。
マットを出すモデルや、切り抜きを生成してアニメーションさせる画像パイプラインを扱う人にとって、ProRes 4444は往復をロスレスにするコンテナだ。生成し、アルファ付きで保存し、Resolveに落とす。途中でクロマサブサンプリングされないのでエッジがきれいだ。
H.264という回り道の説明
ポストプロダクションをやったことがなければ、H.264の話は小さな不便に聞こえる。そうではない。理由は2段落に値する。
一般形のH.264は8ビット、4:2:0だ。各ピクセルはチャンネルあたり256段階で、色情報は明るさ情報の4分の1の解像度で保存される。スマホに映像を流すには見事な妥協だ。さらなる処理の土台としては最悪で、編集者が行うあらゆる操作、トーンカーブからキーまでが、既に焼き込まれた量子化誤差を増幅する。
ProRes 422 HQは10ビット4:2:2。ProRes 4444は10または12ビットで色解像度はフル、そして決定的にアルファチャンネルを持つ。ファイルは5〜10倍大きい。取引はそれだけだ。
通常のパイプラインではそのオーバーヘッドは受け入れられる。カメラがProResやRAWで撮り、編集者が速度のためにプロキシにトランスコードしつつ、必ず高ビットレートのソースに戻すのはそのためだ。中間コーデックは編集を生き延びるものだ。
AI生成はその前提を壊した。ツールが編集スイートの外にあったからだ。ブラウザやPythonスクリプトで生成し、MP4を受け取り、パイプラインは生成素材をソースではなく完成素材として扱って制約に適応した。AIショットが差し込みである間は機能した。生成ショットにグレーディングやキーやブレンドが必要になった瞬間に終わる。
これで直らないもの
コーデック対応はカラーマネジメントではない。ProResを書いても、その素材がRec.709なのかsRGBなのかタグのない何かなのかを受け手に伝えない。生成クリップがComfyUIとResolveで違って見えるなら、コーデックは問題ではない。
時間的な一貫性、解像度、動きも直らない。細部がちらつく720pのクリップは、ファイルが大きくなっても細部がちらつく720pのクリップだ。ProResはアーティファクトを忠実に保存する。それが仕事だ。
そして12ビットの穴は、重いグレーディングやVFX処理をする人には現実だ。10ビットは大半の配信には十分で、2段階押し込むヒーローショットには十分ではない。
もっと大きな点
この変更の面白さは、退屈だということだ。
2年間、AI映像の話題はモデル品質だった。誰が最も良い動きを持つか、誰が手を扱えるか、誰がキャラクターを保つか。その議論は本物で、終わっていない。だが採用が実際に起きるのはワークフローの議論で、それはまさにこの種の変更でできている。コーデック。クロマサブサンプリングのフラグ。往復を生き延びるアルファチャンネル。
コンテナ形式についてスレッドを書く人はいない。編集者が受け取る前に生成MP4をトランスコードして半日を潰した人は、この変更に気づいた。
ComfyUIはプロ向けツールだと主張していない。それでも非常に多くの人が実際にAI映像パイプラインを組む場所で、ノードグラフはパイプラインに本当に何が必要かを見るのに意外なほど正直な場所だ。グラフがアルファ付きProResを書き始めたということは、使う人たちがクリップ作りからショット作りに移ったということだ。重要な移行はそれで、ベンチマークには現れない。
関連記事
Antigravityのリモートエージェント、クラウドVMで動く代わりに手放すもの
Antigravity 2.29でリモートエージェントが登場し、セッションとツールがGoogle管理のクラウドVMで動くようになった。ノートPCを閉じても作業は続くが、ローカルのMCPサーバーやskillsは失われる。
NVIDIA、世界モデル「Cosmos 3」の派生4種とデコード基盤「VFlash」を相次いで公開
NVIDIAは11月5日、16BのCosmos 3 Nanoを専門化した4つのチェックポイントをOpenMDW1.1で公開し、学習レシピと推論コードも添えた。翌日には幾何出力を並列生成するデコード基盤VFlashを発表している。
GitHubトレンドの4分の1を「エージェントskills」が占め、導入方法は4通りに分裂
11月8日のGitHubデイリートレンド15件のうち4件がエージェントskillsのリポジトリだった。形式は`SKILL.md`とYAMLフロントマターだけで単純だが、導入経路は4製品でばらばらで、重複が優先順位の問題を生む。
Thinking Machinesの「Inkling 2 Small」、594Bの疎なMoEで86.3% 重みは「来週」のまま
Thinking Machinesは11月5日、総パラメータ594B・トークンあたり17B活性の疎なMoE「Inkling 2 Small」を発表した。SWE-Bench Pro v2 Hardで86.3%を記録し、Apache 2.0の重みは公開1週間後以降とされる。