MiniMax H3 دليل المطالبات: درست 45 مطالبة رسمية لتوفر عليك عناء ذلك

استخدم MiniMax H3 كموجز إنتاج قصير، وليس كطلب صورة واحدة. الهيكل القابل لإعادة الاستخدام بسيط: اربط كل أصل مرجعي، واذكر الفكرة الأساسية، ثم اكتب المشهد كتسلسل سمعي بصري موقّت مع حركة الكاميرا، والحوار، والأجواء، والموسيقى، والقيود في كتل منفصلة.

هذا الدليل يحلل 45 مثالًا رسميًا من MiniMax H3 إلى صيغة طلب من ستة أجزاء، ويوضح أين ينتمي end_image، ويشرح كيف تغير الإشارات الصوتية الأصلية النتيجة، ويعطي حلًا عمليًا للنص المشوه في المقاطع المُنشأة.

أنت تعرف بالفعل كيف تطلب من نموذج فيديو. "إضاءة سينمائية، دفعة بطيئة للأمام، 4K." هذه المفردات حملتك لمدة عامين.

ثم تلصقها في MiniMax H3 وتستعيد مقطعًا بدقة 2K يصل ومعه موسيقاه التصويرية الخاصة. الصورة رائعة. الإيقاع فوضوي. حرفان في عنوانك مكتوبان بشكل خاطئ. الصوت هو بعض أجواء الغرفة التي اختارها النموذج لك.

النموذج ليس المشكلة. أنت أعطيته جملة. هو أراد جدولًا زمنيًا.

لذا ذهبت وقرأت جميع الأمثلة الـ 45 التي شحنتها MiniMax مع H3، بالإضافة إلى المقاطع النهائية التي جاءت معها، وفككت الإطارات. الطلبات الرسمية ليست أوصافًا. الطلبات الجيدة هي قوائم لقطات مع ورقة إشارات موسيقية مثبتة في الخلف. فيما يلي الهيكل، والمعايير المكشوفة فعليًا الآن، وعرض توضيحي واحد يمكنك إعادة إنتاجه في حوالي عشرين دقيقة.

الوجبات الرئيسية

• طلبات H3 هي جداول زمنية، وليست أوصافًا. أقوى الأمثلة الرسمية تقطع المقطع حرفيًا بعلامات [0s-2s] و [2s-4s]، والفيلم النهائي يصل إلى كل إيقاع.
• الصوت والصورة يخرجان من نفس المسار، لذا يجب أن يكون الصوت داخل جسم الطلب. الطلبات الرسمية تعطيه كتلة خاصة به، وصولًا إلى "إيقاع الجاز الجهير يدخل عند 6 ثوانٍ".
• النص الذي تكتبه يعود نظيفًا. النص الذي لا تكتبه يعود كضوضاء على شكل حروف. لدي قصاصات إطارات من مقطع رسمي واحد تثبت كلا النصفين في وقت واحد.
• image-to-video يقبل end_image. أعطه إطارًا أوليًا وإطارًا نهائيًا وسيتم تثبيت القوس العاطفي قبل أن تنفق ثانية من الحساب.
• طول الطلب ليس فضيلة. الطلبات الرسمية القصيرة تعمل عندما تكون الصورة المرجعية هي التي تصف. الطول يتتبع مقدار العمل الذي رفضت تسليمه لمرجع.

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

هذا هو نفس الرسم على كلا الجانبين. اليسار هو اللوحة الأصلية لـ KC Green، دون تغيير. اليمين هو استدعاء واحد من image-to-video: الإطار الأول داخله، الإطار الأخير داخله، عشر ثوانٍ بالخارج، وفرقعة النار و"هذا جيد" المسطحة هي المسار الصوتي الخاص بالنموذج. لم يسجلها أحد. كل شيء في هذا الدليل يهدف إلى إيصالك إلى ذلك النصف الثاني.

كيف يبدو طلب MiniMax H3 فعليًا (قرأت جميع الـ 45)

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

هذا طلب حقيقي. هذا جزء من الطلب الرسمي وراء التسلسل الافتتاحي للفيلم noir من MiniMax، مترجم من النص الصيني الأصلي، ويشغل ربما ثلث طوله الكامل:

أنشئ تسلسلًا افتتاحيًا لفيلم جريمة بتشويق خفيف لمدة 15 ثانية بنسبة 16:9. الأسلوب العام يشير إلى اللغة البصرية لهذه الصور: بطاقات عنوان يابانية قديمة، صورة ظلية حادة الحواف، كولاج كوميدي، شاشة منقسمة غير متماثلة، كتل ألوان هندسية قوية، عناوين ائتمان باللغة الإنجليزية، بعض الزخارف بالكاتاكانا اليابانية، إحساس جريمة جاز. المزاج: 60% تشويق، 40% جاز: غامض، رائع، رشيق، جريمة حضرية، ليس رعبًا، ليس ثقيلًا، ولا تحوله إلى فيديو كليب جاز مبتهج.

