Viggle Remake édite la vidéo en local : 12 à 24 Go de VRAM suffisent pour ComfyUI

Vous avez un spot publicitaire terminé, mais le client réclame un autre héros et un décor hivernal. Cela signifie généralement un nouveau tournage ou un travail séparé sur chaque plan. Viggle Remake propose d'éditer la vidéo source : définir la modification souhaitée, préparer des images de référence et obtenir une nouvelle version de la scène. Pour une équipe qui conçoit des outils de production vidéo, c'est une bonne raison de tester le traitement local sur ses propres contenus.

Viggle a publié les poids, le code de lancement et l'intégration avec ComfyUI. Toutefois, la promesse « fonctionne sur une carte graphique grand public » mérite une précision : un scénario manuel sur une carte de 12 à 24 Go de mémoire vidéo et un traitement autonome par un agent sont deux configurations différentes. La documentation du projet le distingue clairement.

Ce qui change concrètement dans la vidéo

Remake repose sur MiniMax-H3 avec deux modules LoRA spécialisés. Le mode swap gère le remplacement des personnages, le mode edit s'occupe des objets, de l'environnement, de la météo et de la lumière. En entrée, on fournit la vidéo source, une instruction et de une à quatre images préparées. Elles définissent l'apparence du résultat ; on peut les associer à des images précises.

Imaginons une boutique de vêtements qui souhaite plusieurs variantes d'un même défilé publicitaire. L'équipe prépare des images avec une nouvelle veste et vérifie comment la modification suit le mouvement. La question pratique est simple : combien d'images faudra-t-il corriger après la génération, et est-ce moins coûteux qu'un nouveau tournage ? Un bel exemple dans le dépôt ne répond pas à cette question.

Les développeurs décrivent la préservation du mouvement, de la caméra et du son d'origine, mais énumèrent aussi les défaillances : artefacts sur les petits détails, difficultés avec les personnages non humains dans un plan long, et décalage temporel des scènes avec certains réglages. Il est trop tôt pour promettre un remplacement parfait de n'importe quel acteur sur la base de ces éléments. Les limites sont publiées dans la fiche du modèle.

Ce que l'agent prend en charge

Le projet inclut un serveur MCP, une interface par laquelle l'agent accède aux outils de traitement. Selon les auteurs, l'agent peut repérer les coupes, préparer les images clés, lancer le traitement de segments isolés, vérifier le résultat et assembler la vidéo avec la piste audio. Le schéma de connexion figure dans le guide MCP.

Pour un produit, c'est plus intéressant qu'un simple bouton « remplacer le visage » : on peut construire une file de tâches et relier la préparation des contenus au rendu. Mais la présence du MCP ne dit rien de la fiabilité du processus complet sans intervention humaine. Cela doit se mesurer sur vos propres vidéos.

Je commencerais par un seul plan court où le visage, les mains et l'objet modifié sont bien visibles. Puis je testerais une rotation de la tête, l'occlusion d'un objet et une transition entre scènes. Cet ensemble révélera plus vite les limites de l'outil qu'une tentative de refaire d'emblée une publicité d'une minute. Il faut aussi comptabiliser à part les générations répétées : ce sont elles qui peuvent annuler l'économie attendue.

Combien coûte le « local »

Pour les cartes de 12 à 24 Go de VRAM, des variantes quantifiées et des scénarios ComfyUI manuels sont prévus. Un agent autonome sur une seule RTX 5090 de 32 Go exige une autre configuration ; les développeurs indiquent environ 60 Go de mémoire vive. D'après leur mesure, une fenêtre de 345 images en 1280×736 est traitée en 28 minutes environ. Il s'agit d'un repère fourni par les auteurs, et non d'un test indépendant. Les détails figurent dans les instructions ComfyUI.

Par conséquent, pour un éditeur interactif, il faudra d'abord vérifier si l'attente est acceptable. Pour une préparation par lots de variantes pendant la nuit, les exigences de vitesse peuvent être plus souples. Le développeur gagnera à définir à l'avance ce qu'est un résultat réussi : héros reconnaissable, produit préservé, absence de défauts visibles et volume de retouches manuelles.

Avant une intégration dans un produit commercial, il faut aussi distinguer les licences : le code est publié sous Apache 2.0, tandis que les poids sont régis par la MiniMax H3 Community License. Une installation locale ne signifie pas à elle seule un usage illimité. Les conditions sont précisées dans la section sur la licence.

La valeur pratique de Remake est de permettre de bâtir et de mesurer son propre processus d'édition vidéo. La prochaine étape raisonnable pour une équipe est un petit pilote tenant compte du temps, des nouvelles tentatives et des corrections manuelles. Ces chiffres montreront où l'outil réduit réellement la production.