MiniMax H3 Prompt Guide : J'ai lu les 45 prompts officiels, puis j'ai mis le feu au chien This Is Fine.

Vous savez déjà comment formuler une instruction pour un modèle vidéo. « Éclairage cinématographique, lent mouvement avant, 4K. » Ce vocabulaire vous a porté pendant deux ans.

Puis vous le collez dans MiniMax H3 et obtenez un clip 2K qui arrive avec sa propre bande sonore. L’image est superbe. Le rythme est mou. Deux lettres de votre titre sont mal orthographiées. L’audio est un son d’ambiance que le modèle a choisi pour vous.

Le modèle n’est pas le problème. Vous lui avez donné une phrase. Il voulait un planning.

Alors je suis allé lire les 45 instructions officielles fournies avec MiniMax H3, ainsi que les clips finis qui les accompagnent, et j’ai décortiqué les images. Les instructions officielles ne sont pas des descriptions. Les bonnes sont des listes de plans avec une feuille de repères musicaux agrafée au dos. Ci-dessous la structure, les paramètres réellement exposés aujourd’hui, et une démo que vous pouvez reproduire en vingt minutes environ.

Points clés

• Les instructions H3 sont des chronologies, pas des descriptions. Les exemples officiels les plus forts découpent littéralement le clip avec des marqueurs [0s-2s], [2s-4s], et le film final respecte chaque temps.
• Le son et l’image sortent de la même passe, donc l’audio doit vivre à l’intérieur du corps de l’instruction. Les instructions officielles lui donnent son propre bloc, jusqu’à « ligne de basse jazz entre à 6s ».
• Le texte que vous épélez revient propre. Le texte que vous n’épélez pas revient sous forme de bruit en forme de lettres. J’ai les recadrages d’un seul clip officiel qui prouvent les deux à la fois.
• image-to-video accepte une end_image. Donnez une première image et une dernière image, et l’arc émotionnel est verrouillé avant même d’avoir utilisé une seconde de calcul.
• La longueur de l’instruction n’est pas une vertu. Les instructions officielles courtes fonctionnent quand une image de référence fait la description. La longueur correspond à la part du travail que vous avez refusé de confier à une référence.

Le chien « This Is Fine », toujours à gauche et brûlant en 10 secondes de sortie MiniMax H3 à droite

C’est le même dessin des deux côtés. À gauche, le panneau original de KC Green, intact. À droite, un seul appel image-to-video : première image entrée, dernière image entrée, dix secondes de sortie, et le crépitement du feu et le petit « this is fine » plat sont la propre piste audio du modèle. Personne ne l’a composée. Tout dans ce guide vise à vous amener à cette seconde moitié.

À quoi ressemble vraiment une instruction MiniMax H3 (j’ai lu les 45)

Chaque « guide d’instruction MiniMax H3 » actuellement en première page de recherche est une fiche technique : 2K, 24 ips, 5 à 15 secondes, audio natif. C’est la fiche du modèle. Ce n’est pas une instruction.

En voici une vraie. C’est un extrait de l’instruction officielle derrière la séquence de titre noir de MiniMax, traduite de l’original chinois, représentant environ un tiers de sa longueur totale :

Générez une séquence de titre de film criminel léger suspense de 15 secondes en 16:9. Le style général référence le langage visuel de ces images : cartes de titre rétro anime japonais, silhouettes aux bords nets, collage comique, écran divisé asymétrique, blocs de couleurs géométriques forts, crédits en anglais, un peu de décoration katakana japonaise, ambiance jazz-crime. L’ambiance est 60 % suspense, 40 % jazz : mystérieuse, cool, agile, crime urbain, pas horreur, pas lourde, et ne la transformez pas en un clip jazz joyeux.

[…] Les crédits en anglais doivent être clairement lisibles […] N’ajoutez pas de chinois, ne produisez pas de texte brouillé, ne faites pas de fautes d’orthographe en anglais. Règle pour l’ensemble : chaque crédit et titre de poste en anglais apparaît exactement une fois. Ne répétez pas un titre de poste, ne répétez pas un nom, ne donnez pas plusieurs titres à une même personne.

