دليل استفسارات MiniMax H3: قرأت جميع الاستفسارات الرسمية الـ45، ثم أحرقت كلب This Is Fine

أنت تعرف بالفعل كيفية كتابة أوامر لنموذج فيديو. "إضاءة سينمائية، تقريب بطيء، 4K." هذه المفردات كانت كافية لمدة عامين.

ثم تلصقها في MiniMax H3 وتستعيد مقطع 2K يصاحبه موسيقى تصويرية خاصة به. الصورة رائعة. الإيقاع فوضوي. حرفان في عنوانك مكتوبان بشكل خاطئ. الصوت هو بعض أجواء الغرفة التي اختارها النموذج لك.

النموذج ليس المشكلة. لقد أعطيته جملة. كان يريد جدولًا زمنيًا.

لذلك ذهبت وقرأت جميع الأمثلة الـ 45 للأوامر التي شحنتها MiniMax مع H3، بالإضافة إلى المقاطع النهائية التي جاءت معها، وفككت الإطارات. الأوامر الرسمية ليست أوصافًا. الأوامر الجيدة هي قوائم تصوير مع ورقة توجيه موسيقية مثبتة في الخلف. فيما يلي الهيكل، والمعايير المكشوفة حاليًا، وعرض توضيحي واحد يمكنك إعادة إنتاجه في حوالي عشرين دقيقة.

الخلاصات الرئيسية

• أوامر H3 هي جداول زمنية، وليست أوصافًا. أقوى الأمثلة الرسمية تقطع المقطع حرفيًا باستخدام علامات [0s-2s]، [2s-4s]، والفيلم النهائي يلتقط كل نبضة.
• الصوت والصورة يخرجان من نفس المسار، لذا يجب أن يعيش الصوت داخل جسم الأمر. الأوامر الرسمية تعطيه كتلة خاصة به، وصولاً إلى "إيقاع الجاز يبدأ عند 6 ثوانٍ."
• النص الذي تكتبه حرفيًا يعود نظيفًا. النص الذي لا تكتبه حرفيًا يعود كضوضاء على شكل حروف. لدي قصاصات إطارات من مقطع رسمي واحد تثبت كلا الجانبين في آن واحد.
• image-to-video يقبل end_image. أعطه إطارًا أوليًا وإطارًا نهائيًا وسيتم تثبيت القوس العاطفي قبل أن تنفق ثانية واحدة من المعالجة.
• طول الأمر ليس فضيلة. الأوامر الرسمية القصيرة تعمل عندما تقوم صورة مرجعية بعمل الوصف. الطول يتتبع مقدار المهمة التي رفضت إسنادها إلى مرجع.

كلب "هذا جيد"، لا يزال على اليسار ويحترق في 10 ثوانٍ من إخراج MiniMax H3 على اليمين

هذا هو نفس الرسم على كلا الجانبين. اليسار هو اللوحة الأصلية لـ KC Green، دون تغيير. اليمين هو استدعاء واحد لـ image-to-video: الإطار الأولي موجود، الإطار النهائي موجود، عشر ثوانٍ كخرج، وصوت النار المشتعلة والعبارة المسطحة "هذا جيد" هي المسار الصوتي الخاص بالنموذج. لم يلحنه أحد. كل شيء في هذا الدليل يهدف إلى إيصالك إلى ذلك النصف الثاني.

كيف يبدو أمر MiniMax H3 الحقيقي (قرأت جميع الأوامر الـ 45)

كل "دليل أوامر MiniMax H3" الموجود حاليًا في الصفحة الأولى من البحث هو ورقة مواصفات: 2K، 24 إطارًا في الثانية، من 5 إلى 15 ثانية، صوت أصلي. هذه هي بطاقة النموذج. إنها ليست أمرًا.

