MiniMax H3 Workflow ที่น่าคัดลอกหนึ่งสัปดาห์หลังจากเปิดเป็นโอเพนซอร์ส (พร้อม 52 พรอมต์อย่างเป็นทางการ)

MiniMax ได้เผยแพร่บทสรุปของชุมชนเกี่ยวกับสัปดาห์แรกของ H3 ในฐานะโมเดลโอเพนซอร์ส โดยกล่าวถึงโมเดลที่แตกแขนงออกมาเกือบ 300 รุ่น, การกระจายของบิลด์ที่ผ่านการควอนไทซ์, เอ็นจินการอนุมานแบบเนทีฟสำหรับ Mac, และไปป์ไลน์การผลิตที่ขับเคลื่อนด้วยเอเจนต์ ทั้งหมดนี้ควรค่าแก่การดู

แต่สิ่งเดียวที่ควรค่าแก่การดึงออกมาก็คือประโยคใกล้ท้ายของส่วนแรก ซึ่งบรรยายถึงวิธีการทำงานจริงของนักสร้างแอนิเมชันคนหนึ่ง ด้วยคำพูดอย่างเป็นทางการ:

เขาสร้างวิดีโอ 480p บน RTX 3060 เพื่อทำซ้ำ ใช้ฮาร์ดแวร์ในเครื่องสำหรับพรีวิว เลือก และลองผิดลองถูก และเมื่อเวอร์ชันที่ถูกใจเขาแล้วเท่านั้น เขาจึงย้ายไปยังคลาวด์เพื่อเรนเดอร์ผลลัพธ์สุดท้ายที่ความละเอียดสูงขึ้น และจบด้วยซูเปอร์เรโซลูชัน

บทความอย่างเป็นทางการตั้งชื่อนิสัยนี้ว่า: การร่างในเครื่อง, จบในคลาวด์

สามคำนี้คือข้อสรุปเดียวกับที่เราพบเจอซ้ำแล้วซ้ำเล่าตลอดหลายเดือนของการเปรียบเทียบโมเดล ชิ้นงานนี้เป็นความพยายามที่จะพูดให้ถูกต้อง: เหตุใดการแบ่งแยกนี้จึงใช้ได้ และเมื่อมันใช้ได้แล้ว สิ่งที่คุณต้องเก็บไว้จริงๆ คืออะไร

ประเด็นสำคัญ

• MiniMax H3 ในที่สุดก็รันบนฮาร์ดแวร์สำหรับผู้บริโภคได้ แต่ในเครื่องจะเป็นปลายทางความละเอียดต่ำ ผลลัพธ์ 2K เป็นรอบแยกต่างหาก ไม่ใช่การเรนเดอร์ที่ใหญ่ขึ้น
• สิ่งเดียวที่ต้องข้ามจากร่างไปสู่ผลลัพธ์สุดท้ายคือพรอมต์ ดังนั้นเวิร์กโฟลว์ทั้งหมดจึงขึ้นอยู่กับว่าพรอมต์ของคุณรอดจากการเดินทางหรือไม่
• รันพรอมต์ MiniMax H3 ที่เหมือนกันทุกประการกับหลายโมเดลพร้อมกันเพื่อตรวจสอบสุขภาพของพรอมต์ ไม่ใช่เพื่อจัดอันดับโมเดล
• ข้อจำกัดสามารถเป็นไปตามตัวอักษรได้ แต่ยังคงพลาดประเด็น ล็อกคุณสมบัติที่承载แนวคิด ไม่ใช่ผลข้างเคียง
• สินทรัพย์สองอย่างที่ควรค่าแก่การเก็บไว้คือคลังพรอมต์ที่จัดหมวดหมู่และตรรกะการตัดสินใจเบื้องหลังพรอมต์แต่ละอัน

เหตุใด "ร่างในเครื่อง, จบในคลาวด์" จึงใช้ได้เฉพาะกับ MiniMax H3 ในตอนนี้

การแบ่งแยกขึ้นอยู่กับสิ่งเดียว: ปลายทางในเครื่องจู่ๆ ก็แข็งแกร่งขึ้น

ในสัปดาห์โอเพนซอร์สเดียว ชุมชนเคลื่อนไหวอย่างรวดเร็วในเรื่องประสิทธิภาพการอนุมาน ทีม ComfyUI ตัดน้ำหนักการมอดูเลตที่คิดเป็นประมาณสี่สิบเปอร์เซ็นต์ของจำนวนพารามิเตอร์ แทนที่ด้วยตารางที่คำนวณไว้ล่วงหน้า เพิ่ม INT8 quantization และเคอร์เนลที่กำหนดเอง และลดการรวมโมเดลที่เล็กที่สุดจาก 123.6GB เหลือ 42.5GB ของหน่วยความจำ เพิ่ม dynamic offloading และการ์ดกราฟิกสำหรับผู้บริโภคก็สามารถรันการอนุมานในเครื่องได้

