【SCAIL-2】RoPE拡張は何を変えたのか？「動作だけ」だった転写が"外観＋背景"まで届くようになった

山歩きの途中、突然のスコールでずぶ濡れに──その「濡れていく変化」まで、 AIは別のキャラに転写できるのか？ キャラクターアニメーション生成モデルSCAILが、2026年6月9日にSCAIL-2へ 進化しました（Zhipu AI / Z.ai、ライセンスはMIT・Apache 2.0）。 初代はポーズ動画をいったん「立体的な棒人間」に変換し、動作だけを 転写していました。SCAIL-2は棒人間を廃止し、RoPEを拡張して 「参照画像・ポーズ動画・生成物」をそれぞれ別の“住所”で扱うことで、 ストリーム間の情報の混線を防ぎます。 この一手で何が変わったのか。動作だけだった転写が、外観の時間的変化 （濡れる・泥だらけになる・上着を脱ぐ）や、背景の置換まで届くように なりました。今回のComfyUI検証では、マスク／物体追跡にMetaのSAM 3.1を 使用しました。群れの中の1個体だけを別のものに差し替えることもできます。 一方で、棒人間という“強制アンカー”を失った代償もあります。宙返りの ような難しい動作は、放っておくと「手を振る・首を振る」といったより簡単な 動作へ滑り落ちてしまう。これを強い英語動詞と詳細なプロンプトでどう 取り戻すか──アメリカンカップで10点満点を取ったコマネチさんの床演技を、 ナルちゃんに転写しながら検証します。 すべてComfyUIのローカル環境（RTX 4060 Ti 16GB）で動かしています。 GGUFへの換装、Replaceモードの切り替えまで、実際の手順を追います。 ▼この動画でわかること ・SCAIL-1とSCAIL-2の決定的な違い（棒人間あり／なし） ・RoPE拡張＝「住所で情報を仕切る」とはどういうことか ・外観の時間的変化を転写する条件（プロンプトの書き方） ・SAM 3.1による群れの中の1個体置換と、その限界 ・苦手になった「宙返り」を取り戻すプロンプト設計 ────────── On a mountain hike, a sudden squall leaves you soaked — can an AI transfer that process of getting wet onto a different character? The character-animation model SCAIL evolved into SCAIL-2 on June 9, 2026 (Zhipu AI / Z.ai; licensed MIT / Apache 2.0, depending on the source). The first version converted the driving video into a 3D "stick figure" and transferred motion only. SCAIL-2 drops the stick figure and extends RoPE so the reference image, pose video, and output each get their own "address," preventing information from bleeding between streams. The result: transfer no longer stops at motion. Temporal appearance changes (getting wet, muddy, taking off a jacket) and background replacement now come through too. In this ComfyUI test, mask tracking is handled by Meta's SAM 3.1, which lets you swap a single individual out of a group. The trade-off: without the stick figure as a forced anchor, hard motions like somersaults tend to slide toward easier ones (waving a hand, shaking the head). We test how strong English verbs and detailed prompts win that back — by transferring Nadia Comaneci's perfect-10 floor routine from the 1976 American Cup onto Naru-chan. Everything runs locally in ComfyUI (RTX 4060 Ti 16GB). ▼ What you'll learn ・The decisive difference between SCAIL-1 and SCAIL-2 (stick figure or not) ・What "extended RoPE = separating information by address" actually means ・The conditions for transferring temporal appearance changes (how to prompt) ・Swapping one individual out of a group with SAM 3.1, and its limits ・Prompt design that wins back the somersaults SCAIL-2 struggles with ▼ タイムスタンプ : Time stamp 00:00 オープニング ─ スコールをSCAILで再現する 00:16 SCAILとは／初代の仕組み（棒人間への変換） 00:44 初代SCAILでスコールを転写 ─ 動作だけで濡れない理由 01:28 SCAIL-2公開（2026/6/9）／棒人間の廃止 01:57 導入方法（Comfy-Org収録・モデル容量・GGUF） 02:25 ワークフロー解説・GGUF換装・Replaceモード 03:28 Replace=Trueデモ（背景置換と濡れの表現） 04:15 Replaceなしでも時間変化は出る／SCAIL-1と比較 05:02 「結果」の転写 ─ 上着を脱ぐ動作 05:57 RoPEはどう変わったか（住所・付箋で情報を仕切る） 06:38 SAM 3.1とマスク置換／SAMの進化（1→3.1） 07:25 SAM 3.1単独のT2V置換（カニ→タランチュラ） 07:48 T2VとR2Vの違い 08:17 群れの中の1個体だけ置換（猫→ハシビロコウ） 08:44 小さい群れでの限界と失敗例 09:31 ここまでのまとめ 09:46 無理が効かなくなった点 ─ コマネチさんの宙返り 10:45 強い英語動詞＋詳細プロンプトで取り戻す 11:13 3つの見せ場の再現 11:56 ナルとの対話／プロンプト追従性のまとめ 12:17 エンディング ▼ 参照 : Reference ■ SCAIL-2（本編の主役） ・公式実装(GitHub) https://github.com/zai-org/SCAIL-2 ・公式モデル(HF) https://huggingface.co/zai-org/SCAIL-2 ・ComfyUI用モデル(HF) https://huggingface.co/Comfy-Org/SCAIL-2 ・論文(arXiv) https://arxiv.org/abs/2606.10804 ・駆動動画の前処理 https://github.com/zai-org/SCAIL-Pose ・初代SCAIL https://github.com/zai-org/SCAIL ・ベース: Wan 2.1(Alibaba, Apache 2.0) https://github.com/Wan-Video/Wan2.1 ■ SAM 3.1（マスク／物体認識・Meta） ・GitHub https://github.com/facebookresearch/sam3 ・HF(ゲート有り) https://huggingface.co/facebook/sam3 ・ライセンス https://github.com/facebookresearch/s... ・チェックポイント sam3.1_multiplex_fp16.safetensors ■ 使用したComfyUI workflow : ComfyUI workflows used https://github.com/RogoAI-Takeji/2601... ・sam3.1_t2v_test.json SAM 3.1で対象を検出・追跡し、そのマスクでLTX 2.3により別物へ置換する検証用。 群れの中の1個体だけを追跡・置換するテストに使用。 ・my_video_wan21_scail2_auto_long_metabatch_preview_range_lightx2v_4step.json SCAIL-2で長尺動画を扱うworkflow。MetaBatchでチャンク処理し、preview rangeで 部分確認しながら、LightX2V 4-stepで高速生成。 ※モデル本体・入力動画・参照画像は非収録。各モデル/custom nodeは配布元と ライセンスをご確認ください。 ■ 解説の参考 : Reference notes ・nomadoor SCAIL-2解説 https://comfyui.nomadoor.net/en/basic... ■ 参照映像 : Source video ・Nadia Comaneci - Floor Exercise - 1976 American Cup (10.00)    • Nadia Comaneci - Floor Exercise - 1976 Ame...   USA Gymnastics（@usagymnastics） RogoAI 老後 AI チャンネル 🌱 老後AI（RogoAI）について アラセブンティーの私が、見よう見まねで最新AIを試していく記録チャンネルです。 チャンネル登録・高評価で応援していただけると嬉しいです。 ▶    / @seniorai-japan   🌱 About RogoAI An around-seventy creator fumbling through the latest AI tools, recording what happens — local-first, pension-friendly experiments. A subscribe and like help keep it going. 📌 管理用: 【画像&動画生成_023】260627公開