MiniMax H3 Guide de prompts : J'ai étudié 45 prompts officiels pour vous éviter de le faire.

Utilisez MiniMax H3 comme un court brief de production, pas comme une simple consigne d'image. La structure réutilisable est simple : liez chaque actif de référence, énoncez l'idée centrale, puis écrivez la scène comme une séquence audiovisuelle minutée avec mouvement de caméra, dialogues, ambiance, musique et contraintes dans des blocs séparés.

Ce guide fait l'ingénierie inverse de 45 exemples officiels de MiniMax H3 pour en tirer une formule de prompt en six parties, montre à quoi sert end_image, explique comment les indices audio natifs changent le résultat, et donne une solution pratique pour le texte brouillé dans les clips générés.

Vous savez déjà comment faire un prompt pour un modèle vidéo. « Éclairage cinématographique, lent push-in, 4K. » Ce vocabulaire vous a suffi pendant deux ans.

Ensuite, vous le collez dans MiniMax H3 et obtenez un clip en 2K qui arrive avec sa propre bande-son. L'image est superbe. Le rythme est mou. Deux lettres de votre titre sont mal orthographiées. L'audio est un bruit 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 prompts d'exemple que MiniMax a livrés avec H3, ainsi que les clips finis qui les accompagnaient, et j'ai décortiqué les images. Les prompts officiels ne sont pas des descriptions. Les bons sont des listes de plans avec une feuille de repiquage sonore au dos. Voici la structure, les paramètres réellement exposés aujourd'hui, et une démo que vous pouvez reproduire en vingt minutes environ.

Points clés

• Les prompts 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 du même passage, donc l'audio doit vivre dans le corps du prompt. Les prompts officiels lui donnent son propre bloc, jusqu'à « la ligne de basse jazz entre à 6s ».
• Le texte que vous épelez sort propre. Le texte que vous n'épelez pas sort comme un bruit en forme de lettres. J'ai les recadrages d'un seul clip officiel qui prouvent les deux moitiés 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 que vous dépensiez une seconde de calcul.
• La longueur du prompt n'est pas une vertu. Les prompts officiels courts 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 plat petit « this is fine » sont la piste audio propre du modèle. Personne ne l'a composée. Tout dans ce guide vise à vous amener à cette seconde moitié.

À quoi ressemble vraiment un prompt MiniMax H3 (j'ai lu les 45)

Chaque « guide du prompt MiniMax H3 » actuellement en première page de recherche est une fiche technique : 2K, 24fps, 5 à 15 secondes, audio natif. C'est la carte du modèle. Ce n'est pas un prompt.

Voici un vrai. C'est un extrait du prompt officiel derrière la séquence de titre noir de MiniMax, traduit 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 : cartons de titre anime rétro japonais, silhouettes aux bords durs, collage de comics, écran partagé asymétrique, forts blocs de couleurs géométriques, titres de crédit en anglais, un peu de décoration katakana japonaise, ambiance jazz-criminel. L'ambiance est 60% suspense, 40% jazz : mystérieuse, cool, agile, urbaine-criminelle, pas horreur, pas lourde, et ne la transformez pas en un joyeux clip jazz.

[...] Les crédits en anglais doivent être clairement lisibles [...] N'ajoutez pas de chinois, ne produisez pas de texte brouillé, n'orthographiez pas mal l'anglais. Règle pour l'ensemble : chaque crédit anglais et titre de poste 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 circulaire de disque vinyle, wipe vertical de portière de voiture, ombre longue d'un personnage balayant l'écran, cut rouge, masque de grande lettre anglaise, recomposition d'écran partagé, cut dur de bloc de couleur, panneaux collés bloc par bloc. Toutes les transitions tombent sur les coups de batterie : nettes, suspensives, agiles, collage de comics. Pas de fondus doux, pas de transitions fluides.

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

Regardez où les mots sont allés. Presque aucun n'est allé vers « beau » ou « cinématographique ». Ils sont allés vers une liste négative, une liste de transitions, et une feuille de repiquage musicale seconde par seconde. C'est la forme du travail. Séquence de titre officielle noir de 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. Correctement orthographiés, aucun titre de poste utilisé deux fois, décoration katakana placée là où on l'a demandé. Le prompt n'a pas dit « faites de beaux titres ». Il a dit pas de répétitions, pas de fautes d'orthographe, pas de chinois, et a nommé l'esthétique de cinq manières différentes. Cinq planches de référence de style soumises à MiniMax H3 avec le prompt 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 prompts sont courts se trouve juste là dans l'image. Sur l'ensemble, le prompt médian fait environ 130 caractères chinois, mais les deux plus longs font 657 et 858. Les courts sont courts parce qu'une planche de référence porte la description. Les longs sont longs parce que rien d'autre n'allait la porter.