هذا أمر حقيقي. هذه قطعة من الأمر الرسمي وراء تسلسل عنوان فيلم النوار لـ MiniMax، مترجم من النص الصيني الأصلي، ويمثل حوالي ثلث طوله الكامل:

قم بإنشاء تسلسل عنوان فيلم جريمة تشويقي خفيف لمدة 15 ثانية بنسبة 16:9. الأسلوب العام يشير إلى اللغة البصرية لهذه الصور: بطاقات عنوان أنمي ياباني قديم، صورة ظلية حادة الحواف، كولاج كوميدي، شاشة مقسمة غير متماثلة، كتل ألوان هندسية قوية، عناوين ائتمان باللغة الإنجليزية، زخرفة كاتاكانا يابانية صغيرة، إحساس جريمة جازي. المزاج: 60% تشويق، 40% جاز: غامض، رائع، رشيق، جريمة حضرية، ليس رعبًا، ليس ثقيلًا، ولا تحوله إلى فيديو موسيقي جازي مبتهج.

[...] يجب أن تكون عناوين الائتمان باللغة الإنجليزية واضحة ومقروءة [...] لا تضيف الصينية، لا تنتج نصًا مشوهًا، لا تخطئ في تهجئة الإنجليزية. قاعدة للقطعة بأكملها: كل عنوان ائتمان إنجليزي ومسمى وظيفي يظهر مرة واحدة بالضبط. لا تكرر مسمى وظيفيًا، لا تكرر اسمًا، لا تعطي شخصًا واحدًا مسميات متعددة.

الانتقالات يجب أن تكون متنوعة: قناع أسطواني فينيل دائري، مسح باب السيارة الرأسي، ظل طويل لشخص يمسح الشاشة، قطع خط أحمر، قناع حرف إنجليزي عملاق، إعادة تكوين إطار الشاشة المقسمة، قطع كتلة لونية صلبة، لوحات ملصقة كتلة بكتلة. كل الانتقالات تهبط على ضربات الطبلة: حادة، تشويقية، رشيقة، كولاج كوميدي. لا انتقالات ناعمة، لا انتقالات سائلة.

الموسيقى التصويرية: موسيقى عنوان أصلية لمدة 15 ثانية، 60% تشويق، 40% جاز. مبنية من نغمة جهير مستمرة، أوتار بيزيكاتو متوترة، نبضات سينث باردة، طبلة ركلة، فرش جاز متفرقة، جزء جهير ماشٍ، عبارات ساكسفون باريتون قصيرة وطعنات نحاسية قصيرة. أول ثانيتين تؤسسان للتشويق بترددات منخفضة وصنج هاي هات، عند 3 ثوانٍ تدخل الطبلة المنخفضة، عند 6 ثوانٍ ينضم إيقاع الجاز الجهير، عند 10 ثوانٍ يظهر ريف ساكس/نحاس قصير، آخر ثانيتين تقفلها بوتر متوتر وضربة طبلة.

اقرأ أين ذهبت الكلمات. لم يذهب أي منها تقريبًا إلى "جميل" أو "سينمائي". لقد ذهبت إلى قائمة سلبية، وقائمة انتقالات، وورقة توجيه موسيقية ثانية بثانية. هذا هو شكل المهمة. تسلسل عنوان فيلم نوار رسمي لـ MiniMax H3: MIDNIGHT LINE، مع عناوين STARRING نظيفة

انظر إلى عناوين الائتمان في ذلك المقطع. MIDNIGHT LINE، STARRING، MAYA CROSS، REN KATO، LENA WARD، DIRECTED BY NOAH VOSS. مكتوبة بشكل صحيح، لا مسمى وظيفي مستخدم مرتين، زخرفة كاتاكانا جالسة حيث طلب منها الجلوس. الأمر لم يقل "اصنع عناوين جميلة." لقد قال لا تكرار، لا أخطاء إملائية، لا صينية، وسمى الأسلوب بخمس طرق مختلفة. خمس لوحات مرجعية للأسلوب تم تسليمها إلى MiniMax H3 إلى جانب أمر عنوان النوار

تلك اللوحات الخمس دخلت مع النص. خمس صور زائد ملخص طويل واحد، توليد واحد. هذا هو ما تبدو عليه هذه المهمة الآن.

والسبب في أن العديد من الأوامر الـ 45 قصيرة موجود هناك في الصورة. عبر المجموعة بأكملها، متوسط الأمر حوالي 130 حرفًا صينيًا، لكن الأطولين يصلان إلى 657 و 858. القصيرة قصيرة لأن لوحة مرجعية تحمل الوصف. الطويلة طويلة لأنه لا شيء آخر كان سينجح.

