MiniMax H3 Guia de Prompts: Estudei 45 Prompts Oficiais Para Você Não Precisar

Use o MiniMax H3 como um breve resumo de produção, não como um prompt de imagem única. A estrutura reutilizável é simples: vincule cada ativo de referência, declare a ideia central e escreva a cena como uma sequência audiovisual cronometrada com movimento de câmera, diálogo, ambiente, música e restrições em blocos separados.

Este guia faz engenharia reversa de 45 exemplos oficiais do MiniMax H3 em uma fórmula de prompt de seis partes, mostra onde o end_image pertence, explica como dicas de áudio nativas alteram o resultado e fornece uma correção prática para texto distorcido em clipes gerados.

Você já sabe como fazer um prompt para um modelo de vídeo. "Iluminação cinematográfica, câmera lenta, 4K." Esse vocabulário te sustentou por dois anos.

Então você cola isso no MiniMax H3 e recebe um clipe 2K que chega com sua própria trilha sonora. A imagem está ótima. O ritmo é uma pasta. Duas letras no seu título estão escritas erradas. O áudio é algum ruído ambiente que o modelo escolheu para você.

O modelo não é o problema. Você deu a ele uma frase. Ele queria um cronograma.

Então fui ler todos os 45 prompts de exemplo que a MiniMax enviou com o H3, além dos clipes finalizados que os acompanhavam, e desmontei os quadros. Os prompts oficiais não são descrições. Os bons são listas de tomadas com uma folha de dicas musicais grampeada nas costas. Abaixo está a estrutura, os parâmetros que estão realmente expostos agora, e uma demonstração que você pode reproduzir em cerca de vinte minutos.

Principais conclusões

• Os prompts do H3 são linhas do tempo, não descrições. Os exemplos oficiais mais fortes literalmente fatiam o clipe com marcadores [0s-2s], [2s-4s], e o filme finalizado atinge cada batida.
• Som e imagem saem da mesma passada, então o áudio tem que viver dentro do corpo do prompt. Os prompts oficiais dão a ele seu próprio bloco, até "baixo jazz entra aos 6s".
• Texto que você soletra volta limpo. Texto que você não soletra volta como ruído em forma de letra. Tenho os recortes de quadro de um único clipe oficial provando ambas as metades ao mesmo tempo.
• O image-to-video aceita um end_image. Dê a ele um primeiro quadro e um último quadro e o arco emocional está fixado antes de você gastar um segundo de computação.
• O comprimento do prompt não é uma virtude. Prompts oficiais curtos funcionam quando uma imagem de referência está fazendo a descrição. O comprimento reflete o quanto do trabalho você se recusou a entregar a uma referência.

O cachorro do This Is Fine, ainda à esquerda e queimando em 10 segundos de saída do MiniMax H3 à direita

Esse é o mesmo desenho em ambos os lados. À esquerda está o painel original de KC Green, intocado. À direita está uma chamada de image-to-video: primeiro quadro dentro, último quadro dentro, dez segundos de saída, e o estalo do fogo e o pequeno "this is fine" achatado são a própria trilha de áudio do modelo. Ninguém compôs. Tudo neste guia visa te levar a essa segunda metade.

Como é realmente um Prompt do MiniMax H3 (Li Todos os 45)

Todo "guia de prompt do MiniMax H3" atualmente na primeira página de pesquisa é uma ficha técnica: 2K, 24fps, 5 a 15 segundos, áudio nativo. Isso é o cartão do modelo. Não é um prompt.

Aqui está um real. Este é um pedaço do prompt oficial por trás da sequência de título noir da MiniMax, traduzido do original chinês, com cerca de um terço de seu comprimento total:

Gere uma sequência de título de filme policial de suspense leve de 15 segundos em 16:9. O estilo geral faz referência à linguagem visual destas imagens: cartões de título retro de anime japonês, silhuetas de arestas duras, colagem de quadrinhos, tela dividida assimétrica, blocos de cores geométricos fortes, títulos de crédito em inglês, um pouco de decoração em katakana japonês, sensação de jazz policial. O clima é 60% suspense, 40% jazz: misterioso, cool, ágil, crime urbano, não terror, não pesado, e não transforme em um clipe de jazz alegre.

[...] Os créditos em inglês devem ser claramente legíveis [...] Não adicione chinês, não produza texto distorcido, não escreva errado o inglês. Regra para toda a peça: cada crédito em inglês e cargo aparece exatamente uma vez. Não repita um cargo, não repita um nome, não dê a uma pessoa vários títulos.