Les transitions doivent être variées : masque rond de vinyle, essuie-glace vertical de portière de voiture, ombre longue d’un personnage balayant l’écran, coupe ligne rouge, masque de lettre anglaise géante, recomposition d’écran divisé, coupe bloc de couleur dure, panneaux collés bloc par bloc. Toutes les transitions tombent sur les coups de batterie : nettes, suspense, agiles, collage comique. Pas de fondus doux, pas de transitions fluides.

BGM : une musique de titre originale de 15 secondes, 60 % suspense, 40 % jazz. Construite à partir d’une note de basse soutenue, cordes pizzicato tendues, impulsions de synthé froides, grosse caisse, balais de jazz clairsemés, un fragment de walking bass, courtes phrases de saxophone baryton et brèves attaques de cuivres. Les 2 premières secondes établissent le suspense avec des fréquences basses et une charleston, à 3 secondes les grosses caisses entrent, à 6 secondes la ligne de basse jazz rejoint, à 10 secondes un court riff sax/cuivres apparaît, les 2 dernières secondes le verrouillent avec un accord tendu et un coup de batterie.

Regardez où les mots sont allés. Presque aucun d’eux n’est allé à « beau » ou « cinématographique ». Ils sont allés vers une liste négative, une liste de transitions, et une feuille de repères musicaux seconde par seconde. C’est la forme du travail. Séquence de titre noir officielle MiniMax H3 : MIDNIGHT LINE, avec des crédits STARRING propres

Regardez les crédits dans ce clip. MIDNIGHT LINE, STARRING, MAYA CROSS, REN KATO, LENA WARD, DIRECTED BY NOAH VOSS. Orthographiés correctement, aucun titre de poste utilisé deux fois, décoration katakana là où elle a été demandée. L’instruction n’a pas dit « faites de beaux titres ». Elle a dit pas de répétitions, pas de fautes, pas de chinois, et a nommé l’esthétique de cinq façons différentes. Cinq planches de référence de style remises à MiniMax H3 avec l’instruction de titre noir

Ces cinq planches sont entrées avec le texte. Cinq images plus un long brief, une génération. Voilà à quoi ressemble ce travail maintenant.

Et la raison pour laquelle tant des 45 instructions sont courtes se trouve dans l’image. Sur l’ensemble, la médiane est d’environ 130 caractères chinois, mais les deux plus longues font 657 et 858. Les courtes sont courtes parce qu’une planche de référence porte la description. Les longues sont longues parce que rien d’autre n’allait la porter.

Pourquoi la plupart des instructions MiniMax H3 sortent plates, et la correction du texte brouillé

Trois choses vont mal, et ce sont toutes des absences plutôt que des erreurs.

Pas de chronologie. Vous avez demandé dix secondes et décrit un seul moment, donc vous obtenez un lent mouvement avant étiré sur dix secondes. Le modèle n’avait rien à faire à la septième seconde.

Pas de bloc audio. Le son est généré dans la même passe que l’image. Si vous ne dites rien, le modèle vous livre quand même une piste. Il en choisit juste une.

Pas de liste négative. Livré à lui-même, le modèle utilise des fondus doux, invente du texte à l’écran supplémentaire, et ajoute une bande de sous-titres que personne n’a demandée.

La preuve la plus claire est l’instruction officielle d’interface de jeu, qui est construite à partir de six temps horodatés : [0s-2s] menu, [2s-4s] panneau bras droit, [4s-7s] grille d’armement, [7s-8.5s] confirmer, [8.5s-10s] barre de chargement, [10s-15s] le monde se charge. Le clip final atteint les six, dans l’ordre, à l’heure. Clip d’interface de jeu MiniMax H3 : menu, panneau d’équipement, barre de chargement, chargement du monde

Maintenant la moitié honnête, du même clip, en pleine résolution 2560x1440. À gauche : le texte épelé dans l’instruction s’affiche proprement. À droite : le texte non épelé s’affiche comme du bruit en forme de lettres

À gauche, chaque chaîne que l’instruction a réellement tapée : RIGHT ARM EQUIPMENT, PHANTOM GRIP, CHRONOS CLAW. Net, correct, crénelé comme un vrai menu de jeu.

