Viggle Remake edita vídeos localmente: ComfyUI precisa de 12–24 GB de VRAM

Um comercial está pronto, mas o cliente pede outro personagem e um cenário de inverno. Normalmente, isso significa refilmar ou trabalhar em cada plano separadamente. O Viggle Remake propõe editar o vídeo original: definir a alteração desejada, preparar imagens de referência e obter uma nova versão da cena. Para uma equipe que desenvolve ferramentas de produção de vídeo, é uma oportunidade de testar o processamento local com seu próprio material.

A Viggle publicou os pesos, o código de execução e a integração com o ComfyUI. No entanto, a promessa de que ele “roda em uma GPU doméstica” exige uma explicação: um fluxo manual em uma placa com 12–24 GB de memória de vídeo e o processamento autônomo por um agente exigem configurações diferentes. Essa distinção está explícita na documentação do projeto.

O que muda exatamente no vídeo

O Remake tem como base o MiniMax-H3 com dois módulos LoRA especializados. O modo swap substitui personagens; o edit altera objetos, ambiente, clima e iluminação. As entradas são o vídeo original, uma instrução e de uma a quatro imagens preparadas. Elas definem a aparência do resultado e podem ser vinculadas a quadros específicos.

Imagine uma loja de roupas que precisa de variações de uma mesma tomada publicitária de um modelo caminhando. A equipe prepara imagens com uma nova jaqueta e verifica como a alteração se mantém durante o movimento. A pergunta prática é simples: quantos quadros precisarão de correção após a geração, e isso sai mais barato do que refilmar? Um exemplo bonito no repositório, por si só, não responde.

Os desenvolvedores descrevem a preservação dos movimentos, dos movimentos de câmera e do áudio original, mas também listam falhas: artefatos em detalhes pequenos, problemas com personagens não humanos em planos longos e deslocamentos temporais entre cenas em determinadas configurações. Ainda é cedo para prometer a substituição perfeita de qualquer ator com base nesses materiais. As limitações estão publicadas no cartão do modelo.

O que fica a cargo do agente

O projeto inclui um servidor MCP, uma interface pela qual o agente acessa as ferramentas de processamento. Segundo os autores, o agente pode detectar cortes, preparar quadros-chave, processar trechos individuais, verificar o resultado e montar o vídeo com a faixa de áudio. As instruções de conexão estão no guia de MCP.

Para um produto, isso é mais interessante do que um botão isolado de “trocar rosto”: abre a possibilidade de criar uma fila de tarefas e conectar a preparação dos materiais à renderização. Mas a presença do MCP ainda não demonstra com que confiabilidade todo o processo funciona sem intervenção humana. Isso precisa ser medido com os próprios vídeos.

Eu começaria com um único plano curto em que o rosto, as mãos e o objeto a ser alterado estejam bem visíveis. Depois testaria um giro de cabeça, a oclusão do objeto e uma transição entre cenas. Esse conjunto de testes revelará os limites da ferramenta mais rapidamente do que tentar refazer de imediato um comercial de um minuto. Também vale contabilizar separadamente as novas tentativas de geração: elas podem consumir a economia esperada.

Quanto custa rodar localmente

Há versões quantizadas e fluxos manuais do ComfyUI para placas com 12–24 GB de VRAM. O agente autônomo em uma única RTX 5090 com 32 GB exige outra configuração; os desenvolvedores indicam cerca de 60 GB de memória RAM do sistema. Na medição deles, uma janela de 345 quadros com resolução de 1280×736 leva aproximadamente 28 minutos para ser processada. É uma referência dos autores, não um teste independente. Os detalhes estão nas instruções do ComfyUI.

Portanto, para um editor interativo, primeiro será necessário verificar se o tempo de espera é aceitável. Para gerar variações em lote durante a noite, a exigência de velocidade pode ser menor. É útil que o desenvolvedor defina antecipadamente o que considera um resultado bem-sucedido: se o personagem continua reconhecível, se o produto é preservado, se não há defeitos perceptíveis e quanto retoque manual será necessário.

Antes de integrar a ferramenta a um produto comercial, também é preciso distinguir as licenças: o código foi publicado sob Apache 2.0, enquanto os pesos são regidos pela MiniMax H3 Community License. A instalação local, por si só, não significa uso irrestrito. As condições estão na seção de licenciamento.

O valor prático do Remake está na possibilidade de montar e medir seu próprio processo de edição de vídeo. O próximo passo razoável para uma equipe é um pequeno piloto que contabilize o tempo, as novas tentativas e as correções manuais. Esses números mostrarão onde a ferramenta realmente reduz o tempo de produção.