As transições devem ser variadas: máscara circular de vinil, wipe vertical de porta de carro, sombra longa de uma figura varrendo a tela, corte de linha vermelha, máscara de letra gigante em inglês, recomposição de quadro de tela dividida, corte duro de bloco de cor, painéis colados bloco a bloco. Todas as transições caem nas batidas da bateria: nítidas, de suspense, ágeis, colagem de quadrinhos. Sem dissoluções suaves, sem transições fluidas.

BGM: música de título original de 15 segundos, 60% suspense, 40% jazz. Construída a partir de um tom de baixo sustentado, cordas pizzicato tensas, pulsos de sintetizador frios, bumbo, brushes de jazz esparsos, um fragmento de walking bass, frases curtas de sax barítono e stabs de metais breves. Os primeiros 2 segundos estabelecem suspense com frequências baixas e chimbal, aos 3 segundos a bateria grave entra, aos 6 segundos o groove de baixo jazz se junta, aos 10 segundos um riff curto de sax/metais aparece, os últimos 2 segundos fixam com um acorde tenso e batida de bateria.

Veja para onde as palavras foram. Quase nenhuma foi para "bonito" ou "cinematográfico". Elas foram para uma lista negativa, uma lista de transições e uma folha de dicas musicais segundo a segundo. Essa é a forma do trabalho. Sequência de título noir oficial do MiniMax H3: MIDNIGHT LINE, com créditos STARRING limpos

Observe os créditos nesse clipe. MIDNIGHT LINE, STARRING, MAYA CROSS, REN KATO, LENA WARD, DIRECTED BY NOAH VOSS. Soletrados corretamente, nenhum cargo usado duas vezes, decoração katakana onde foi solicitada. O prompt não disse "faça títulos bonitos". Disse sem repetições, sem erros de ortografia, sem chinês, e nomeou a estética de cinco maneiras diferentes. Cinco quadros de referência de estilo entregues ao MiniMax H3 junto com o prompt do título noir

Esses cinco quadros foram com o texto. Cinco imagens mais um breve longo, uma geração. É assim que esse trabalho se parece agora.

E a razão pela qual tantos dos 45 prompts são curtos está bem aí na imagem. Em todo o conjunto, o prompt mediano tem cerca de 130 caracteres chineses, mas os dois mais longos têm 657 e 858. Os curtos são curtos porque um quadro de referência está carregando a descrição. Os longos são longos porque nada mais iria carregá-la.

Por que a Maioria dos Prompts do MiniMax H3 Saem Sem Graça, e a Correção para Texto Distorcido

Três coisas dão errado, e todas são ausências, não erros.

Sem linha do tempo. Você pediu dez segundos e descreveu um momento, então você recebe um slow push-in esticado por dez segundos. O modelo não tinha nada para fazer no sétimo segundo.

Sem bloco de áudio. O som é gerado na mesma passada que a imagem. Se você não disser nada, o modelo ainda entrega uma trilha. Ele só escolhe uma.

Sem lista negativa. Sozinho, o modelo busca dissoluções suaves, inventa texto extra na tela e adiciona uma faixa de legenda que ninguém pediu.

A prova mais clara é o prompt oficial de interface de jogo, que é construído a partir de seis batidas com carimbo de tempo: [0s-2s] menu, [2s-4s] painel do braço direito, [4s-7s] grade de armamento, [7s-8.5s] confirmar, [8.5s-10s] barra de carregamento, [10s-15s] o mundo carrega. O clipe finalizado atinge todos os seis, em ordem, no tempo. Clipe de interface de jogo MiniMax H3: menu, painel de equipamento, barra de carregamento, carregamento do mundo

Agora a metade honesta, do mesmo clipe, em resolução total 2560x1440. Esquerda: texto soletrado no prompt renderiza limpo. Direita: texto não soletrado renderiza como ruído em forma de letra

À esquerda, cada string que o prompt realmente digitou: RIGHT ARM EQUIPMENT, PHANTOM GRIP, CHRONOS CLAW. Nítido, correto, com kerning como um menu de jogo real.

À direita, o HUD no último plano de rua, que o prompt só chamou de "elementos HUD". Lê-se ETR METNO CITFEP. Acima dos ícones de equipamento, onde o prompt não disse nada, você recebe MNALEαIN IAMG. Isso não é um bug de renderização. O modelo está desenhando a textura do inglês porque nunca recebeu a string.