[...] يجب أن تكون الاعتمادات الإنجليزية مقروءة بوضوح [...] لا تضف الصينية، لا تنتج نصًا مشوهًا، لا تخطئ في تهجئة الإنجليزية. قاعدة للقطعة بأكملها: كل ائتمان إنجليزي ومسمى وظيفي يظهر مرة واحدة بالضبط. لا تكرر مسمى وظيفي، لا تكرر اسمًا، لا تعط شخصًا واحدًا عدة ألقاب.

يجب أن تكون التحولات متنوعة: قناع أسطواني فينيل، مسح باب سيارة عمودي، ظل طويل لشخصية يكتسح الشاشة، قطع خط أحمر، قناع حرف إنجليزي عملاق، إعادة تكوين الإطار على شاشة منقسمة، قطع كتلة ألوان صلبة، لوحات ملصقة قطعة قطعة. كل التحولات تهبط على ضربات الطبل: حادة، مشوقة، رشيقة، كولاج كوميدي. لا انتقالات ناعمة، لا انتقالات سائلة.

BGM: موسيقى عنوان أصلية لمدة 15 ثانية، 60% تشويق، 40% جاز. مبنية من نغمة جهير مستمرة، أوتار pizzicato متوترة، نبضات سينث باردة، طبلة ركلة، فرش جاز متناثرة، مقطع جهير متجول، عبارات ساكسفون باريتون قصيرة وطعنات نحاسية قصيرة. أول ثانيتين تؤسسان للتشويق بترددات منخفضة وصنج هات، عند 3 ثوانٍ تدخل الطبول المنخفضة، عند 6 ثوانٍ ينضم إيقاع جاز الجهير، عند 10 ثوانٍ يظهر عزف ساكس/نحاسي قصير، آخر ثانيتين تغلقها بوتر متوتر وضربة طبل.

اقرأ أين ذهبت الكلمات. تقريبًا لم يذهب أي منها إلى "جميل" أو "سينمائي". ذهبت إلى قائمة سلبية، قائمة انتقالات، وورقة إشارات موسيقية ثانية بثانية. هذا هو شكل المهمة. تسلسل عنوان النوير الرسمي لـ MiniMax H3: MIDNIGHT LINE، مع اعتمادات STARRING نظيفة

انظر إلى الاعتمادات في هذا المقطع. MIDNIGHT LINE، STARRING، MAYA CROSS، REN KATO، LENA WARD، DIRECTED BY NOAH VOSS. مكتوبة بشكل صحيح، لا مسمى وظيفي مستخدم مرتين، زخارف الكاتاكانا تجلس حيث طلب منها الجلوس. الطلب لم يقل "اصنع عناوين جميلة". قال لا تكرار، لا أخطاء إملائية، لا صينية، وسمى الجمالية بخمس طرق مختلفة. خمس لوحات مرجعية للأسلوب تم تسليمها إلى MiniMax H3 إلى جانب طلب العنوان النوير

تلك اللوحات الخمس دخلت مع النص. خمس صور بالإضافة إلى موجز طويل واحد، توليد واحد. هذا هو شكل هذا العمل الآن.

وسبب أن العديد من الـ 45 طلبًا قصيرًا موجود في الصورة. عبر المجموعة بأكملها، متوسط الطلب حوالي 130 حرفًا صينيًا، لكن أطول اثنين يعملان بـ 657 و 858. القصيرة قصيرة لأن اللوحة المرجعية تحمل الوصف. الطويلة طويلة لأنه لا شيء آخر كان سيتحملها.

لماذا تأتي معظم طلبات MiniMax H3 مسطحة، وإصلاح النص المشوه

ثلاثة أشياء تسوء، وكلها غيابات وليست أخطاء.

لا جدول زمني. طلبت عشر ثوانٍ ووصفت لحظة واحدة، لذا تحصل على دفعة بطيئة واحدة ممتدة على مدى 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. بمفرده، يصل النموذج إلى انتقالات ناعمة، ويخترع نصًا إضافيًا على الشاشة، ويضيف شريط ترجمة لم يطلبه أحد.

