Meta Title: MiniMax H3 Ghibli Style w 2026: 3 kroki z dźwiękiem

Meta Description: Malowana klatka kluczowa, jeden 15-sekundowy render MiniMax H3, a wiatr i cykady pojawiają się w tym samym pliku. Prawdziwe prompty, prawdziwe ustawienia, zrzuty ekranu z operacji.

---

MiniMax H3 Ghibli Style: 3 kroki do 15-sekundowego, ręcznie rysowanego ujęcia, które faktycznie oddycha

Widziałeś wersję, która nie działa. Ktoś wrzuca namalowany portret do narzędzia wideo, czeka i dostaje trzy sekundy drgań Live Photo: włosy drżą, chmury zamrożone, brak dźwięku, pętla.

Ręcznie rysowane kino nigdy tak nie wyglądało. I nigdy nie było tak ciche.

Oto, co zrobiliśmy zamiast tego. Jedna malowana klatka kluczowa, jeden render MiniMax H3 Ghibli style trwający 15 sekund, a trawa faluje, tramwaj przejeżdża przez wiadukt, cykady siedzą pod wszystkim, a cztery nuty fortepianu rozbrzmiewają. Wszystko z jednego zlecenia, w jednym pliku, z wbudowanym dźwiękiem stereo.

Poniżej: najpierw gotowe ujęcie, potem dokładne prompty, ustawienia, które faktycznie działają, prawdziwe zrzuty ekranu z playgroundu i szczegółowy rachunek.

Najważniejsze wnioski

• Jedno 15-sekundowe zlecenie 2K dostarcza 2560x1440, 24fps, AAC stereo 32kHz, bez znaku wodnego.
• Ręcznie rysowany wygląd to problem kadencji, a nie palety. Proś o "on twos", nie o gładkość.
• Wiatr, cykady i fortepian pochodzą z tego samego renderu. Nie ma drugiego etapu dogrywania muzyki.
• 3 kroki: namaluj klatkę kluczową, ożyw ją, dopasuj drugie ujęcie za pomocą reference-to-video.
• Trzymaj nazwy studiów i reżyserów poza promptem. Opisz zamiast tego technikę.

Oto gotowe ujęcie, zanim przejdziemy do teorii.

Włącz dźwięk. Jedno ciągłe 15-sekundowe zlecenie image-to-video na MiniMax H3, 2K, bez cięć, bez postprodukcji: podmuch trawy, dzwonek tramwaju, cykady i fortepian – wszystko pojawiło się w tym jednym pliku mp4.

Nie możesz odtworzyć wideo tam, gdzie to czytasz? Oto cztery istotne momenty, wyciągnięte bezpośrednio z powyższego pliku.

Cztery klatki z renderu MiniMax H3 Ghibli style na zboczu wzgórza w sekundach 0, 5, 10 i 15, pokazujące pierwszy podmuch trawy, tramwaj przejeżdżający przez wiadukt, drugi podmuch i utrzymany końcowy beat

Ten sam render próbkowany w sekundach 0, 5, 10 i 15. Zwróć uwagę na ostatnią klatkę: nic nowego nie wchodzi do kadru, celowo.

Dlaczego większość prób MiniMax H3 Ghibli Style wygląda jak filtr

Najpierw werdykt: wygląd filtra to prawie nigdy kolor. To kwestia timing, dźwięku i długości.

Oto dowód. Filmy z malowanej celi nie są animowane z 24 unikalnymi rysunkami na sekundę. Analizując jeden z cykli biegowych Miyazakiego, Animation Obsessive nazywa to "biegiem narysowanym 'on twos'" z "12 rysunkami na sekundę", gdzie "Każdy rysunek pozostaje na ekranie przez dwie klatki." (Animation Obsessive, marzec 2023)

Teraz pomyśl, co model wideo robi domyślnie. Interpoluje. Gładko. Jedwabiście. Przy pełnej liczbie klatek na sekundę.