Então a correção não é uma configuração. É um hábito:

Se uma palavra precisa ser legível, digite a palavra. Em seguida, adicione uma linha negativa: não escreva errado, não adicione outro texto, não adicione legendas.

E aqui está a forma de seis blocos que todo prompt oficial forte acaba compartilhando.

Os blocos 5 e 6 são gratuitos. Eles não custam nada extra para gerar e é onde mora a maior parte da qualidade.

O Fluxo de Trabalho do Prompt do MiniMax H3: A Qual Endpoint Seu Prompt Pertence

Mesma chave, mesma forma de submit-and-poll, três portas. Qual você escolhe decide o que seu prompt ainda precisa fazer.

refers[] é o que é genuinamente subdocumentado na natureza, então aqui está a forma que ele quer:

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

Quatro regras que cada uma vai te salvar de uma geração desperdiçada:

1. Áudio não pode vir sozinho. Pelo menos uma imagem ou vídeo tem que estar no array. Uma faixa de batida sozinha é rejeitada.
2. type é opcional. É inferido da URL, mas declare-o mesmo assim quando a extensão for ambígua.
3. Os tetos são reais. Até 9 imagens, 3 vídeos e 3 clipes de áudio, 12 arquivos no total, com vídeo e áudio de referência com duração de 2 a 15 segundos cada (docs da API MiniMax, julho de 2026).
4. Dê a cada referência um trabalho dentro do texto do prompt. Este é o hábito de maior alavancagem nesta lista. Prompts oficiais abrem com linhas como "A Imagem 1 é a referência de clima e estilo geral, a Imagem 2 é a referência do personagem principal." Sem essa frase, o modelo tem que adivinhar qual quadro significa o quê.Videoclipe dark-pop do MiniMax H3: tipografia CUT BACK, ONE LOOK, DETONATE Os dois quadros de referência tipográfica por trás do clipe dark-pop

Esse clipe é o argumento para a regra 4. Seu prompt nunca descreve uma única letra. Ele diz "o estilo de embalagem de texto e a textura referenciam as imagens", e entrega dois quadros. O layout chegou porque foi mostrado, não descrito.

Mais uma tabela, porque o cartão do modelo e a API atualmente não dizem a mesma coisa, e a lacuna é onde as pessoas perdem uma tarde.

Tudo acima foi executado no Atlas Cloud, onde todos os três endpoints H3 ficam atrás de uma chave e um loop submit-and-poll, então alternar entre eles é uma mudança de string de modelo e nada mais.

Tutorial de Prompt do MiniMax H3: Coloque Fogo no Cachorro do This Is Fine, Com Som

Aqui está tudo de ponta a ponta. A piada funciona porque o cachorro não faz nada. Estique essa negação em dez segundos de tempo real, adicione fogo real, e deixe os últimos dois segundos irem para onde a história em quadrinhos original realmente foi, e fica mais engraçado e um pouco pior para você. A maioria das pessoas só viu os dois primeiros painéis.

Passo 1: Baixe a história em quadrinhos original. Não deixe uma IA redesenhá-la.

A tira tem seis painéis, duas colunas por três linhas, 600 por 887. Só queremos o painel 2 e o painel 6.

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 painéis, 2 cols x 3 linhas
3
4# recortar painel 2 (o painel "THIS IS FINE."):  x 302-584, y 20-293
5# recortar painel 6 (o cachorro derretendo):      x 302-584, y 595-868
6# upscale cada 4x com Lanczos  ->  1128x1092
7

Diga claramente: não peça a um modelo de imagem para desenhar "um cachorro que se parece com This Is Fine". Uma recriação por IA é percebida como falsa em meio segundo e a piada morre na hora. A aquarela, a letra manual trêmula e o grão do papel são todo o contrato. O upscale 4x Lanczos só está ali porque 282px de fonte é pouco; dá ao modelo pixels reais para segurar sem inventar nenhum. Painel 2 e painel 6 da história em quadrinhos original, rotulados como entradas de primeiro quadro e end image

Passo 2: Execute no image-to-video com um end_image.