Pourquoi la plupart des prompts MiniMax H3 sortent plats, et la correction du texte brouillé

Trois choses tournent 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 push-in étiré sur dix secondes. Le modèle n'avait rien à faire à la septième seconde.

Pas de bloc audio. Le son est généré dans le même passage 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 opte pour 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 le prompt officiel d'interface de jeu, qui est construit à partir de six temps horodatés : [0s-2s] menu, [2s-4s] panneau du bras droit, [4s-7s] grille d'armement, [7s-8.5s] confirmation, [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 le prompt s'affiche proprement. À droite : le texte non épelé s'affiche comme un bruit en forme de lettres

À gauche, chaque chaîne que le prompt a réellement tapée : RIGHT ARM EQUIPMENT, PHANTOM GRIP, CHRONOS CLAW. Coupant, correct, crénelé comme un vrai menu de jeu.

À droite, le HUD dans le plan de rue final, que le prompt n'a jamais appelé que « éléments HUD ». On lit ETR METNO CITFEP. Au-dessus des icônes d'équipement, là où le prompt 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 : n'orthographiez pas mal, n'ajoutez pas d'autre texte, n'ajoutez pas de sous-titres.

Et voici la forme en six blocs que partagent tous les prompts officiels 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 du prompt MiniMax H3 : à quel endpoint votre prompt appartient

Même clé, même forme soumettre-et-sonder, trois portes. Celle que vous choisissez décide ce que votre prompt doit encore faire.

refers[] est celui qui est vraiment sous-documenté dans la nature, donc voici 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]

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 rôle dans le texte du prompt. C'est l'habitude la plus efficace de cette liste. Les prompts officiels commencent par des lignes 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 prompt ne décrit jamais une seule lettre. Il dit « le style de packaging de texte et la texture référencent les images », et donne deux planches. La disposition est arrivée parce qu'elle a été montrée, pas décrite.

Encore un tableau, parce que la carte du modèle et l'API ne disent pas actuellement la même chose, et c'est dans cet écart que 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-sonder, donc passer de l'un à l'autre est un changement de chaîne de modèle et rien d'autre.

Tutoriel du prompt MiniMax H3 : mettre le chien This Is Fine en feu, avec le son

Voici l'intégralité du processus, de bout en bout. La blague fonctionne parce que le chien ne fait rien. Étirez ce refus sur dix secondes de temps réel, ajoutez du vrai feu, et laissez les deux dernières secondes aller là où la BD 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 BD originale. Ne laissez pas une IA la redessiner.

La strip fait six panneaux, deux colonnes sur trois rangées, 600x887. 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 le panneau 2 (le panneau "THIS IS FINE.") : x 302-584, y 20-293
5# recadrer le panneau 6 (le chien qui fond) : x 302-584, y 595-868
6# upscaler chaque 4x avec Lanczos -> 1128x1092

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 manuscrit bancal et le grain du papier sont l'intégralité du contrat. L'upscale 4x Lanczos n'est là que parce que 282px de source est maigre ; il donne au modèle des pixels réels auxquels s'accrocher sans rien inventer. Panneau 2 et panneau 6 de la BD originale, étiquetés comme entrées de première image et image de fin