لماذا تأتي معظم أوامر MiniMax H3 مسطحة، وإصلاح النص المشوه

ثلاثة أشياء تسوء، وكلها غياب وليس أخطاء.

لا جدول زمني. طلبت عشر ثوانٍ ووصفت لحظة واحدة، لذا تحصل على تقريب بطيء واحد ممتد على عشر ثوانٍ. لم يكن لدى النموذج ما يفعله في الثانية السابعة.

لا كتلة صوتية. يتم إنشاء الصوت في نفس مسار الصورة. إذا لم تقل شيئًا، لا يزال النموذج يرسل لك مسارًا. إنه يختار واحدًا فقط.

لا قائمة سلبية. إذا تُرك النموذج بمفرده، فإنه يلجأ إلى انتقالات ناعمة، ويخترع نصًا إضافيًا على الشاشة، ويضيف شريط ترجمة لم يطلبه أحد.

أوضح دليل هو أمر واجهة اللعبة الرسمي، الذي تم بناؤه من ست نبضات زمنية: [0s-2s] قائمة، [2s-4s] لوحة الذراع الأيمن، [4s-7s] شبكة التسلح، [7s-8.5s] تأكيد، [8.5s-10s] شريط تحميل، [10s-15s] يتم تحميل العالم. المقطع النهائي يلتقط الستة، بالترتيب، في الوقت المحدد. مقطع واجهة لعبة MiniMax H3: قائمة، لوحة معدات، شريط تحميل، تحميل عالم

الآن النصف الصادق، من نفس المقطع، بدقة كاملة 2560x1440. اليسار: النص الذي تم كتابته حرفيًا في الأمر يُعرض بشكل نظيف. اليمين: النص الذي لم يُكتب حرفيًا يُعرض كضوضاء على شكل حروف

على اليسار، كل سلسلة نصية كتبها الأمر حرفيًا: RIGHT ARM EQUIPMENT، PHANTOM GRIP، CHRONOS CLAW. واضح، صحيح، متباعد مثل قائمة لعبة حقيقية.

على اليمين، شاشة HUD في اللقطة النهائية للشارع، والتي لم يطلق عليها الأمر سوى "عناصر HUD". تقرأ ETR METNO CITFEP. فوق أيقونات المعدات، حيث لم يقل الأمر شيئًا، تحصل على MNALEαIN IAMG. هذا ليس خطأ في العرض. النموذج يرسم ملمس الإنجليزية لأنه لم يُعط السلسلة النصية أبدًا.

لذا الإصلاح ليس إعدادًا. إنها عادة:

إذا كانت الكلمة تحتاج إلى أن تكون مقروءة، اكتب الكلمة. ثم أضف سطرًا سلبيًا: لا تخطئ في التهجئة، لا تضف نصوصًا أخرى، لا تضف ترجمات.

وهذا هو الشكل ذو الستة كتل الذي يتحول إليه كل أمر رسمي قوي.

الكتلتان 5 و 6 مجانيتان. لا تكلفان شيئًا إضافيًا للتوليد وهما حيث تعيش معظم الجودة.

سير عمل أمر MiniMax H3: أي نقطة نهاية ينتمي إليها أمرك

نفس المفتاح، نفس شكل الإرسال والاستقصاء، ثلاثة أبواب. أي واحد تختاره يقرر ما لا يزال على أمرك فعله.

refers[] هو الشيء غير الموثق جيدًا حاليًا في البرية، فإليك الشكل الذي يريده:

jsonCopy
1"refers": [
2  { "url": "https://.../subject.png", "type": "image" },
3  { "url": "https://.../style-board.png" },
4  { "url": "https://.../motion-ref.mp4", "type": "video" },
5  { "url": "https://.../beat.mp3",       "type": "audio" }
6]
7

أربع قواعد ستوفر لك كل منها توليدًا مهدرًا:

1. لا يمكن للصوت أن يركب بمفرده. يجب أن تكون صورة واحدة على الأقل أو فيديو في المصفوفة. مسار إيقاعي بمفرده مرفوض.
2. type اختياري. يتم استنتاجه من الرابط، ولكن اذكره على أي حال عندما يكون الامتداد غامضًا.
3. السقوف حقيقية. ما يصل إلى 9 صور، و3 فيديوهات و3 مقاطع صوتية، 12 ملفًا إجمالاً، مع فيديو مرجعي وصوتي من 2 إلى 15 ثانية لكل منهما (وثائق MiniMax API، يوليو 2026).
4. أعط كل مرجع وظيفة داخل نص الأمر. هذه هي العادة الأعلى تأثيرًا في هذه القائمة. الأوامر الرسمية تفتتح بأسطر مثل "الصورة 1 هي مرجع المزاج والأسلوب العام، الصورة 2 هي مرجع الشخصية الرئيسية." بدون هذه الجملة، على النموذج أن يخمن أي لوحة تعني ماذا. فيديو موسيقي بوب داكن من MiniMax H3: CUT BACK، ONE LOOK، DETONATE book لوحتا مرجع الطباعة خلف المقطع البوب داكن

ذلك المقطع هو الحجة للقاعدة 4. أمره لا يصف أبدًا حرفًا واحدًا. يقول "أسلوب تغليف النص وملمسه يشير إلى الصور"، ويسلم لوحتين. التخطيط وصل لأنه تم عرضه، ليس وصفه.

جدول آخر، لأن بطاقة النموذج و API لا يقولان نفس الشيء حاليًا، والفجوة هي حيث يخسر الناس فترة ما بعد الظهر.

كل ما سبق تم تشغيله على Atlas Cloud، حيث توجد نقاط النهاية الثلاث لـ H3 خلف مفتاح واحد وحلقة إرسال واستقصاء واحدة، لذا فإن التبديل بينها هو تغيير سلسلة النموذج ولا شيء آخر.

دليل أمر MiniMax H3: أشعل النار في كلب "هذا جيد"، مع الصوت

هذا هو كل شيء من البداية إلى النهاية. النكتة تعمل لأن الكلب لا يفعل شيئًا. مد ذلك الرفض إلى عشر ثوانٍ من الوقت الحقيقي، أضف نارًا حقيقية، ودع الثانيتين الأخيرتين تذهبان حيث ذهب الكوميك الأصلي، وسيصبح أكثر تسلية وأسوأ قليلاً بالنسبة لك. معظم الناس لم يروا سوى اللوحتين الأولين.

الخطوة 1: قم بتنزيل الكوميك الأصلي. لا تدع الذكاء الاصطناعي يعيد رسمه.

الشريط هو ست لوحات، عمودين في ثلاثة صفوف، 600 × 887. نريد فقط اللوحة 2 واللوحة 6.

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 لوحات، عمودين × 3 صفوف
3
4# قص اللوحة 2 (لوحة "THIS IS FINE."):  x 302-584, y 20-293
5# قص اللوحة 6 (الكلب الذائب):            x 302-584, y 595-868
6# تكبير كل منها 4x باستخدام Lanczos  ->  1128x1092
7

قلها بوضوح: لا تطلب من نموذج صور أن يرسم "كلبًا يشبه هذا جيد". إعادة إنشاء بالذكاء الاصطناعي تُكتشف على أنها مزيفة في نصف ثانية وتموت النكتة في الحال. غسل الألوان المائية، والكتابة اليدوية المتذبذبة، وحبيبات الورق هي العقد بأكمله. التكبير 4x باستخدام Lanczos موجود فقط لأن 282 بكسل من المصدر ضعيفة؛ إنه يعطي النموذج بكسلات حقيقية ليمسك بها دون اختراع أي شيء. اللوحة 2 واللوحة 6 من الكوميك الأصلي، معلمة كمدخلات الإطار الأول والصورة النهائية

الخطوة 2: قم بتشغيله على image-to-video مع end_image.

النموذج: minimax/h3/image-to-video. الإعدادات: resolution 2K، image = اللوحة 2، end_image = اللوحة 6، ratio 1:1 لمطابقة المصدر المربع تقريبًا. اضبط duration على 10؛ المنزلق يجلس على 8 افتراضيًا، لذا اسحبه.