À droite, le HUD dans le plan final de rue, que l’instruction n’a jamais appelé que « éléments HUD ». On lit ETR METNO CITFEP. Au-dessus des icônes d’équipement, là où l’instruction n’a rien dit, vous obtenez MNALEαIN IAMG. Ce n’est pas un bug de rendu. Le modèle dessine la texture de l’anglais parce qu’on ne lui a jamais donné la chaîne.

Donc la correction n’est pas un réglage. C’est une habitude :

Si un mot doit être lisible, tapez le mot. Puis ajoutez une ligne négative : ne faites pas de fautes, n’ajoutez pas d’autre texte, n’ajoutez pas de sous-titres.

Et voici la forme en six blocs que partagent toutes les instructions officielles solides.

Les blocs 5 et 6 sont gratuits. Ils ne coûtent rien de plus à générer et c’est là que réside la majeure partie de la qualité.

Le workflow d’instruction MiniMax H3 : à quel endpoint votre instruction appartient

Même clé, même forme soumettre-et-interroger, trois portes. Celle que vous choisissez détermine ce que votre instruction doit encore faire.

refers[] est celui qui est vraiment sous-documenté dans la nature, voici donc la forme qu’il attend :

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

Quatre règles qui vous feront chacune économiser une génération gaspillée :

1. L’audio ne peut pas voyager seul. Au moins une image ou une vidéo doit être dans le tableau. Une piste de rythme seule est rejetée.
2. type est optionnel. Il est déduit de l’URL, mais indiquez-le quand même lorsque l’extension est ambiguë.
3. Les plafonds sont réels. Jusqu’à 9 images, 3 vidéos et 3 clips audio, 12 fichiers au total, avec vidéo et audio de référence de 2 à 15 secondes chacun (docs API MiniMax, juillet 2026).
4. Donnez à chaque référence un travail dans le texte de l’instruction. C’est l’habitude au plus fort effet de levier de cette liste. Les instructions officielles commencent par des phrases comme « L’image 1 est la référence d’ambiance et de style globale, l’image 2 est la référence du personnage principal ». Sans cette phrase, le modèle doit deviner quelle planche signifie quoi. Clip de musique pop sombre MiniMax H3 : typographie CUT BACK, ONE LOOK, DETONATE Les deux planches de référence typographique derrière le clip pop sombre

Ce clip est l’argument en faveur de la règle 4. Son instruction ne décrit jamais une seule lettre. Elle dit « le style et la texture de l’emballage du texte référencent les images », et remet deux planches. La disposition est arrivée parce qu’elle a été montrée, pas décrite.

Encore un tableau, parce que la fiche du modèle et l’API ne disent pas actuellement la même chose, et l’écart est l’endroit où les gens perdent un après-midi.

Tout ce qui précède a été exécuté sur Atlas Cloud, où les trois endpoints H3 se trouvent derrière une seule clé et une seule boucle soumettre-et-interroger, donc passer de l’un à l’autre est un changement de chaîne de modèle et rien d’autre.

Tutoriel d’instruction MiniMax H3 : mettre le feu au chien This Is Fine, avec le son

Voici l’intégralité du processus de bout en bout. La blague fonctionne parce que le chien ne fait rien. Étirez ce déni en dix secondes de temps réel, ajoutez un vrai feu, et laissez les deux dernières secondes aller là où la bande dessinée originale allait réellement, et ça devient plus drôle et légèrement pire pour vous. La plupart des gens n’ont jamais vu que les deux premiers panneaux.