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

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

textCopy
1Panneau de webcomic peint à la main en 2D, animé. Conservez la texture aquarelle
2originale, les contours à l'encre visibles, le grain de papier hors registre et la
3palette de BD plate dans chaque image. Ne lissez pas, ne rendez pas en 3D, ne
4nettoyez pas le trait, n'ajoutez pas de nouveaux objets, n'ajoutez pas de nouveau
5texte.
6
7[0s-3s] Presque rien ne bouge. Le chien reste parfaitement immobile, tenant la
8tasse, les yeux fixés droit devant. Seules les flammes derrière lui bougent :
9lentes langues orange grimpant le mur, une braise qui dérive vers le haut. La
10bulle de dialogue disant « THIS IS FINE. » reste exactement là où elle est,
11parfaitement lisible, inchangée, écrite à la main.
12
13[3s-6s] Le chien lève la tasse et prend une petite gorgée calme. La bulle de
14dialogue s'estompe après la gorgée. Le feu s'intensifie. Le mur derrière lui
15commence à se déformer sous la chaleur. Son chapeau commence à fumer sur le bord.
16
17[6s-8.5s] La chaleur l'atteint. Ses oreilles s'affaissent, son contour s'adoucit
18et commence à couler vers le bas comme de la peinture humide. Il ne bouge toujours
19pas 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 sourire figé, la fourrure coule rouge et orange. Il tient la
23pose. Maintenez la dernière image pendant la dernière demi-seconde.
24
25Caméra : verrouillée, plan large statique unique, pas de push-in, pas de
26caméra portée, pas de coupes. Le cadre ne bouge jamais. C'est un seul plan
27continu à l'intérieur d'un seul panneau de BD.
28
29Audio : bruit d'ambiance d'un feu intérieur tout au long - faible crépitement,
30claquement occasionnel de bois qui brûle, un léger craquement structurel. À 3s,
31une tasse en céramique touchant les dents et une petite déglutition. Une voix
32masculine calme, plate, sans émotion, dit exactement : « This is fine. » - voix
33blanche, sans émotion, légèrement trop détendue. À partir de 6s le crépitement
34devient plus fort et l'ambiance s'épaissit ; les 2 dernières secondes ajoutent
35une faible montée de sub-basses. Pas de musique, pas de rire enregistré, pas
36d'effets sonores qui ne sont pas dans cette liste.
37
38N'ajoutez pas de sous-titres. N'ajoutez pas de filigrane. N'orthographiez aucun
39mot autre que ceux déjà dans l'image. Ne changez pas « THIS IS FINE. » Ne
40coupez pas.

Ce prompt est le tableau de structure, en vie. Le premier paragraphe est le contrat de style. Les quatre tranches entre crochets sont la chronologie. Ensuite la caméra, puis l'audio, puis la liste négative. Rien dedans n'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 vérification qualité.

Quatre vérifications, chacune testant un bloc différent du prompt.

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. La dernière image 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

La mienne est revenue à 1472x1440, 24fps, 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 du prompt

Étape 4 : Déplacez le chien quelque part de nouveau avec reference-to-video.

Même personnage, nouvelle pièce. Modèle : minimax/h3/reference-to-video. Réglages : refers[] = panneau 2 comme image, durée 8, résolution 2K, ratio 16:9.

textCopy
1L'image 1 est la référence du personnage et du style artistique : gardez cet
2aspect exact de webcomic peint à la main en 2D, la même texture aquarelle, le
3même poids de contour à l'encre, le même chien, le même petit chapeau, la même
4tasse. Ne le redessinez pas en 3D, ne changez pas ses proportions, ne nettoyez
5pas le trait.
6
7Placez-le dans une pièce différente et gardez son calme. Un open-space exigu
8de bureau la nuit, des tubes fluorescents qui clignotent, un mur d'écrans
9montrant tous un état d'erreur rouge, des feuilles de papier imprimé qui
10dérivent à travers le cadre, un petit feu électrique dans le coin. Il est assis
11sur une chaise de bureau au centre du cadre, tasse dans la patte, regardant
12directement la caméra, complètement détendu.
13
14Caméra : verrouillée, plan large statique. Pas de push-in, pas de coupes.
15
16Audio : bourdonnement de néon, grincement d'imprimante, une alarme douce et
17répétitive toutes les deux secondes, crépitement électrique lointain, une gorgée
18calme 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.

La règle transférable : refers[] porte l'identité et le style, le texte porte la scène. Cette répartition est tout le truc pour la cohérence des personnages, et c'est pourquoi la première ligne du prompt existe. Le même chien de webcomic relocalisé dans un open-space en feu de 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 motifs de prompt MiniMax H3 à voler

Motif 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 donnée à MiniMax H3

Le prompt entier tient en deux lignes : gardez le cadre blanc de la galerie, le cadre intérieur, la palette rouge-blanc-noir, l'aspect 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.

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

Ce prompt demande un défilement vers le bas de la page, un état de survol, un fort zoom avant et une inversion de couleur. Quatre verbes. Il ne dit jamais « moderne » ou « élégant ». Les interactions sont des actions, donc écrivez-les comme des actions. Le type italique surdimensionné et le fond en tissu carbone viennent des adjectifs ; ce qui le fait ressembler à une vraie page vient des verbes.