To jest cała zdrada. Twoja paleta była w porządku. Twój ruch był zbyt dobry.

Pytanie brzmi: czy model może utrzymać rysowaną warstwę przez pełne 15 sekund, nie rozmywając jej? Tak, i oto jak to wygląda.

Ręcznie rysowana złota rybka i wodorosty animowane na tle prawdziwego, nasłonecznionego blatu kuchennego, z 15-sekundowego renderu MiniMax H3

Przykładowy przebieg MiniMax H3: kredkowo obrysowana złota rybka i zielone pociągnięcia wodorostów narysowane na materiale live-action z kuchni, utrzymane przez pełne 15,08 sekundy bez rozmazywania linii. Pokazane tutaj jako cichy GIF ; dostarczony plik zawiera wideo 24 fps i dźwięk stereo 32kHz.

Drugi powód śmierci: mieszane obietnice stylu. Napisanie "fotorealistyczna anime akwarela" daje model próbujący spełnić trzy kontrakty naraz, a wynikiem jest papka, którą ludzie nazywają "AI slop". Zdecyduj się na jeden medium, a się utrzyma.

Plastelinowy lis w skoku na popękanej skale obok żarzącej się szczeliny lawowej, widoczna tekstura odcisków palców, z renderu MiniMax H3

Ta sama zasada, inne medium: jedna obietnica jednego stylu ("stop-motion plasticine") daje prawdziwą teksturę odcisków palców i wagę stop-motion przez 10 sekund. Cichy GIF ; plik źródłowy to 2560x1440 z dźwiękiem stereo.

I trzeci i czwarty: cisza i brak miejsca na oddech. Mniej więcej połowa tego, co ludzie mają na myśli, mówiąc o tym stylu, to projektowanie dźwięku, wiatr i rzadki fortepian. A pauzy potrzebują prawdziwych sekund. 5-sekundowy klip fizycznie nie może pomieścić trzech sekund, w których nic się nie dzieje.

Oto tabela diagnostyczna, do której ciągle wracamy.

Którego endpointu używasz, ma równie duże znaczenie jak prompt. Są trzy, i każdy robi co innego.

Jeden haczyk, który warto zapisać na ręku: wysłanie image i refers w tym samym wywołaniu nie powoduje błędu. Zlecenie kończy się, obciąża w pełni i po cichu odrzuca jedno z dwóch wejść. Zmierzyliśmy to na obu endpointach, a kierunek, w którym odrzuca, jest różny. Wybierz jeden endpoint na wywołanie.

Przepływ pracy MiniMax H3 Ghibli Style: Trzy modele, jedna zakładka

Ta sekcja podaje cały łańcuch i koszt każdego ogniwa. Działa od początku do końca w jednej zakładce przeglądarki na Atlas Cloud, gdzie wykonano wszystkie poniższe zrzuty ekranu, więc nigdy nie eksportujesz pliku tylko po to, by przesłać go gdzie indziej.

Dlaczego to ma znaczenie dla tego konkretnego zadania: model do malowania i model wideo muszą się zgadzać co do klatki. Utrzymanie ich na tej samej platformie oznacza, że wygenerowana klatka kluczowa jest już plikiem, który następny playground może przyjąć jako swoją pierwszą klatkę, a krok reference-to-video może sięgnąć zarówno po klatkę kluczową, jak i po nieruchomy obraz wyciągnięty z gotowego klipu.

Jeden nawyk, który oszczędza kłótni z własnym arkuszem kalkulacyjnym: główna liczba na stronie modelu to podłoga, a nie twój rachunek. Strony H3 podają $0.10 za sekundę, co jest warstwą 768P; 2K to $0.14. GPT Image 2 podaje $0.009, co jest podłogą warstwy tokenów, a jakość high przy 2048x1152 faktycznie kosztuje $0.1745. Czytaj przycisk Run, za każdym razem, bo to jest liczba, którą zostaniesz obciążony.