Étape 1 : Téléchargez la bande dessinée originale. Ne laissez pas une IA la redessiner.

La bande est six panneaux, deux colonnes sur trois rangées, 600 sur 887. Nous ne voulons que le panneau 2 et le panneau 6.

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 panneaux, 2 cols x 3 rangées
3
4# recadrer panneau 2 (le panneau « THIS IS FINE. ») :  x 302-584, y 20-293
5# recadrer panneau 6 (le chien qui fond) :            x 302-584, y 595-868
6# upscale chaque 4x avec Lanczos  ->  1128x1092
7

Dites-le clairement : ne demandez pas à un modèle d’image de dessiner « un chien qui ressemble à This Is Fine ». Une recréation par IA est repérée comme fausse en une demi-seconde et la blague meurt sur le coup. Le lavis aquarelle, le lettrage tremblant à la main et le grain du papier sont tout le contrat. L’upscale 4x Lanczos n’est là que parce que 282px de source est fin ; il donne au modèle des pixels réels auxquels s’accrocher sans en inventer. Panneau 2 et panneau 6 de la bande dessinée originale, étiquetés comme entrées de première image et d’image de fin

Étape 2 : Exécutez-le sur image-to-video avec une end_image.

Modèle : minimax/h3/image-to-video. Réglages : resolution 2K, image = panneau 2, end_image = panneau 6, ratio 1:1 pour correspondre à la source approximativement carrée. Réglez duration sur 10 ; le curseur est à 8 par défaut, donc faites-le glisser.

textCopy
1Panneau de bande dessinée web 2D peint à la main, animé. Conservez la texture
2aquarelle originale, les contours à l’encre visibles, le grain de papier décalé
3et la palette de bande dessinée plate dans chaque image. Ne lissez pas, ne
4rendez pas en 3D, ne nettoyez pas le trait, n’ajoutez pas de nouveaux objets,
5n’ajoutez pas de nouveau texte.
6
7[0s-3s] Presque rien ne bouge. Le chien reste parfaitement immobile, tenant la
8tasse, le regard fixe. Seules les flammes derrière lui bougent : lents coups de
9langue orange grimpant le mur, une braise qui monte. La bulle de dialogue
10lisant « THIS IS FINE. » reste exactement là où elle est, entièrement lisible,
11inchangée, lettrée à la main.
12
13[3s-6s] Le chien lève la tasse et prend une petite gorgée calme. La bulle de
14dialogue disparaît après la gorgée. Le feu s’intensifie. Le mur derrière lui
15commence à se déformer sous la chaleur. Son chapeau commence à fumer au bord.
16
17[6s-8.5s] La chaleur l’atteint. Ses oreilles s’affaissent, son contour
18s’adoucit et commence à couler vers le bas comme de la peinture humide. Il ne
19bouge toujours pas les yeux. La tasse reste dans sa patte.
20
21[8.5s-10s] Fusion complète. Le visage se déforme, un œil glisse, les dents
22découvertes dans un rictus fixe, la fourrure coule rouge et orange. Il
23maintient la pose. Maintenez sur l’image finale pendant la dernière demi-seconde.
24
25Caméra : verrouillée, plan large statique unique, pas de mouvement avant, pas de
26caméra à l’épaule, pas de coupes. Le cadre ne bouge jamais. C’est un seul plan
27continu à l’intérieur d’un panneau de bande dessinée.
28
29Audio : son d’ambiance d’un feu intérieur tout au long – faible crépitement, éclat
30occasionnel de bois qui brûle, un faible craquement structurel. À 3s, une tasse
31en céramique touchant les dents et une petite déglutition. Une voix masculine
32calme, plate, impassible dit exactement : « This is fine. » – monotone, sans
33émotion, légèrement trop détendue. À partir de 6s, le crépitement devient plus
34fort et l’ambiance s’épaissit ; les 2 dernières secondes ajoutent une faible
35poussée de sub-basse. Pas de musique, pas de rire en boîte, pas d’effets sonores
36qui ne sont pas dans cette liste.
37
38N’ajoutez pas de sous-titres. N’ajoutez pas de filigrane. N’épelez aucun mot
39autre que ceux déjà dans l’image. Ne changez pas « THIS IS FINE. » Ne coupez pas.
40