แยกจากกัน antirez ผู้สร้าง Redis ได้เขียนเอ็นจินการอนุมาน Apple Silicon แบบเนทีฟตั้งแต่ต้นใน C และ Metal โดยอ่านน้ำหนัก safetensors โดยตรง และบรรจุ text และ vision encoders, DiT, และ vision และ audio VAEs ไว้ในโปรแกรม Mac แบบเนทีฟเดียว โดยไม่ต้องพึ่งพา Python หรือ PyTorch

ทีมวิจัยของ NVIDIA เสร็จสิ้นการเพิ่มประสิทธิภาพการอนุมานรอบแรกภายใน 4.5 ชั่วโมงนับจากวันเปิดตัว และรายงานความเร็วที่เพิ่มขึ้นแบบ end-to-end 3.95x เมื่อเทียบกับ Diffusers บนชุดการ์ดแปดใบ

รวมทั้งหมดแล้วผลลัพธ์ชัดเจน: การรันในเครื่องทำได้แล้ว แต่สิ่งที่เรนเดอร์ได้คือความละเอียดต่ำ

ดังนั้นการแบ่งแยกของ创作者จึงเป็นไปตามธรรมชาติ ความละเอียดต่ำนั้นเร็ว ถูก และทำซ้ำได้ ซึ่งเป็นสิ่งที่การลองผิดลองถูกต้องการ การส่งมอบยังคงกลับไปที่คลาวด์สำหรับผลลัพธ์สุดท้าย ปลายทั้งสองไม่ใช่สิ่งทดแทนกัน แต่เป็นสองสถานีในเส้นทางเดียวกัน

สิ่งที่ข้ามระหว่างสองขั้นตอนของ MiniMax H3 จริงๆ

นี่คือคำถามที่เราสนใจจริงๆ

คุณใช้เวลายี่สิบรอบที่ 480p ในเครื่อง และในที่สุดก็ได้ลุคที่ต้องการ ตอนนี้คุณย้ายไปที่คลาวด์สำหรับผลลัพธ์สุดท้าย สิ่งหนึ่งที่คุณสามารถพกติดตัวไปได้จริงๆ คืออะไร?

ไม่ใช่คลิป 480p เพราะความละเอียดต่ำเกินไป ไม่ใช่น้ำหนักโมเดล เพราะคลาวด์มีของตัวเอง

มันคือพรอมต์

ตลอดทั้งเส้นทาง สิ่งเดียวที่ต้องข้ามปลายทั้งสองและมีผลโดยไม่เปลี่ยนแปลงคือพรอมต์ มันคือสินทรัพย์เดียวในเวิร์กโฟลว์นี้

นัยสำคัญนั้นมากกว่าที่ฟัง:

• ถ้าพรอมต์ของคุณหยุดทำงานเมื่อสภาพแวดล้อมเปลี่ยนไป เวิร์กโฟลว์แบบเป็นชั้นนี้จะไม่ทำงานเลย ทุกสิ่งที่คุณปรับแต่งในเครื่องจะสูญเปล่าระหว่างทางไปคลาวด์
• ถ้าคุณเขียนใหม่สำหรับทุกโมเดล คุณจะทำซ้ำขั้นตอนการร่างทุกครั้งที่เปลี่ยนโมเดล
• มองกลับกัน: ถ้าพรอมต์พกพาได้พอ คุณยังสามารถร่างบน โมเดลที่ถูกกว่า ได้ ตราบใดที่การอ่านประโยคเดียวกันของมันนั้นคาดเดาได้

ดังนั้นคำถามจึงกลายเป็น: คุณจะเขียนพรอมต์ที่ยังคงทำงานได้หลังจากสภาพแวดล้อมเปลี่ยนไปได้อย่างไร? เราทดสอบสิ่งนี้

หนึ่งพรอมต์ MiniMax H3, สี่โมเดลพร้อมกัน

ในช่วงสองสามวันที่ผ่านมา เราได้รันการเปรียบเทียบมากกว่าสิบครั้งเช่นนี้: หนึ่งพรอมต์ที่เหมือนกันทุกประการ เปลี่ยนเฉพาะพารามิเตอร์การส่ง ส่งไปยังสี่โมเดล ในหัวข้อตั้งแต่ VFX ไปจนถึงการเคลื่อนไหว UI ของผลิตภัณฑ์ ไปจนถึงมิวสิกชอร์ต