Żaden rabat nie jest aktywny na endpointach H3 od sierpnia 2026. Tylko warianty -developer modeli graficznych są przecenione, co warto wiedzieć do szkiców, ale nie ma znaczenia dla dostawy.

Zaczynajmy.

Krok 1: Namaluj klatkę kluczową

Klatka wykonuje ciężką pracę. Wszystko, czego krok wideo nie może wymyślić – kompozycja, paleta, jakość linii, ziarno papieru – musi już być w tym PNG.

Otwórz playground GPT Image 2 text-to-image i wklej to dosłownie.

PlainCopy
1Hand-painted 2D animation background in the style of 1990s Japanese cel animation: a wide summer hillside in late afternoon. Tall green grass fills the lower two thirds, painted in soft gouache with visible brush texture and hand-inked blade edges. A girl about ten years old stands in the middle distance seen from behind, wearing a plain yellow raincoat and a red backpack, one hand holding down a straw hat. Beyond the hill a narrow single-car tram crosses a green valley on a low stone viaduct; distant blue mountains fade into a pale cream sky with towering cumulus clouds painted as flat layered shapes. Warm 4pm light, soft ambient shadows, no harsh contrast, limited palette of grass green, cream, sky blue and one yellow accent. Cel-animation line quality: clean confident outlines, flat colour fills, hand-painted watercolour background, subtle paper grain. No text, no logos, no watermark, no photorealism, no 3D render, no lens flare, no modern buildings.

Ustawienia: quality high, rozmiar 2048x1152 (16:9), jeden obraz. Nie obniżaj do medium. Ziarno papieru i atramentowe krawędzie źdźbeł to dokładnie te szczegóły, które niższa warstwa wygładza, a te dwie rzeczy sprzedają całe ujęcie.

Zwróć uwagę, czego prompt nie mówi. Żadnej nazwy studia, żadnej nazwy reżysera. Każda instrukcja stylistyczna to opis techniki: gwasz, ręcznie atramentowane krawędzie, płaskie wypełnienia kolorem, jakość linii cel-animation. To nie jest wybredność, to lepszy prompt, ponieważ "cel animation z płaskimi wypełnieniami i widocznym ziarnem papieru" to konkretna instrukcja, a nazwa studia to niejasna.

Oto przebieg.

Playground GPT Image 2 na Atlas Cloud z załadowanym promptem ręcznie malowanego wzgórza przy jakości high i 16:9 oraz gotową klatką kluczową w stylu Ghibli wyrenderowaną w panelu wyjściowym

GPT Image 2 przy jakości high , 2048x1152, uruchomiony na Atlas Cloud. Zwróć uwagę na przycisk Run: $0.1745, a nie $0.009 na stronie z cenami.

I sama klatka kluczowa, bo zaraz podasz ten dokładny plik do następnego kroku:

Ręcznie malowana klatka kluczowa letniego wzgórza: dziewczynka w żółtym płaszczu przeciwdeszczowym widziana od tyłu w wysokiej trawie, jednotorowy tramwaj na kamiennym wiadukcie za doliną, płaskie warstwowe chmury cumulus

Wygenerowane za pomocą openai/gpt-image-2/text-to-image . Ten PNG jest pierwszą klatką gotowego ujęcia na górze artykułu.

Krok 2: Ożyw to w ruch MiniMax H3 Ghibli Style

Teraz interesująca część. Ten prompt jest dłuższy niż większość ludzi pisze, i to celowo: piszesz arkusz timingowy, a nie nastrój.

Cztery rzeczy, które określa, a typowy prompt nie: kiedy zaczyna się każdy podmuch, kiedy tramwaj wjeżdża i wyjeżdża, że kadencja jest na twos, oraz pełny akapit audio z czasami wejścia dla każdej warstwy.

Załaduj swój PNG z Kroku 1 na stronie MiniMax H3 image-to-video i wklej to.

