Prima le immagini ferme, poi il tempo.
Reference e keyframe
Il teschio, la sala («Dirock», una sala gotica esagonale in rovina, luce di luna da un muro crollato) e le quattro figure di ferro chiodato (Chiodo, Toppe, Cappuccio, Canotta) nascono come immagini fisse, poi diventano fogli di posa. Ogni fotogramma che una scena doveva avere esattamente come apertura o chiusura è stato costruito o corretto a mano dentro ComfyUI, un'istruzione per passaggio: il modello continua ciò che vede, e se il primo fotogramma contraddice il prompt, vince il fotogramma.
Il loop
Un solo grafo ComfyUI con un loop vero. Ogni scena è un oggetto: il suo prompt, la durata, il seme, da dove parte e dove atterra, come si aggancia alla precedente. Un nodo raccoglie le nove scene in ordine, il corpo del loop le rende una alla volta, e in coda a ogni giro viene tagliata la coda che la scena successiva chiederà. Una scena si rifà da sola senza rigenerare la catena: l'atto V è spezzato in quattro proprio per questo, dieci minuti a segmento invece di quaranta.
L'agente al banco
Un agente AI, Claude Code con Fable 5, ha scritto i prompt scena per scena, scritto e corretto i nodi, e prima di ogni giudizio umano ha letto ogni clip con uno script: luminosità media e volume in finestre da mezzo secondo, più un foglio di otto fotogrammi. «La luce e il suono cadono sullo stesso istante» diventa un numero prima di diventare un parere.
Per una parte dell'atto V l'agente ha guidato ComfyUI direttamente attraverso il server Comfy MCP: verifica del grafo, lancio, recupero delle clip. Dove lo strumento non era affidabile (il tracciamento dei job) si è passati alla coda locale di ComfyUI. Detto per intero, perché è così che è andata.
In numeri
MiniMax-H3 in INT8, encoder testo in INT8, LoRA turbo a 8 passi, 21:9 anamorfico a circa 1184×512, tutto su una RTX 3090. I due modelli non stanno insieme in 24 GB: si scambiano a ogni scena. Montaggio finale con ffmpeg che taglia solo i fotogrammi davvero condivisi tra una clip e la successiva, verificati confrontando le immagini, non fidandosi del campo.