Cette instruction est le tableau de structure, vivant. Le premier paragraphe est le contrat de style. Les quatre tranches entre crochets sont la chronologie. Puis la caméra, puis l’audio, puis la liste négative. Rien n’y est décoratif. MiniMax H3 image-to-video sur Atlas Cloud : première image et image de fin chargées, 10 secondes en 2K, clip terminé dans le panneau de sortie

Étape 3 : Lisez la sortie comme une validation qualité.

Quatre vérifications, chacune testant un bloc différent de l’instruction.

1. Est-ce que THIS IS FINE. dans la bulle est toujours lisible et toujours orthographié correctement ? Cela teste le bloc 5.
2. Le trait a-t-il survécu, ou quelque chose l’a-t-il « amélioré » en 3D propre ? Cela teste le bloc 1.
3. L’audio contient-il uniquement les sons que vous avez listés ? Sondez le conteneur : il devrait revenir h264 plus AAC stéréo.
4. L’image finale atterrit-elle sur la pose du panneau 6 ? Cela teste 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

Le mien est revenu à 1472x1440, 24 ips, h264 plus AAC stéréo, 10.13 secondes. À noter : j’ai demandé ratio: 1:1 et j’ai obtenu 1472x1440, donc sur image-to-video la forme de l’image source l’emporte. Faites correspondre vos deux panneaux à la forme que vous voulez réellement. Quatre images du clip terminé à 0s, 3s, 6.5s et 10s, correspondant aux quatre tranches de temps de l’instruction

Étape 4 : Déplacez le chien ailleurs avec reference-to-video.

Même personnage, nouvelle pièce. Modèle : minimax/h3/reference-to-video. Réglages : refers[] = panneau 2 en tant que image, duration 8, resolution 2K, ratio 16:9.

textCopy
1L’image 1 est la référence du personnage et du style artistique : conservez
2exactement ce look de bande dessinée web 2D peint à la main, la même texture
3aquarelle, le même poids de contour à l’encre, le même chien, le même petit
4chapeau, la même tasse. Ne le redessinez pas en 3D, ne changez pas ses
5proportions, ne nettoyez pas le trait.
6
7Placez-le dans une pièce différente et gardez son sang-froid. Un bureau open-
8space exigu la nuit, des tubes fluorescents qui clignotent, un mur d’écrans
9montrant tous un état d’erreur rouge, du papier d’imprimante flottant dans le
10cadre, un petit feu électrique dans le coin. Il est assis sur une chaise de
11bureau au centre du cadre, tasse à la patte, regardant droit vers la caméra,
12complètement détendu.
13
14Caméra : verrouillée, plan large statique. Pas de mouvement avant, pas de coupes.
15
16Audio : ronronnement de fluorescent, grincement d’imprimante, un bip d’alarme
17doux et répétitif toutes les deux secondes, crépitement électrique lointain,
18une gorgée calme à 4s. Pas de musique. Pas de voix.
19
20N’ajoutez aucun texte à l’écran. N’ajoutez pas de sous-titres. N’ajoutez pas
21d’autres personnages.
22

La règle transférable : refers[] porte l’identité et le style, le texte porte la scène. Cette division est tout le truc de la cohérence des personnages, et c’est pourquoi la première ligne de l’instruction existe. Le même chien de bande dessinée web relocalisé dans un bureau open-space en feu la nuit, généré par MiniMax H3 reference-to-video

Même chapeau, même tasse, même poids d’encre, nouvelle pièce. Une seule image de référence a fait tout cela.