Modelo: minimax/h3/image-to-video. Configurações: resolução 2K, imagem = painel 2, end_image = painel 6, proporção 1:1 para corresponder à fonte quase quadrada. Defina duração para 10; o controle deslizante fica em 8 por padrão, então arraste.

textCopy
1Painel de webcomic 2D pintado à mão, trazido à vida. Mantenha a textura de aquarela
2original, contornos de tinta visíveis, grão de papel fora de registro e paleta de
3quadrinhos plana em cada quadro. Não suavize, não renderize novamente em 3D, não
4limpe o traço, não adicione novos objetos, não adicione novo texto.
5
6[0s-3s] Quase nada se move. O cachorro senta perfeitamente imóvel, segurando a
7caneca, olhos fixos à frente. Apenas as chamas atrás dele se movem: lambidas
8laranja lentas subindo pela parede, uma brasa flutuando para cima. O balão de
9fala lendo "THIS IS FINE." fica exatamente onde está, totalmente legível,
10inalterado, escrito à mão.
11
12[3s-6s] O cachorro levanta a caneca e dá um pequeno gole calmo. O balão de fala
13desaparece após o gole. O fogo se intensifica. A parede atrás dele começa a
14distorcer com o calor. Seu chapéu começa a fumegar na aba.
15
16[6s-8.5s] O calor o atinge. Suas orelhas caem, seu contorno amolece e começa a
17escorrer para baixo como tinta molhada. Ele ainda não move os olhos. A caneca
18permanece em sua pata.
19
20[8.5s-10s] Derretimento total. O rosto se distorce, um olho desliza, dentes à
21mostra em um sorriso fixo, o pelo corre vermelho e laranja. Ele mantém a pose.
22Segure no quadro final pelo último meio segundo.
23
24Câmera: fixa, plano geral estático único, sem push-in, sem câmera na mão, sem
25cortes. O quadro nunca se move. Esta é uma única tomada contínua dentro de um
26painel de quadrinhos.
27
28Áudio: ruído ambiente de um fogo interior durante todo o clipe - crepitar baixo,
29estalo ocasional de madeira queimando, um rangido estrutural fraco. Aos 3s, uma
30caneca de cerâmica tocando dentes e um pequeno gole. Uma voz masculina calma,
31plana, sem incômodo diz exatamente: "This is fine." - sem emoção, muito relaxado.
32A partir de 6s o crepitar fica mais alto e o ruído ambiente engrossa; os últimos
332 segundos adicionam um swell de sub-graves baixo. Sem música, sem trilha de
34risadas, sem efeitos sonoros que não estejam nesta lista.
35
36Não adicione legendas. Não adicione marca d'água. Não soletre nenhuma palavra
37além das palavras já na imagem. Não mude "THIS IS FINE." Não corte para fora.
38

Esse prompt é a tabela de estrutura, viva. O primeiro parágrafo é o contrato de estilo. As quatro fatias entre colchetes são a linha do tempo. Depois câmera, depois áudio, depois a lista negativa. Nada nele é decorativo. MiniMax H3 image-to-video no Atlas Cloud: primeiro quadro e end image carregados, 10 segundos em 2K, clipe finalizado no painel de saída

Passo 3: Leia a saída como uma passagem de QA.

Quatro verificações, cada uma testando um bloco diferente do prompt.

1. O THIS IS FINE. no balão ainda está legível e ainda escrito corretamente? Isso testa o bloco 5.
2. O traço sobreviveu, ou algo "melhorou" para 3D limpo? Isso testa o bloco 1.
3. O áudio contém apenas os sons que você listou? Investigue o contêiner: deve retornar h264 mais AAC estéreo.
4. O quadro final cai na pose do painel 6? Isso testa o 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

O meu retornou 1472x1440, 24fps, h264 mais AAC estéreo, 10.13 segundos. Vale notar: pedi proporção: 1:1 e recebi 1472x1440, então no image-to-video a forma do quadro fonte vence. Combine seus dois painéis para a forma que você realmente deseja. Quatro quadros do clipe finalizado em 0s, 3s, 6.5s e 10s, correspondendo às quatro fatias de tempo no prompt

Passo 4: Mova o cachorro para algum lugar novo com reference-to-video.