Motif 3 : prise de vue réelle plus dessin à la main, maintenu par des refus. Clip MiniMax H3 fusionnant des images de cuisine réelles filmées avec un téléphone et des créatures lumineuses dessinées à la main

Celui-ci est une cuisine en soirée filmée au téléphone avec de petites créatures lumineuses dessinées à la main, et la raison pour laquelle il reste charmant au lieu de devenir un 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 coupe soudaine au noir, pas de jumpscares. La liste négative est le principal contrôle de style, 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 Le mood board et la référence de personnage derrière la bande-annonce

La bande-annonce ci-dessus boucle la boucle sur les deux idées. Le prompt épelle un titre, THE STARS WERE LISTENING, en détail : extrêmement étroit, gras, tout en majuscules, rouge foncé mêlé de rouille, léger grain et bords embués. Celui-là 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 ça coûte d'exécuter ces prompts MiniMax H3

H3 est facturé à la seconde de vidéo générée, par résolution, donc le modèle de coût est d'une simplicité rafraîchissante : une prise de 15 secondes coûte environ trois essais de 5 secondes. Tout le reste en découle.

• Itérez à 5 secondes, livrez à 10 ou 15. La composition, la palette et le design sonore se résolvent tous 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 ont lieu parce que la fin a dérivé. Verrouiller la dernière image supprime ce mode d'échec avant que vous payiez.
• Les listes négatives et le texte épelé sont gratuits. Ils ajoutent des caractères à un prompt qui est facturé à la seconde, pas au jeton. Utilisez-les abondamment.
• Faites correspondre la durée à l'endpoint avant d'écrire. Construire une liste de plans de 15 secondes et découvrir ensuite que votre endpoint plafonne à 10 vous coûte une réécriture, pas seulement une relance.

Une chose à ne pas planifier pour l'instant : les tableaux de prix listent un palier 768p moins cher, mais au moment où j'écris, un job 768p est rejeté purement et simplement, et le 2K est la seule résolution qui fonctionne. Budgettez comme si chaque seconde était une seconde 2K. Les tarifs actuels à la seconde se trouvent sur la page du modèle, qui est également l'endroit où le palier 768p apparaîtra une fois ouvert.

Prompts MiniMax H3, mèmes et droits d'auteur

Le chien n'est pas dans le domaine public. This Is Fine vient du webcomic Gunshow #648 de KC Green, publié le 9 janvier 2013, et seuls les deux premiers panneaux sont devenus viraux (Know Your Meme, janvier 2013). Green a parlé publiquement, et plutôt avec lassitude, de voir l'image réutilisée indéfiniment, y compris par des personnes dont il ne partage pas les opinions politiques (NPR, janvier 2023).

Ce tutoriel est un commentaire et un enseignement, pas une bibliothèque de stock. Si vous voulez livrer quelque chose commercialement, dessinez vos propres images ou licenciez 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 PI bien connues, et le découvrir en pleine échéance n'est pas amusant.

Foire aux questions

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

Même passage. L'image et le son sortent ensemble, ce qui est exactement la raison pour laquelle l'audio doit être écrit dans le corps du prompt plutôt que rajouté 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 32kHz avec un flux vidéo 2560x1440, 24fps.

Quelle peut être la longueur d'un prompt MiniMax H3 ?

Jusqu'à 7 000 caractères, selon la documentation MiniMax. En pratique, les exemples officiels couvrent une large gamme, avec une médiane autour de 130 caractères chinois et les deux plus longs à 657 et 858. Les prompts courts 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 sort-il brouillé dans mes vidéos MiniMax H3 ?

Parce que vous ne l'avez pas tapé. Les chaînes qui apparaissent textuellement dans le prompt 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 n'orthographiez pas mal, n'ajoutez pas d'autre texte, n'ajoutez pas de sous-titres.

Combien d'images, de vidéos et de clips audio de référence un seul prompt MiniMax H3 peut-il 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, donc vérifiez la page du modèle pour la liste d'entrée actuelle.

Un prompt MiniMax H3 peut-il 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 2 de BD en entrée, panneau 6 de BD en sortie. Gardez les deux images à des ratios d'aspect similaires, sinon la transition devient moche.

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

2K, et seulement 2K. Un job 768p est actuellement rejeté avec supported resolutions: 2K, même si 768p apparaît dans le tableau de prix. La durée diffère selon l'endpoint : text-to-video et image-to-video acceptent 5 à 10 secondes avec un défaut de 8, tandis que reference-to-video accepte 5 à 15. Un autre piège : sur la génération text-only, l'API rejette adaptatif et nécessite un ratio explicite.