Trois autres modèles d’instruction MiniMax H3 à voler

Modèle 1 : l’affiche animée, où la disposition ne doit pas bouger. Affiche animée MiniMax H3 : la disposition POPUP! s’anime tandis que le cadre et la typographie restent verrouillés L’affiche statique originale remise à MiniMax H3

L’instruction entière tient en deux lignes : gardez le cadre blanc de galerie, le cadre intérieur, la palette rouge-blanc-noir, la sensation de figure 3D et la structure de disposition inchangés, et mettez un effet sonore agile sous l’entrée du texte. La règle : nommez les parties qui doivent survivre. « Gardez la disposition » n’est pas une note de style, c’est une contrainte, et le modèle la traite comme telle.

Modèle 2 : la démo d’interface, où les verbes battent les adjectifs. Démo de page d’accueil MiniMax H3 : défilement, survol, inversion de couleur sur une page produit L’image de référence produit unique derrière le clip de page d’accueil

Cette instruction demande un défilement vers le bas de la page, un état de survol, un fort agrandissement et une inversion de couleur. Quatre verbes. Elle ne dit jamais « moderne » ou « élégant ». Les interactions sont des actions, alors écrivez-les comme des actions. La typographie italique surdimensionnée et le fond en tissu de carbone viennent des adjectifs ; ce qui fait que ça se lit comme une vraie page vient des verbes.

Modèle 3 : prise de vue réelle plus dessin à la main, maintenu ensemble par des refus. Clip MiniMax H3 fusionnant des images de cuisine prises au téléphone avec des créatures fluorescentes dessinées à la main

Celui-ci est une cuisine de soirée filmée au téléphone avec de petites créatures fluorescentes dessinées à la main, et la raison pour laquelle ça reste charmant au lieu de se transformer en court métrage d’horreur est une liste d’interdictions : pas de grands yeux, pas de bouches fendues, pas de crocs, pas de posture menaçante, pas de bond, pas de coupure soudaine au noir, pas de jump scares. La liste négative est le contrôle de style principal, pas un correctif. C’est aussi là que vous encodez le goût. Quatre images de la bande-annonce de science-fiction officielle : THE STARS WERE LISTENING La planche d’ambiance et la référence du personnage derrière la bande-annonce

La bande-annonce ci-dessus boucle la boucle sur les deux idées. L’instruction épelle un titre, THE STARS WERE LISTENING, en détail : extrêmement étroit, gras, tout en majuscules, rouge foncé mélangé à de la rouille, léger grain et bords embués. Celui-ci revient exactement comme commandé. Deux planches de référence gèrent l’ambiance et le personnage principal, donc le texte n’a jamais à décrire un visage. Division du travail, jusqu’au bout.

Combien coûte l’exécution de ces instructions MiniMax H3

H3 est facturé par seconde de vidéo générée, par résolution, donc le modèle de coût est rafraîchissant ennuyeux : une prise de 15 secondes coûte environ trois fois une tentative de 5 secondes. Tout le reste en découle.

• Itérez à 5 secondes, livrez à 10 ou 15. La composition, la palette et la conception sonore se résolvent toutes à 5 secondes. Rien dans un plan verrouillé n’a besoin de la durée totale pour vous dire qu’il est mauvais.
• end_image est un outil de coût, pas seulement créatif. La plupart des relances surviennent parce que la fin a dérivé. Verrouiller la dernière image élimine ce mode d’échec avant de payer pour lui.
• Les listes négatives et le texte épelé sont gratuits. Ils ajoutent des caractères à une instruction facturée à la seconde, pas au jeton. Utilisez-les abondamment.
• Faites correspondre duration à l’endpoint avant d’écrire. Construire une liste de plans de 15 secondes pour découvrir que votre endpoint plafonne à 10 vous coûte une réécriture, pas seulement une relance.

Une chose à ne pas prévoir pour l’instant : les tableaux de prix listent un niveau 768p moins cher, mais au moment où j’écris, un job 768p est rejeté catégoriquement et 2K est la seule résolution qui fonctionne. Budgetisez comme si chaque seconde était une seconde 2K. Les tarifs par seconde en vigueur se trouvent sur la page du modèle, qui est aussi l’endroit où le niveau 768p apparaîtra une fois ouvert.