Mesmo personagem, nova sala. Modelo: minimax/h3/reference-to-video. Configurações: refers[] = painel 2 como imagem, duração 8, resolução 2K, proporção 16:9.

textCopy
1A Imagem 1 é a referência de personagem e estilo de arte: mantenha este visual
2exato de webcomic 2D pintado à mão, a mesma textura de aquarela, o mesmo peso
3de contorno de tinta, o mesmo cachorro, o mesmo chapéuzinho, a mesma caneca.
4Não o redesenhe em 3D, não mude suas proporções, não limpe o traço.
5
6Coloque-o em uma sala diferente e mantenha sua compostura. Um escritório de
7plano aberto apertado à noite, lâmpadas fluorescentes piscando, uma parede de
8monitores todos mostrando um estado de erro vermelho, papel de impressora
9flutuando pelo quadro, um pequeno incêndio elétrico no canto. Ele senta em uma
10cadeira de escritório no centro do quadro, caneca na pata, olhando diretamente
11para a câmera, completamente relaxado.
12
13Câmera: fixa, plano geral estático. Sem push-in, sem cortes.
14
15Áudio: zumbido fluorescente, rangido de impressora, um alarme suave e repetitivo
16a cada dois segundos, estalo elétrico distante, um gole calmo aos 4s. Sem música.
17Sem voz.
18
19Não adicione nenhum texto na tela. Não adicione legendas. Não adicione outros
20personagens.
21

A regra transferível: refers[] carrega identidade e estilo, o texto carrega a cena. Essa divisão é todo o truque para a consistência do personagem, e é por isso que a primeira linha do prompt existe. O mesmo cachorro de webcomic realocado para um escritório de plano aberto em chamas à noite, gerado pelo MiniMax H3 reference-to-video

Mesmo chapéu, mesma caneca, mesmo peso de tinta, nova sala. Uma imagem de referência fez tudo isso.

Mais Três Padrões de Prompt do MiniMax H3 Que Vale a Pena Roubar

Padrão 1: o pôster em movimento, onde o layout não deve se mover. Pôster em movimento MiniMax H3: o layout POPUP! anima enquanto o quadro e a tipografia permanecem travados O pôster estático original entregue ao MiniMax H3

O prompt inteiro tem duas linhas: mantenha a moldura branca da galeria, a moldura interna, a paleta vermelho-branco-preto, a sensação de figura 3D e a estrutura do layout inalterados, e coloque um efeito sonoro ágil sob a entrada do texto. A regra: nomeie as partes que devem sobreviver. "Mantenha o layout" não é uma nota de estilo, é uma restrição, e o modelo a trata como tal.

Padrão 2: a demonstração de interface, onde verbos vencem adjetivos. Demonstração de página de destino MiniMax H3: scroll, hover, inversão de cor em uma página de produto A imagem de referência do produto único por trás do clipe da página de destino

Esse prompt pede um scroll de página para baixo, um estado de hover, um aumento forte e uma inversão de cor. Quatro verbos. Nunca diz "moderno" ou "elegante". Interações são ações, então escreva-as como ações. O tipo itálico grande e o fundo de tecido de carbono vieram dos adjetivos; a coisa que faz parecer uma página real veio dos verbos.

Padrão 3: live action mais desenho à mão, mantidos juntos por recusas. Clipe MiniMax H3 fundindo filmagem de cozinha live-action com criaturas brilhantes desenhadas à mão

Este é uma cozinha noturna filmada com celular com pequenas criaturas brilhantes desenhadas à mão, e a razão pela qual permanece charmosa em vez de se transformar em um curta de terror é uma lista de proibições: sem olhos gigantes, sem bocas abertas, sem presas, sem postura ameaçadora, sem avançar, sem corte repentino para preto, sem sustos. A lista negativa é o controle de estilo primário, não um remendo. É também onde você codifica o gosto. Quatro quadros do trailer sci-fi oficial: THE STARS WERE LISTENING O mood board e a referência de personagem por trás do trailer

O trailer acima fecha o ciclo em ambas as ideias. O prompt soletra um título, THE STARS WERE LISTENING, em detalhes: extremamente estreito, pesado, tudo em maiúsculas, vermelho escuro misturado com ferrugem, grão leve e bordas embaçadas. Esse volta exatamente como pedido. Dois quadros de referência cuidam do clima e do protagonista, então o texto nunca precisa descrever um rosto. Divisão de trabalho, em toda a linha.

Quanto Custa Executar Esses Prompts do MiniMax H3

O H3 é cobrado por segundo de vídeo gerado, por resolução, então o modelo de custo é refrescantemente chato: uma tomada de 15 segundos custa cerca de três tentativas de 5 segundos. Todo o resto segue disso.