PlainCopy
1Animate this painting as one continuous hand-drawn shot, 15 seconds, no cuts.
2Camera: a very slow push in, barely perceptible, plus a gentle drift right of about five percent of frame width. No zoom snap, no handheld shake.
3Motion: wind moves through the tall grass in two long travelling waves, one starting at second two and one at second nine, bending the blades the same direction each time. The girl's raincoat hem and hair lift with each gust; her straw hat brim flexes. Clouds drift almost imperceptibly. At second seven a single-car tram crosses the viaduct left to right and leaves frame at second eleven. From second twelve to fifteen nothing moves except the grass and one cloud shadow crossing the hill: hold the stillness, do not add new action.
4Animation cadence: hand-drawn on twos, held drawings, slight frame-to-frame line wobble. No interpolated silky motion, no morphing, no melting edges. Keep flat colour fills and painted paper texture. Do not add photographic depth of field, bokeh or lens flare.
5Audio: continuous summer cicadas at a steady mid level; layered grass rustle that swells with each gust; one distant tram bell at second seven with faint wheel rumble fading out by second eleven; and a sparse solo piano line of four notes entering at second three and resolving at second thirteen. No voice, no narration, no dialogue, no on-screen text, no music beyond that piano line.

Ustawienia: image = twój PNG z Kroku 1, resolution 2K, duration 15, ratio adaptive. To ostatnie to nie lenistwo. Enum na tym endpointcie zawiera tylko adaptive, a przesłana klatka decyduje o kształcie wyjścia, więc klatka kluczowa 16:9 daje klip 16:9.

Teraz przeczytaj przycisk Run, zanim go klikniesz, bo właśnie tutaj straciliśmy jedno ujęcie.

Przy 2K i 15 sekundach kwota powinna wynosić $2.10. Nasza wynosiła $1.12. Suwak czasu trwania nigdy nie przyjął naszego 15, zlecenie zostało uruchomione z domyślnymi 8 sekundami, a każde inne pole w formularzu wciąż wyglądało idealnie poprawnie. Oto ten przebieg, z pułapką siedzącą w kadrze.

Playground MiniMax H3 image-to-video na Atlas Cloud z załadowaną malowaną klatką kluczową, rozdzielczość 2K, i gotowym klipem wzgórza w stylu Ghibli odtwarzanym w panelu wyjściowym

Prompt prosi o 15 sekund. Odtwarzacz pokazuje 0:08. Przycisk Run pokazuje $1.12. Rozdzielczość 2K została zastosowana, czas trwania nie. Przeczytaj cenę, nigdy suwak.

Napraw to na jeden z dwóch sposobów: przeciągnij suwak i potwierdź, że kwota zmieni się na $2.10 przed wysłaniem, albo wyślij zlecenie przez API, gdzie duration: 15 to tylko pole, które nie może po cichu zostać pominięte. Klip na górze tego artykułu to druga ścieżka, ten sam endpoint i ten sam prompt, resolution: 2K, duration: 15.

Dostarczone w ten sposób: kontener 15.08 sekundy, 2560x1440, 24fps, H.264 z dźwiękiem AAC stereo przy 32kHz, bez znaku wodnego. Przypadkowa 8-sekundowa wersja wróciła z dokładnie 8.00 sekundami i identyczną geometrią. Przewiduj od 5 do 10 minut czasu rzeczywistego; 8-sekundowe zlecenia 2K lądują w zakresie 310 do 400 sekund w naszych przebiegach, a zlecenie 2K niosące trzy referencje zajęło 557 sekund.

Krok 3: Dopasuj drugie ujęcie za pomocą Reference-to-Video

Jedno ujęcie to demo. Dwa ujęcia, które należą do tego samego świata, to sekwencja, i tutaj większość eksperymentów w stylu Ghibli się rozpada: twarz postaci dryfuje, paleta się ociepla, ziarno papieru znika.