أوضح دليل هو طلب واجهة اللعبة الرسمي، المبني من ست إيقاعات زمنية: [0s-2s] قائمة، [2s-4s] لوحة الذراع اليمنى، [4s-7s] شبكة التسلح، [7s-8.5s] تأكيد، [8.5s-10s] شريط تحميل، [10s-15s] العالم يتحمّل. المقطع النهائي يصل إلى 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 المكتوب في الطلب يُعرض بشكل نظيف. اليمين: النص غير المكتوب يُعرض كضوضاء على شكل حروف

على اليسار، كل سلسلة كتبها الطلب فعليًا: RIGHT ARM EQUIPMENT، PHANTOM GRIP، CHRONOS CLAW. واضحة، صحيحة، مقسمة مثل قائمة لعبة حقيقية.

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

لذا فإن الإصلاح ليس إعدادًا. إنها عادة:

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

وإليك الشكل المكون من ست كتل الذي تشاركه كل طلب رسمي قوي.

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

سير عمل طلب MiniMax H3: إلى أي نقطة نهاية ينتمي طلبك

نفس المفتاح، نفس شكل الإرسال والاستقصاء، ثلاثة أبواب. أي واحد تختار يقرر ما لا يزال يتعين على طلبك فعله.

refers[] هو الشيء غير الموثق بشكل كافٍ في البرية، لذا إليك 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 جيلًا ضائعًا:

1. لا يمكن للصوت أن يركب بمفرده. يجب أن تكون صورة واحدة أو فيديو واحد على الأقل في المصفوفة. مسار إيقاع بمفرده مرفوض.
2. type اختياري. يتم استنتاجه من عنوان URL، ولكن اذكره على أي حال عندما يكون الامتداد غامضًا.
3. الحدود القصوى حقيقية. حتى 9 صور، 3 فيديوهات و 3 مقاطع صوتية، 12 ملفًا إجمالاً، مع مرجع فيديو وصوت من 2 إلى 15 ثانية لكل منهما (وثائق MiniMax API، يوليو 2026).
4. أعط كل مرجع مهمة داخل نص الطلب. هذه هي العادة الأعلى تأثيرًا في هذه القائمة. تفتح الطلبات الرسمية بأسطر مثل "الصورة 1 هي المرجع العام للمزاج والأسلوب، الصورة 2 هي مرجع الشخصية الرئيسية". بدون هذه الجملة، يضطر النموذج إلى تخمين أي لوحة تعني ماذا.فيديو كليب بوب داكن من MiniMax H3: طباعة CUT BACK, ONE LOOK, DETONATE لوحتا الطباعة المرجعيتان خلف مقطع البوب الداكن

هذا المقطع هو الحجة للقاعدة 4. طلبه لا يصف أبدًا أي حرف طباعي. يقول "أسلوب تغليف النص والملمس يشير إلى الصور"، ويسلم لوحتين. التخطيط وصل لأنه تم عرضه، وليس وصفه.

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

كل ما سبق يعمل على Atlas Cloud، حيث تقع نقاط نهاية H3 الثلاثة خلف مفتاح واحد وحلقة إرسال واستقصاء واحدة، لذا فإن التبديل بينها هو تغيير لسلسلة النموذج ولا شيء غير ذلك.

برنامج تعليمي لطلب MiniMax H3: أشعل النار في كلب "هذا جيد"، مع الصوت

إليك الأمر برمته من البداية إلى النهاية. النكتة تنجح لأن الكلب لا يفعل شيئًا. مد هذا الرفض إلى عشر ثوانٍ من الوقت الحقيقي، أضف نارًا حقيقية، ودع الثانيتين الأخيرتين تذهبان إلى حيث ذهب الكوميك الأصلي فعليًا، ويصبح أكثر تسلية وأسوأ قليلاً بالنسبة لك. معظم الناس رأوا فقط اللوحتين الأوليين.

الخطوة 1: قم بتنزيل الكوميك الأصلي. لا تدع AI تعيد رسمه.