textCopy
1لوحة كوميك ويب مرسومة يدويًا ثنائية الأبعاد، تم إحياؤها. حافظ على ملمس الألوان
2المائية الأصلي، حدود الحبر المرئية، حبيبات الورق غير المسجلة ولوحة الألوان
3المسطحة للكوميك في كل إطار. لا تنعم، لا تعيد العرض في 3D، لا تنظف
4خطوط الرسم، لا تضف أشياء جديدة، لا تضف نصوصًا جديدة.
5
6[0s-3s] لا شيء يتحرك تقريبًا. الكلب يجلس بثبات تام، ممسكًا بالكوب،
7عيناه مثبتتان للأمام. فقط اللهب خلفه يتحرك: لعقات برتقالية بطيئة تتسلق
8الجدار، جمرة واحدة تطفو للأعلى. فقاعة الكلام التي تقرأ "THIS IS FINE."
9تبقى بالضبط حيث هي، مقروءة بالكامل، دون تغيير، مكتوبة بخط اليد.
10
11[3s-6s] الكلب يرفع الكوب ويأخذ رشفة صغيرة هادئة. فقاعة الكلام
12تتلاشى بعد الرشفة. يشتعل النار. الجدار خلفه يبدأ في الالتواء
13بسبب الحرارة. قبعته تبدأ في الاشتعال عند الحافة.
14
15[6s-8.5s] الحرارة تصل إليه. أذناه تتدليان، تخف حدوده وتبدأ في
16الجريان للأسفل مثل الطلاء الرطب. لا يزال لا يحرك عينيه. الكوب يبقى في
17مخلبه.
18
19[8.5s-10s] ذوبان كامل. الوجه يتشوه، عين واحدة تنزلق، أسنان مكشوفة في ابتسامة
20ثابتة، الفراء يجري باللونين الأحمر والبرتقالي. يحافظ على الوضعية. توقف
21على الإطار النهائي لنصف الثانية الأخير.
22
23الكاميرا: مثبتة، لقطة واسعة ثابتة واحدة، لا تقريب، لا محمول، لا قصات.
24الإطار لا يتحرك أبدًا. هذه لقطة مستمرة واحدة داخل لوحة كوميك واحدة.
25
26الصوت: أجواء غرفة نار داخلية طوال الوقت - طقطقة منخفضة، فرقعة عرضية
27للخشب المحترق، صرير هيكلي خافت. عند 3 ثوانٍ، كوب سيراميك يلامس الأسنان و
28بلعة صغيرة. صوت ذكر هادئ، مسطح، غير منزعج يقول بالضبط: "This is fine."
29- بنبرة خالية من المشاعر، مريحة قليلاً. من 6 ثوانٍ، يزداد الطقطقة بصوت أعلى
30وتتكثف أجواء الغرفة؛ آخر ثانيتين تضيفان تموجًا منخفض الصوت. لا موسيقى،
31لا ضحك مسجل، لا مؤثرات صوتية ليست في هذه القائمة.
32
33لا تضف ترجمات. لا تضف علامة مائية. لا تهجئ أي كلمة غير
34الكلمات الموجودة بالفعل في الصورة. لا تغير "THIS IS FINE." لا تقطع بعيدًا.
35

هذا الأمر هو جدول الهيكل، حيًا. الفقرة الأولى هي عقد الأسلوب. الشرائح الأربعة بين قوسين هي الجدول الزمني. ثم الكاميرا، ثم الصوت، ثم القائمة السلبية. لا شيء فيه زخرفي. MiniMax H3 image-to-video على Atlas Cloud: الإطار الأول والصورة النهائية محملة، 10 ثوانٍ بدقة 2K، المقطع النهائي في لوحة الإخراج

الخطوة 3: اقرأ الإخراج كفحص جودة.

أربعة فحوصات، كل واحد يختبر كتلة مختلفة من الأمر.

1. هل THIS IS FINE. في الفقاعة لا يزال مقروءًا ومكتوبًا بشكل صحيح؟ هذا يختبر الكتلة 5.
2. هل بقيت خطوط الرسم، أم أن شيئًا ما "حسّنها" إلى 3D نظيف؟ هذا يختبر الكتلة 1.
3. هل يحتوي الصوت فقط على الأصوات التي أدرجتها؟ افحص الحاوية: يجب أن تعود h264 بالإضافة إلى AAC استريو.
4. هل يهبط الإطار النهائي على وضعية اللوحة 6؟ هذا يختبر end_image.

bashCopy
1ffprobe -v error -show_entries stream=codec_type,codec_name,width,height,r_frame_rate,channels,sample_rate \
2        -of default=noprint_wrappers=1 output.mp4
3