Rozwiązaniem nie jest lepszy prompt. To inny endpoint. Reference-to-video pobiera oznakowany materiał referencyjny i przenosi jego wygląd do nowego ustawienia kamery.

Podaj mu swoją klatkę kluczową z Kroku 1 jako referencję. Ta pojedyncza klatka niesie paletę, jakość linii i ziarno papieru, a w tym ujęciu samodzielnie utrzymała wygląd, jak pokazuje wynik poniżej. Jeśli twój własny przebieg dryfuje po rozpoczęciu ruchu, dodaj nieruchomy obraz wyeksportowany z końca twojego klipu z Kroku 2 jako drugą referencję, która przenosi to, co model zrobił z linią, gdy zaczęła się poruszać. Następnie wklej to na endpoint reference-to-video.

PlainCopy
1Match the painted look, palette, line quality and paper grain of the reference images exactly, then film a different shot in the same world: a low camera at grass height on the same hillside, looking up at the same girl in the yellow raincoat as she crouches to touch one tall stalk, then stands and looks off toward the valley.
2One continuous shot. Hand-drawn on twos, held drawings, flat colour fills, hand-painted watercolour background. No photorealism, no new characters, no costume change, no text, no watermark.
3Camera: static for the first four seconds, then a slow tilt up following her as she stands, ending on her profile against the cream sky.
4Audio: the same summer cicada bed and grass rustle as the reference; one soft cloth movement as she stands; the same sparse solo piano continuing without restarting. No dialogue, no narration.

Ustawienia: refers = twoja klatka kluczowa, resolution 2K, ratio adaptive (klatka referencyjna ustawia kształt wyjścia), i wybierz swój czas trwania. Nasz przebieg wrócił z 8 sekundami przy 2K, wyceniony na $1.12 z referencją rozliczoną za $0. Trzy uwagi z prawdziwych przebiegów:

• Pliki referencyjne są bezpłatne. Dziesięć obrazów referencyjnych kosztuje dokładnie tyle samo co jeden przy tej samej długości i rozdzielczości.
• Jeśli przekazujesz data URL, zadeklaruj jego type jawnie. Endpoint wnioskuje typ z rozszerzenia pliku, a data URL go nie ma.
• Nigdy nie podawaj .mp4 do przesyłarki tej strony w zautomatyzowanym przechwytywaniu. Powoduje to ciche niepowodzenie każdego przesyłania i szarzeje przycisk Run.

Playground MiniMax H3 reference-to-video na Atlas Cloud z załadowaną klatką kluczową Ghibli jako referencją i promptem dopasowanego ujęcia przy 2K

MiniMax H3 reference-to-video: klatka kluczowa w slocie Reference Materials, prompt dopasowanego ujęcia załadowany, 2K. Materiał referencyjny jest rozliczany za $0, więc kwota $1.12 to cały render. Wynik jest tuż poniżej.

Dopasowane drugie ujęcie w tym samym świecie MiniMax H3 Ghibli style: niska kamera na wysokości trawy patrząca w górę na dziewczynkę w żółtym płaszczu przeciwdeszczowym

Dostarczone drugie ujęcie. Ta sama paleta, ta sama grubość linii, to samo ziarno papieru, nowa kamera. Cichy GIF ; źródłowy mp4 niesie dźwięk stereo.

To jest pełny łańcuch: namaluj, ożyw, dopasuj. Trzy przebiegi, jedna zakładka.