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

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 لوحات، عمودان × 3 صفوف
3
4# قص اللوحة 2 (اللوحة "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 صورة أن يرسم "كلبًا يشبه هذا جيد". إعادة إنشاء AI يتم اكتشافها على أنها مزيفة في نصف ثانية وتموت النكتة على الفور. غسلة الألوان المائية، والحروف اليدوية المتذبذبة، وحبوب الورق هي العقد بأكمله. التكبير 4x Lanczos موجود فقط لأن 282 بكسل من المصدر ضئيل؛ إنه يعطي النموذج بكسل حقيقي ليتشبث به دون اختراع أي شيء. اللوحة 2 واللوحة 6 من الكوميك الأصلي، معلمة كمدخلات الإطار الأول والإطار النهائي

الخطوة 2: تشغيله على image-to-video مع end_image.

النموذج: minimax/h3/image-to-video. الإعدادات: الدقة 2K، الصورة = اللوحة 2، end_image = اللوحة 6، النسبة 1:1 لمطابقة المصدر المربع تقريبًا. اضبط المدة على 10؛ المنزلق عند 8 افتراضيًا، لذا اسحبه.

textCopy
1لوحة ويب كوميك مرسومة يدويًا ثنائية الأبعاد، تم إحياؤها. حافظ على نسيج الألوان المائية
2الأصلي، ومخططات الحبر المرئية، وحبوب الورق خارج التسجيل، ولوحة الكوميك المسطحة
3في كل إطار. لا تنعم، لا تعيد العرض في 3D، لا تنظف خطوط الرسم، لا تضف
4أشياء جديدة، لا تضف نصًا جديدًا.
5
6[0s-3s] لا شيء تقريبًا يتحرك. الكلب يجلس بلا حراك تمامًا، ممسكًا بالكوب،
7عيون ثابتة إلى الأمام. فقط النيران خلفه تتحرك: لعقات برتقالية بطيئة تتسلق
8الجدار، جمرة واحدة تطفو للأعلى. فقاعة الكلام التي تقرأ "THIS IS FINE."
9تبقى بالضبط حيث هي، مقروءة بالكامل، غير متغيرة، مكتوبة بخط اليد.
10
11[3s-6s] الكلب يرفع الكوب ويأخذ رشفة واحدة صغيرة هادئة. فقاعة الكلام
12تتلاشى بعد الرشفة. النار تشرق. الجدار خلفه يبدأ في التواء
13بسبب الحرارة. قبعته تبدأ في التوهج عند الحافة.
14
15[6s-8.5s] الحرارة تصل إليه. أذناه تتدليان، مخططه الخارجي يلين ويبدأ
16في الجريان إلى الأسفل مثل طلاء مبلل. 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. يمسك بالوضعية. تركز على الإطار
21النهائي لآخر نصف ثانية.
22
23الكاميرا: مثبتة، لقطة واسعة ثابتة واحدة، لا دفعة للأمام، لا محمولة باليد، لا قصات.
24الإطار لا يتحرك أبدًا. هذا لقطة واحدة مستمرة داخل لوحة كوميك واحدة.
25
26الصوت: أجواء غرفة لحريق داخلي طوال الوقت - فرقعة منخفضة، فرقعة عرضية لخشب
27محترق، صرير هيكلي خافت. عند 3 ثوانٍ، كوب سيراميك يلامس الأسنان و
28بلع صغير. صوت رجل هادئ، مسطح، غير منزعج يقول بالضبط: "هذا جيد."
29- جاف، لا عاطفة، مسترخٍ قليلاً. من 6 ثوانٍ تزداد الفرقعة بصوت أعلى و
30تثخن أجواء الغرفة؛ آخر ثانيتين تضيفان تضخمًا منخفض التردد. لا موسيقى، لا
31مسار ضحك، 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.
35

هذا الطلب 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 والإطار النهائي محملان، 10 ثوانٍ بدقة 2K، المقطع النهائي في لوحة الإخراج

الخطوة 3: اقرأ المخرجات مثل فحص ضمان الجودة.

أربعة فحوصات، كل منها يختبر كتلة مختلفة من الطلب.

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

عاد لي عند 1472x1440، 24 إطارًا في الثانية، h264 بالإضافة إلى AAC ستيريو، 10.13 ثانية. جدير بالملاحظة: طلبت النسبة 1:1 وحصلت على 1472x1440، لذا في image-to-video، شكل الإطار المصدر يفوز. طابق اللوحتين الخاصتين بك مع الشكل الذي تريده فعليًا. أربعة إطارات من المقطع النهائي عند 0s، 3s، 6.5s و 10s، مطابقة للشرائح الزمنية الأربعة في الطلب

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 كصورة، المدة 8، الدقة 2K، النسبة 16:9.