خرج مقطع عند 1472x1440، 24fps، h264 بالإضافة إلى AAC استريو، 10.13 ثانية. جدير بالملاحظة: طلبت ratio: 1:1 وحصلت على 1472x1440، لذا في image-to-video، شكل الإطار المصدر هو الفائز. طابق لوحتيك مع الشكل الذي تريده بالفعل. أربعة إطارات من المقطع النهائي عند 0s، 3s، 6.5s و 10s، مطابقة لأربع شرائح زمنية في الأمر

الخطوة 4: انقل الكلب إلى مكان جديد باستخدام reference-to-video.

نفس الشخصية، غرفة جديدة. النموذج: minimax/h3/reference-to-video. الإعدادات: refers[] = اللوحة 2 كـ image، duration 8، resolution 2K، ratio 16:9.

textCopy
1الصورة 1 هي مرجع الشخصية والأسلوب الفني: احتفظ بهذا المظهر المرسوم يدويًا
2بالضبط لكوميك الويب ثنائي الأبعاد، نفس ملمس الألوان المائية، نفس وزن حدود الحبر، نفس
3الكلب، نفس القبعة الصغيرة، نفس الكوب. لا تعيد رسمه في 3D، لا
4تغير نسبه، لا تنظف خطوط الرسم.
5
6ضعه في غرفة مختلفة واحتفظ برباطة جأشه. مكتب مفتوح مزدحم في
7الليل، مصابيح فلورسنت تومض، جدار من الشاشات جميعها تظهر حالة خطأ حمراء،
8ورق طابعة ينجرف للأسفل عبر الإطار، حريق كهربائي صغير في
9الزاوية. يجلس على كرسي مكتب في وسط الإطار، الكوب في مخلبه،
10ينظر مباشرة إلى الكاميرا، مسترخٍ تمامًا.
11
12الكاميرا: مثبتة، لقطة واسعة ثابتة. لا تقريب، لا قصات.
13
14الصوت: طنين فلورسنت، طحن طابعة، صفير إنذار ناعم متكرر كل
15ثانيتين، طقطقة كهربائية بعيدة، رشفة هادئة واحدة عند 4s. لا موسيقى. لا صوت.
16
17لا تضف أي نص على الشاشة. لا تضف ترجمات. لا تضف شخصيات أخرى.
18

القاعدة القابلة للنقل: refers[] يحمل الهوية والأسلوب، النص يحمل المشهد. هذا الانقسام هو الحيلة الكاملة لاتساق الشخصية، وهو السبب في وجود السطر الأول من الأمر. نفس كلب الكوميك الويب تم نقله إلى مكتب مفتوح يحترق ليلاً، تم إنشاؤه بواسطة MiniMax H3 reference-to-video

نفس القبعة، نفس الكوب، نفس وزن الحبر، غرفة جديدة. صورة مرجعية واحدة فعلت كل ذلك.

ثلاثة أنماط إضافية لأوامر MiniMax H3 تستحق السرقة

النمط 1: الملصق المتحرك، حيث يجب ألا يتحرك التخطيط. ملصق متحرك MiniMax H3: تخطيط POPUP! يتحرك بينما يظل الإطار والطباعة ثابتين الملصق الثابت الأصلي الذي تم تسليمه إلى MiniMax H3

الأمر بأكمله سطران: احتفظ بالإطار الأبيض للمعرض، والإطار الداخلي، ولوحة الألوان الأحمر-الأبيض-الأسود، والشعور بالشخصية ثلاثية الأبعاد وهيكل التخطيط دون تغيير، وضع تأثيرًا صوتيًا رشيقًا تحت دخول النص. القاعدة: سمِّ الأجزاء التي يجب أن تبقى. "حافظ على التخطيط" ليس ملاحظة أسلوبية، إنه قيد، والنموذج يعامله كذلك.