Trzy warianty, które warto uruchomić dalej, gdy łańcuch już działa:

• Twoje własne zdjęcie, przemalowane. Wyślij krajobraz lub zdjęcie uliczne, które posiadasz, przez google/nano-banana-2/edit z: "Repaint this photograph as a hand-painted 2D animation background: gouache and watercolour texture, clean hand-inked outlines, flat colour fills, limited palette of green, cream and sky blue, subtle paper grain. Keep the exact same composition, camera angle and horizon line. Remove all text, signage and logos. No photorealism, no 3D render." Następnie ożyw wynik. Przytnij malowaną klatkę do 9:16, jeśli chcesz pionową, ponieważ klatka decyduje o kształcie, a nie pole proporcji.
• Ta sama klatka, inna pogoda. Poprzedź prompt z Kroku 2 frazą Repaint the lighting as dusk in light rain: palette shifts to slate blue, wet cream and one warm window glow; i zamień warstwę audio na stały, lekki deszcz plus jeden odległy grzmot w ósmej sekundzie. Nie jest potrzebna nowa klatka kluczowa.
• Najpierw szkic w 768P. Tańsze za sekundę, przydatne do blokowania. Jedna twarda zasada z tym związana, w następnej sekcji.

Ile kosztuje sekwencja MiniMax H3 Ghibli Style

Podgląd: publikowalna 30-sekundowa sekwencja dwóch ujęć kosztuje około $4.40, a tania ścieżka szkicowa ma haczyk, który kosztuje więcej niż oszczędza.

Oto rachunek, zbudowany na podstawie stawek za sekundę zweryfikowanych na stronach modeli i potwierdzonych na podstawie rzeczywistych rekordów zleceń.

Teraz haczyk. Szkicowanie w 768P w celu oszczędzenia pieniędzy działa w przypadku kompozycji i blokowania, ale nie działa tak, jak ludzie zakładają.

Dwie rzeczy, które zmierzyliśmy. Po pierwsze, ponowne uruchomienie gołego promptu text-to-video w innej warstwie rozdzielczości nie wraca ostrzejsze, wraca jako inny film: inny wystrój sceny, inna wysokość kamery, inne rekwizyty. Zablokowanie pierwszej klatki przez image-to-video ogranicza różnicę do szczegółów. Po drugie, i to nas zaskoczyło: przy tej samej zablokowanej pierwszej klatce i tym samym prompcie, ścieżki audio z dwóch warstw są niezwiązane. Korelacja przebiegów między nimi wyniosła 0.0053, co jest szumem statystycznym.

Innymi słowy: szkic 768P podgląda twoją kompozycję i beaty akcji. Nigdy nie jest to miks, który wysyłasz.

Hołd, prawa autorskie i co możesz publikować

Krótka wersja, i to nie porada prawna: sam styl wizualny generalnie nie jest tym, co chroni prawo autorskie, ale dane treningowe i wyniki to żywe i sporne pytanie, a warunki platformy to osobna kwestia.

Ten spór nie jest hipotetyczny. 27 października 2025 roku Japan's Content Overseas Distribution Association, organ reprezentujący posiadaczy praw obejmujący anime, filmy, gry i wydawnictwa, złożył pisemny wniosek, prosząc, aby "treści jego członków nie były wykorzystywane do uczenia maszynowego bez ich zgody", i zauważył, że "zgodnie z japońskim systemem praw autorskich, ogólnie wymagana jest wcześniejsza zgoda na korzystanie z utworów chronionych prawem autorskim i nie ma systemu pozwalającego uniknąć odpowiedzialności za naruszenie poprzez późniejsze zastrzeżenia" (CODA, październik 2025).

Trzy praktyczne nawyki, które utrzymują czystość twoich wyników:

• Opisuj technikę, nigdy studio. Nasze prompty powyżej wymieniają gwasz, on twos, płaskie wypełnienia i ziarno papieru, a nigdzie nie wymieniają firmy ani reżysera.
• Nie umieszczaj w kadrze rozpoznawalnych postaci, logo ani tablic tytułowych. Nasze wzgórze nie zawiera w ogóle żadnego IP postaci.
• Sprawdź warunki, które mają zastosowanie do twojego konta, zanim zaczniesz monetyzować, i sprawdź warunki platformy, na której publikujesz, osobno.

Zbuduj świat, który dzieli technikę z filmami, które kochasz. Nie buduj podróbki konkretnego.