• Itere em 5 segundos, entregue em 10 ou 15. Composição, paleta e design de som todos se resolvem em 5. Nada em uma tomada fixa precisa da duração total para dizer que está errada.
• end_image é uma ferramenta de custo, não apenas criativa. A maioria das reexecuções acontece porque o final derivou. Fixar o último quadro remove esse modo de falha antes de você pagar por ele.
• Listas negativas e texto soletrado são gratuitos. Eles adicionam caracteres a um prompt que é cobrado por segundo, não por token. Use-os pesadamente.
• Combine a duração com o endpoint antes de escrever. Construir uma lista de tomadas de 15 segundos e depois descobrir que seu endpoint tem um limite de 10 custa uma reescrita, não apenas uma reexecução.

Uma coisa para não planejar ainda: as tabelas de preços listam um nível 768p mais barato, mas no momento em que escrevo, um trabalho 768p é rejeitado diretamente e 2K é a única resolução que funciona. Faça orçamento como se cada segundo fosse um segundo 2K. As taxas atuais por segundo estão na página do modelo, que também é onde o nível 768p aparecerá assim que for aberto.

Prompts do MiniMax H3, Memes e Direitos Autorais

O cachorro não é domínio público. This Is Fine vem do webcomic Gunshow #648 de KC Green, publicado em 9 de janeiro de 2013, e apenas os dois primeiros painéis viralizaram (Know Your Meme, janeiro de 2013). Green falou publicamente, e com bastante cansaço, sobre ver a imagem sendo reutilizada para sempre, inclusive por pessoas cujas políticas ele não compartilha (NPR, janeiro de 2023).

Este passo a passo é comentário e ensino, não uma biblioteca de estoque. Se você quiser enviar algo comercialmente, desenhe seus próprios quadros ou licencie os que usar. E faça sua própria verificação de política antes de um trabalho de cliente: o H3 aplica regras de conteúdo a pessoas reais reconhecíveis e IP bem conhecido, e descobrir isso no meio do prazo não é divertido.

Perguntas Frequentes

O MiniMax H3 gera áudio, ou eu adiciono depois?

Mesma passada. Imagem e som saem juntos, que é exatamente por que o áudio tem que ser escrito no corpo do prompt em vez de ser anexado depois. Dê a ele seu próprio bloco Áudio: e declare quando cada som entra. Cada um dos nove clipes oficiais que investiguei retornou como AAC estéreo a 32kHz junto com um fluxo de vídeo 2560x1440, 24fps.

Quanto tempo um prompt do MiniMax H3 pode ter?

Até 7.000 caracteres, de acordo com a documentação da MiniMax. Na prática, os exemplos oficiais variam muito, com uma mediana em torno de 130 caracteres chineses e os dois mais longos em 657 e 858. Prompts curtos funcionam bem quando uma imagem de referência está fazendo a descrição. Se você não tiver referências, espere escrever uma lista de tomadas.

Por que o texto sai distorcido nos meus vídeos do MiniMax H3?

Porque você não o digitou. Strings que aparecem literalmente no prompt renderizam limpas; qualquer coisa que você indique genericamente ("elementos HUD", "alguns rótulos") retorna como textura em forma de letra. Soletre cada palavra que precisa ser legível, depois adicione não escreva errado, não adicione outro texto, não adicione legendas.

Quantas imagens, vídeos e clipes de áudio de referência um prompt do MiniMax H3 pode usar?

Nove imagens, três vídeos e três clipes de áudio, doze arquivos no total, com vídeo e áudio de referência entre 2 e 15 segundos cada. O áudio não pode ser a única referência. Observe que a capacidade do modelo e o que um determinado endpoint expõe são duas coisas diferentes, então verifique a página do modelo para a lista de entrada atual.

Um prompt do MiniMax H3 pode controlar como o clipe termina, não apenas como começa?

Sim, no image-to-video, através do parâmetro opcional end_image. Dê a ele um primeiro quadro e um último quadro e o clipe interpola entre eles. A demonstração acima é exatamente isso: painel 2 da história em quadrinhos dentro, painel 6 fora. Mantenha as duas imagens em proporções de aspecto semelhantes ou a transição fica feia.

Quais durações e resoluções posso obter agora?

2K, e apenas 2K. Um trabalho 768p é atualmente rejeitado com resoluções suportadas: 2K, apesar de 768p aparecer na tabela de preços. A duração difere por endpoint: text-to-video e image-to-video aceitam 5 a 10 segundos com um padrão de 8, enquanto reference-to-video aceita 5 a 15. Mais um problema: na geração apenas com texto, a API rejeita adaptativo e requer uma proporção explícita.