النمط 2: عرض الواجهة، حيث الأفعال تغلب الصفات. عرض صفحة هبوط MiniMax H3: تمرير، تحويم، عكس الألوان على صفحة منتج صورة المنتج المرجعية الفردية خلف مقطع صفحة الهبوط

ذلك الأمر يطلب تمرير صفحة للأسفل، حالة تحويم، تكبير قوي، وعكس لوني. أربعة أفعال. لم يقل أبدًا "حديث" أو "أنيق". التفاعلات هي أفعال، لذا اكتبها كأفعال. الخط المائل الكبير وخلفية نسج الكربون جاءا من الصفات؛ الشيء الذي يجعله يقرأ كصفحة حقيقية جاء من الأفعال.

النمط 3: حركة حية بالإضافة إلى مرسوم يدويًا، متماسك بالرفض. مقطع MiniMax H3 يدمج لقطات مطبخ حية مع مخلوقات متوهجة مرسومة يدويًا

هذا هو مطبخ مسائي تم تصويره بهاتف مع مخلوقات صغيرة متوهجة مرسومة يدويًا فيه، والسبب في بقائه ساحرًا بدلاً من أن يتحول إلى فيلم رعب قصير هو قائمة من المحظورات: لا عيون عملاقة، لا أفواه مشقوقة، لا أنياب، لا وضعية تهديد، لا انقضاض، لا قطع مفاجئ إلى الأسود، لا قفزات مرعبة. القائمة السلبية هي التحكم الأساسي في الأسلوب، وليس رقعة. كما أنها المكان الذي ترمز فيه الذوق. أربع إطارات من المقطع الدعائي الرسمي للخيال العلمي: THE STARS WERE LISTENING لوحة المزاج ومرجع الشخصية خلف المقطع الدعائي

المقطع الدعائي أعلاه يغلق الحلقة حول كلا الفكرتين. الأمر يكتب عنوانًا واحدًا، THE STARS WERE LISTENING، بالتفصيل: ضيق جدًا، ثقيل، جميع الأحرف كبيرة، أحمر داكن ممزوج بالصدأ، حبيبات خفيفة وحواف ضبابية. هذا يعود بالضبط كما طلب. لوحتان مرجعيتان تتعاملان مع المزاج والشخصية الرئيسية، لذا لا يضطر النص أبدًا إلى وصف وجه. تقسيم العمل، على طول الطريق.

كم تكلفة تشغيل أوامر MiniMax H3 هذه

يتم فوترة H3 لكل ثانية من الفيديو المولد، حسب الدقة، لذا نموذج التكلفة ممل بشكل منعش: لقطة مدتها 15 ثانية تكلف حوالي ثلاث محاولات مدتها 5 ثوانٍ. كل شيء آخر يتبع ذلك.

• كرر عند 5 ثوانٍ، سلم عند 10 أو 15. التكوين واللوحة وتصميم الصوت كلها تتحدد عند 5. لا شيء في لقطة ثابتة يحتاج إلى المدة الكاملة ليخبرك أنها خاطئة.
• end_image هي أداة تكلفة، وليست مجرد أداة إبداعية. معظم إعادة التشغيل تحدث لأن النهاية انحرفت. تثبيت الإطار الأخير يزيل هذا الوضع الفاشل قبل أن تدفع ثمنه.
• القوائم السلبية والنص المكتوب حرفيًا مجانيان. إنها تضيف أحرفًا إلى أمر يتم فوترته بالثانية، وليس بالرمز المميز. استخدمها بكثافة.
• طابق duration مع نقطة النهاية قبل أن تكتب. بناء قائمة لقطات مدتها 15 ثانية ثم اكتشاف أن نقطة النهاية الخاصة بك تقطع عند 10 يكلفك إعادة كتابة، وليس مجرد إعادة تشغيل.

شيء واحد لا تخطط له بعد: جداول الأسعار تذكر مستوى 768p أرخص، ولكن حتى كتابة هذه السطور، مهمة 768p يتم رفضها تمامًا و 2K هي الدقة الوحيدة التي تعمل. ضع في الميزانية كما لو أن كل ثانية هي ثانية 2K. الأسعار الحالية لكل ثانية موجودة على صفحة النموذج، وهي أيضًا حيث سيظهر مستوى 768p بمجرد فتحه.

أوامر MiniMax H3، الميمات وحقوق النشر

الكلب ليس في المجال العام. "هذا جيد" يأتي من كوميك الويب Gunshow #648 لـ KC Green، المنشور في 9 يناير 2013، وفقط اللوحتان الأوليان انتشرتا على نطاق واسع (Know Your Meme، يناير 2013). تحدث Green علنًا، وبإرهاق واضح، عن مشاهدة الصورة تُعاد استخدامها إلى الأبد، بما في ذلك من قبل أشخاص لا يشاركونه سياساته (NPR، يناير 2023).