Często zadawane pytania

Czy MiniMax H3 może zrobić styl Ghibli i czy powinienem napisać "Studio Ghibli" w prompcie?

Tak na pierwsze, a drugiego byśmy nie robili. Każdy wynik w tym artykule pochodzi ze słownictwa technicznego: hand-painted 2D cel animation, gouache with visible brush texture, hand-inked outlines, flat colour fills, on twos, held drawings, subtle paper grain. Te sześć fraz niesie wygląd, są bardziej szczegółowe niż nazwa studia i upraszczają kwestię publikacji.

Czy MiniMax H3 sam generuje wiatr i fortepian, czy dodaję dźwięk później?

Sam, w tym samym zleceniu. MiniMax opisuje H3 jako "generowanie wideo z natywnym dźwiękiem stereo, do 15 sekund w rozdzielczości 2K" (MiniMax, lipiec 2026), a nasze dostarczone pliki niosą AAC stereo przy 32kHz. Napisz dedykowany akapit Audio: nazywający każdą warstwę i czas jej wejścia. Jeśli chcesz pełny skomponowany utwór, a nie cue, wygeneruj go osobno na minimax/music-2.6 za $0.15 i zmiksuj.

Jak długie może być jedno ujęcie i czy 15 sekund faktycznie się utrzymuje?

Czas trwania akceptuje każdą pełną sekundę od 4 do 15 na wszystkich trzech endpointach, a nasze żądanie 15 sekund dostarczyło kontener o długości 15.08 sekundy. Utrzymuje się. Powód, by chcieć 15, a nie 8, nie jest epicki rozmach, to przeciwieństwo: to jedyny sposób, aby pozwolić sobie na trzy sekundy, w których nic się nie dzieje, co jest dokładnie tym beatem, na którym zbudowany jest ten styl.

Jak utrzymać tę samą postać, paletę i ziarno papieru w dwóch ujęciach?

Użyj reference-to-video z dwoma referencjami – oryginalną klatką kluczową plus nieruchomym obrazem z pierwszego gotowego klipu – i napisz "match the painted look, palette, line quality and paper grain of the reference images exactly" jako pierwszą klauzulę. Uważaj na jedno ciche niepowodzenie: mieszanie image i refers w jednym wywołaniu kończy się i obciąża w pełni, jednocześnie odrzucając jedno z wejść, bez żadnego pola ostrzegawczego w odpowiedzi.

Czy powinienem szkicować w 768P i ponownie uruchomić w 2K, aby zaoszczędzić pieniądze?

Szkicuj w 768P dla kompozycji, tak. Ale zablokuj pierwszą klatkę przez image-to-video, w przeciwnym razie ponowne uruchomienie zwróci inny film. I traktuj dźwięk ze szkicu jako jednorazowy: ta sama klatka, ten sam prompt, inna warstwa, a dwie ścieżki audio zmierzyły korelację przebiegów 0.0053. Miks jest regenerowany, a nie podbijany.

Czy wideo MiniMax H3 Ghibli style jest bezpieczne do publikacji lub monetyzacji?

Zależy od tego, co jest w kadrze i co mówią warunki twojego konta, i to nie jest porada prawna. Prompty opisujące styl, bez IP postaci, logo i nazwy studia w kadrze, to konserwatywna wersja i to jest wersja, którą demonstruje ten artykuł. Zweryfikuj obowiązujące warunki przed użyciem komercyjnym.

Jeszcze jedna rzecz, którą warto powtórzyć, bo to część, którą ludzie pomijają. Powód, dla którego minimax h3 ghibli style ujęcie trafia w sedno, to nie zielona paleta. To fakt, że ruch jest celowo gorszy, niż model potrafi, i że ostatnie trzy sekundy mają prawo być puste. Napisz arkusz timingowy. Napisz dźwięk. Potem pozwól temu być nieruchomo.