textCopy
1الصورة 1 هي مرجع الشخصية والأسلوب الفني: حافظ على هذا المظهر الدقيق للويب كوميك
2المرسوم يدويًا ثنائي الأبعاد، نفس نسيج الألوان المائية، نفس وزن مخطط الحبر، نفس
3الكلب، نفس القبعة الصغيرة، نفس الكوب. لا تعيد رسمه في 3D، لا تغير
4نسبه، لا تنظف خطوط الرسم.
5
6ضعه في غرفة مختلفة واحتفظ بهدوئه. مكتب مفتوح مزدحم ليلاً،
7مصابيح فلورسنت تومض، جدار من الشاشات كلها تظهر حالة خطأ حمراء،
8ورق طابعة يتساقط عبر الإطار، حريق كهربائي صغير في
9الزاوية. يجلس على كرسي مكتب في وسط الإطار، كوب في مخلبه،
10ينظر مباشرة إلى الكاميرا، مسترخٍ تمامًا.
11
12الكاميرا: مثبتة، لقطة واسعة ثابتة. لا دفعة للأمام، لا قصات.
13
14الصوت: طنين فلورسنت، طحن طابعة، صوت إنذار ناعم متكرر كل
15ثانيتين، فرقعة كهربائية بعيدة، رشفة هادئة واحدة عند 4 ثوانٍ. 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 سبب وجود السطر الأول من الطلب في المقام الأول. نفس كلب الويب كوميك المنقول 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 لطلبات MiniMax H3 تستحق السرقة

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

الطلب كله سطرين: حافظ على الإطار الأبيض للمعرض، والإطار الداخلي، ولوحة الألوان الأحمر-الأبيض-الأسود، والشعور ثلاثي الأبعاد، وهيكل التخطيط دون تغيير، وضع تأثيرًا صوتيًا رشيقًا تحت دخول النص. القاعدة: قم بتسمية الأجزاء التي يجب أن تبقى. "حافظ على التخطيط" ليست ملاحظة أسلوب، إنها قيد، والنموذج يعاملها على هذا النحو.

النمط 2: العرض التوضيحي للواجهة، حيث تتفوق الأفعال على الصفات. عرض توضيحي لصفحة هبوط MiniMax H3: تمرير، تحويم، عكس الألوان على صفحة منتج صورة المنتج المرجعية الوحيدة خلف مقطع صفحة الهبوط

هذا الطلب يطلب تمرير صفحة للأسفل، حالة تحويم، تكبير قوي، وعكس ألوان. أربعة أفعال. لا يقول أبدًا "حديث" أو "أنيق". التفاعلات هي أفعال، لذا اكتبها كأفعال. الخط المائل الكبير الحجم وخلفية النسيج الكربوني جاءا من الصفات؛ الشيء الذي يجعله يقرأ كصفحة حقيقية جاء من الأفعال.

النمط 3: الحركة الحية بالإضافة إلى المرسوم يدويًا، متماسكان بالرفض. مقطع MiniMax H3 يدمج لقطات مطبخ حية مع مخلوقات متوهجة مرسومة يدويًا

هذا واحد هو مطبخ مساء تم تصويره بهاتف مع مخلوقات صغيرة متوهجة مرسومة يدويًا فيه، وسبب بقائه ساحرًا بدلاً من التحول 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. إنها أيضًا حيث ترمز إلى الذوق. أربعة إطارات من المقطع الدعائي الرسمي للخيال العلمي: THE STARS WERE LISTENING لوحة المزاج ومرجع الشخصية وراء المقطع الدعائي

المقطع الدعائي أعلاه يغلق الحلقة على كلتا الفكرتين. الطلب يكتب عنوانًا واحدًا، THE STARS WERE LISTENING، بالتفصيل: ضيق للغاية، ثقيل، كل الأحرف الكبيرة، أحمر غامق ممزوج بالصدأ، حبيبات خفيفة وحواف ضبابية. هذا يعود بالضبط كما أمر. لوحتان مرجعيتان تتعاملان مع المزاج والشخصية الرئيسية، لذا لا يضطر النص أبدًا إلى وصف وجه. تقسيم العمل، على طول الطريق.