Instructions MiniMax H3, mèmes et droits d’auteur

Le chien n’est pas dans le domaine public. This Is Fine vient de la bande dessinée web Gunshow #648 de KC Green, publiée le 9 janvier 2013, et seuls les deux premiers panneaux sont devenus viraux (Know Your Meme, janvier 2013). Green s’est exprimé publiquement, et avec une certaine lassitude, à propos de voir l’image être réutilisée sans cesse, y compris par des gens dont il ne partage pas la politique (NPR, janvier 2023).

Cette procédure pas à pas est un commentaire et un enseignement, pas une bibliothèque de stock. Si vous voulez livrer quelque chose commercialement, dessinez vos propres images ou achetez une licence pour celles que vous utilisez. Et effectuez votre propre vérification de politique avant un travail client : H3 applique des règles de contenu aux personnes réelles reconnaissables et aux propriétés intellectuelles bien connues, et le découvrir en pleine échéance n’est pas amusant.

Foire aux questions

MiniMax H3 génère-t-il de l’audio, ou dois-je l’ajouter après ?

Même passe. L’image et le son sortent ensemble, ce qui est exactement pourquoi l’audio doit être écrit dans le corps de l’instruction plutôt que d’être ajouté après. Donnez-lui son propre bloc Audio: et indiquez quand chaque son entre. Chacun des neuf clips officiels que j’ai sondés est revenu en AAC stéréo à 32 kHz avec un flux vidéo 2560x1440, 24 ips.

Quelle peut être la longueur d’une instruction MiniMax H3 ?

Jusqu’à 7 000 caractères, selon la documentation de MiniMax. En pratique, les exemples officiels couvrent une large gamme, avec une médiane d’environ 130 caractères chinois et les deux plus longues à 657 et 858. Les instructions courtes fonctionnent bien quand une image de référence fait la description. Si vous n’avez pas de références, attendez-vous à écrire une liste de plans.

Pourquoi le texte est-il brouillé dans mes vidéos MiniMax H3 ?

Parce que vous ne l’avez pas tapé. Les chaînes qui apparaissent littéralement dans l’instruction s’affichent proprement ; tout ce que vous désignez de manière générique (« éléments HUD », « quelques étiquettes ») revient comme une texture en forme de lettres. Épelez chaque mot qui doit être lisible, puis ajoutez ne faites pas de fautes, n’ajoutez pas d’autre texte, n’ajoutez pas de sous-titres.

Combien d’images de référence, de vidéos et de clips audio une instruction MiniMax H3 peut-elle utiliser ?

Neuf images, trois vidéos et trois clips audio, douze fichiers au total, avec vidéo et audio de référence entre 2 et 15 secondes chacun. L’audio ne peut pas être la seule référence. Notez que la capacité du modèle et ce qu’un endpoint expose sont deux choses différentes, alors vérifiez la page du modèle pour la liste d’entrée actuelle.

Une instruction MiniMax H3 peut-elle contrôler comment le clip se termine, pas seulement comment il commence ?

Oui, sur image-to-video, via le paramètre optionnel end_image. Donnez une première image et une dernière image, et le clip interpole entre elles. La démo ci-dessus est exactement cela : panneau de bande dessinée 2 en entrée, panneau 6 en sortie. Gardez les deux images à des ratios d’aspect similaires, sinon la transition devient laide.

Quelles durées et résolutions puis-je réellement obtenir aujourd’hui ?

2K, et seulement 2K. Un job 768p est actuellement rejeté avec résolutions supportées : 2K, malgré la présence de 768p dans le tableau des prix. La durée diffère selon l’endpoint : text-to-video et image-to-video acceptent de 5 à 10 secondes avec un défaut de 8, tandis que reference-to-video accepte de 5 à 15. Autre piège : sur la génération text-only, l’API rejette adaptive et nécessite un ratio explicite.