هذا الشرح هو تعليق وتعليم، وليس مكتبة مخزون. إذا كنت تريد شحن شيء تجاريًا، ارسم إطاراتك الخاصة أو رخص الإطارات التي تستخدمها. وقم بتشغيل فحص السياسة الخاص بك قبل مهمة العميل: H3 تطبق قواعد المحتوى على الأشخاص الحقيقيين المعروفين والملكية الفكرية المعروفة، واكتشاف ذلك في منتصف الموعد النهائي ليس ممتعًا.

الأسئلة الشائعة

هل يولد MiniMax H3 الصوت، أم أضيفه لاحقًا؟

نفس المسار. الصورة والصوت يخرجان معًا، وهذا هو السبب بالضبط في أنه يجب كتابة الصوت في جسم الأمر بدلاً من تثبيته لاحقًا. أعطه كتلة Audio: خاصة به واذكر متى يدخل كل صوت. كل مقطع من المقاطع التسعة الرسمية التي فحصتها عاد كـ AAC استريو بمعدل 32kHz إلى جانب دفق فيديو 2560x1440، 24fps.

ما المدة التي يمكن أن يكون عليها أمر MiniMax H3؟

حتى 7000 حرف، وفقًا لوثائق MiniMax. عمليًا، تتراوح الأمثلة الرسمية على نطاق واسع، بمتوسط حوالي 130 حرفًا صينيًا وأطول اثنين عند 657 و 858. الأوامر القصيرة تعمل بشكل جيد عندما تقوم صورة مرجعية بعمل الوصف. إذا لم يكن لديك مراجع، فتوقع كتابة قائمة لقطات.

لماذا يخرج النص مشوهًا في فيديوهات MiniMax H3 الخاصة بي؟

لأنك لم تكتبه. السلاسل النصية التي تظهر حرفيًا في الأمر تُعرض بشكل نظيف؛ أي شيء تلمح إليه بشكل عام ("عناصر HUD"، "بعض التسميات") يعود كملمس على شكل حروف. اكتب كل كلمة يجب أن تكون مقروءة، ثم أضف لا تخطئ في التهجئة، لا تضف نصوصًا أخرى، لا تضف ترجمات.

كم عدد الصور المرجعية ومقاطع الفيديو والمقاطع الصوتية التي يمكن أن يستخدمها أمر MiniMax H3 واحد؟

تسع صور، وثلاثة فيديوهات وثلاثة مقاطع صوتية، اثنا عشر ملفًا إجمالاً، مع فيديو مرجعي وصوتي بين 2 و 15 ثانية لكل منهما. لا يمكن أن يكون الصوت هو المرجع الوحيد. لاحظ أن قدرة النموذج وما تعرضه نقطة النهاية هما شيئان مختلفان، لذا تحقق من صفحة النموذج للحصول على قائمة الإدخال الحالية.

هل يمكن لأمر MiniMax H3 التحكم في كيفية انتهاء المقطع، وليس فقط كيف يبدأ؟

نعم، على image-to-video، عبر معامل end_image الاختياري. أعطه إطارًا أوليًا وإطارًا نهائيًا ويقوم المقطع بالاستيفاء بينهما. العرض التوضيحي أعلاه هو بالضبط ذلك: اللوحة الثانية من الكوميك داخلة، اللوحة السادسة خارجة. حافظ على النسبتين المتشابهتين للصورتين وإلا يصبح الانتقال قبيحًا.

ما المدد والدقة التي يمكنني الحصول عليها الآن؟

2K، و 2K فقط. مهمة 768p يتم رفضها حاليًا مع supported resolutions: 2K، على الرغم من ظهور 768p في جدول الأسعار. المدة تختلف حسب نقطة النهاية: text-to-video و image-to-video يقبلان 5 إلى 10 ثوانٍ مع افتراضي 8، بينما reference-to-video يقبل 5 إلى 15. فخ آخر: في التوليد النصي فقط، ترفض API adaptive وتتطلب ratio صريحة.