كم تكلفة تشغيل طلبات MiniMax H3 هذه

يتم فوترة H3 لكل ثانية من الفيديو المُنشأ، حسب الدقة، لذا فإن 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 اللقطة الثابتة يحتاج إلى المدة الكاملة لتخبرك أنها خاطئة.
• end_image هي أداة تكلفة، وليست مجرد أداة إبداعية. معظم عمليات إعادة التشغيل تحدث لأن النهاية انحرفت. تثبيت الإطار النهائي يزيل وضع الفشل هذا قبل أن تدفع ثمنه.
• القوائم السلبية والنص المكتوب بالكامل مجانيان. يضيفان أحرفًا إلى طلب يُفوتر بالثانية، وليس بالرمز. استخدمهما بكثافة.
• طابق المدة مع نقطة النهاية قبل أن تكتب. بناء قائمة لقطات مدتها 15 ثانية ثم اكتشاف أن نقطة النهاية الخاصة بك تنتهي عند 10 يكلفك إعادة كتابة، وليس مجرد إعادة تشغيل.

شيء واحد لا تخطط له بعد: جداول الأسعار تدرج طبقة 768p أرخص، ولكن وقت كتابة هذا التقرير، يتم رفض مهمة 768p تمامًا و 2K هي الدقة الوحيدة التي تعمل. ضع ميزانية كما لو كانت كل ثانية هي ثانية 2K. الأسعار الحالية لكل ثانية موجودة على صفحة النموذج، وهي أيضًا حيث ستظهر طبقة 768p بمجرد فتحها.

طلبات MiniMax H3، الميمات وحقوق النشر

الكلب ليس في المجال العام. "هذا جيد" مأخوذ من ويب كوميك Gunshow #648 لـ KC Green، المنشور في 9 يناير 2013، وفقط اللوحتان الأوليان أصبحتا فيروسيين (Know Your Meme، يناير 2013). تحدث Green علنًا، وبصوت متعب، عن مشاهدة الصورة تُعاد استخدامها إلى الأبد، بما في ذلك من قبل أشخاص لا يشاركهم سياساته (NPR، يناير 2023).

هذا الدليل هو تعليق وتعليم، وليس مكتبة مخزون. إذا كنت تريد شحن شيء تجاريًا، ارسم إطاراتك الخاصة أو رخص تلك التي تستخدمها. وقم بإجراء فحص السياسة الخاص بك قبل مهمة عميل: يطبق H3 قواعد المحتوى على أشخاص حقيقيين معروفين وملكية فكرية معروفة، واكتشاف ذلك في منتصف الموعد النهائي ليس ممتعًا.

الأسئلة الشائعة

هل يقوم MiniMax H3 بتوليد الصوت، أم أضيفه لاحقًا؟

نفس المسار. الصورة والصوت يخرجان معًا، وهذا هو السبب بالضبط في أن الصوت يجب أن يُكتب في جسم الطلب بدلاً من أن يُثبت لاحقًا. أعطه كتلة Audio: خاصة به وحدد متى يدخل كل صوت. كل مقطع من المقاطع الرسمية التسعة التي فحصتها عاد كـ AAC ستيريو عند 32kHz إلى جانب تدفق فيديو 2560x1440، 24 إطارًا في الثانية.

كم يمكن أن يكون طلب MiniMax H3 طويلاً؟

حتى 7000 حرف، وفقًا لوثائق MiniMax. من الناحية العملية، تمتد الأمثلة الرسمية على نطاق واسع، بمتوسط حوالي 130 حرفًا صينيًا وأطول اثنين عند 657 و 858. الطلبات القصيرة تعمل بشكل جيد عندما تكون الصورة المرجعية هي التي تصف. إذا لم يكن لديك مراجع، توقع كتابة قائمة لقطات.

لماذا يخرج النص مشوهًا في مقاطع فيديو MiniMax H3 الخاصة بي؟

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

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

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

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

نعم، في image-to-video، عبر المعلمة الاختيارية end_image. أعطه إطارًا أوليًا وإطارًا نهائيًا وسيقوم المقطع بالاستيفاء بينهما. العرض التوضيحي أعلاه هو بالضبط ذلك: لوحة الكوميك 2 داخلة، لوحة الكوميك 6 خارجة. حافظ على نسبتي العرض إلى الارتفاع للصورتين متشابهتين أو سيصبح الانتقال قبيحًا.

ما هي المدد والدقة التي يمكنني الحصول عليها فعليًا الآن؟

2K، و 2K فقط. مهمة 768p مرفوضة حاليًا مع الدعوم المدعومة: 2K، على الرغم من ظهور 768p في جدول الأسعار. تختلف المدة 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. مشكلة أخرى: في التوليد النصي فقط، يرفض API المتكيف ويتطلب نسبة صريحة.