ด้านล่างคือการทดสอบเดียวกันที่รันในแปดหัวข้อ แต่ละคลิปเป็นภาพสี่ส่วนของพรอมต์ที่เหมือนกัน: มุมบนซ้าย Seedance 2.5, มุมบนขวา MiniMax H3, มุมล่างซ้าย Seedance 2.0, มุมล่างขวา Kling v3.0pro

การต่อสู้แบบ wuxia: หนึ่งพรอมต์, สี่โมเดล เปิดเสียง

ฉากโรแมนซ์อนิเมะ, แบ่งสี่ส่วนเดียวกัน

โฆษณากระเป๋าถือ: จุดเด่นของผลิตภัณฑ์จากพรอมต์เดียวกัน

การแสดงของเกิร์ลกรุ๊ป, พร้อมเสียงที่ซิงค์กันในทุกส่วน

KNNOfby0vtw

ฉากที่ขับเคลื่อนด้วยตัวละคร, สี่โมเดลเปรียบเทียบกัน

โฆษณากล้อง, พร้อมต์เดียวกันในแบบขนาน

โฆษณารองเท้าผ้าใบ, หัวข้อสุดท้ายจากแปดหัวข้อ

สิ่งที่การรันนี้กำลังทดสอบจริงๆ

มันไม่ใช่การจัดอันดับ มันคือการตรวจร่างกายของพรอมต์

เพราะพรอมต์เหมือนกันทุกประการและเปลี่ยนเฉพาะพารามิเตอร์การส่ง:

1. ความแตกต่างระหว่างสี่โมเดลคือความแตกต่างระหว่างโมเดล ฟังดูเหมือนความจริง แต่เป็นรากฐานของแบบฝึกหัดทั้งหมด และจะใช้ได้ก็ต่อเมื่อทั้งสี่รันในสภาพแวดล้อมการดำเนินการเดียวกัน การต่ออินเทอร์เฟซหลายอันจากแหล่งต่างๆ เข้าด้วยกันจะทำให้ตัวแปรระดับลิงก์ปนเปื้อนในความแตกต่าง และคุณจะไม่สามารถบอกความแตกต่างของโมเดลจากความแตกต่างของแพลตฟอร์มได้อีกต่อไป
2. สิ่งที่ทั้งสี่ล้มเหลวในการทำคือปัญหาของพรอมต์ ไม่ใช่ปัญหาโมเดล นี่คือสัญญาณที่มีค่าที่สุดในขั้นตอนการร่าง และเป็นสัญญาณที่คุณไม่สามารถได้รับจากการรันโมเดลเดียว โมเดลหนึ่งพลาด คุณสงสัยโมเดล สี่โมเดลพลาด คำตอบชัดเจน: กลับไปแก้ไขบรรทัดนั้น อย่าเปลี่ยนโมเดล
3. เปลี่ยนอย่างหนึ่งต่อเวอร์ชัน ปล่อยให้ส่วนอื่นไม่เปลี่ยนแปลง มันเป็นวิธีเดียวที่ "เวอร์ชันนี้ดีกว่า" จะยืนยันได้ การกระจายการเปลี่ยนแปลงออกไป คุณจะไม่สามารถระบุสาเหตุได้ การรันหลายโมเดลแบบขนานหมายความว่าการเปลี่ยนแปลงตัวแปรเดียวจะให้จุดสังเกตสี่จุดพร้อมกัน

ดังนั้นสิ่งที่ใส่ในไฟล์

ไม่ใช่ตารางพารามิเตอร์ พารามิเตอร์อยู่ที่หน้าโมเดล และการคัดลอกพารามิเตอร์ไม่ได้ให้ข้อมูล สิ่งที่ควรค่าแก่การบันทึกคือ "สิ่งที่ฉันเขียน แล้วสิ่งที่ฉันสังเกต" สองตัวอย่าง:

คุณค่าของอันแรกคือ ทิศทาง การบันทึกเฉพาะขนาดของข้อผิดพลาดนั้นไร้ประโยชน์ เพราะครั้งต่อไปที่คุณชดเชย คุณจะชดเชยผิดทาง อันหนึ่งต้องดันให้ช้าลง อีกอันต้องเร่งให้เร็วขึ้น

อันที่สองมีค่ามากกว่า และเป็นหัวข้อของส่วนถัดไป

คุณไม่จำเป็นต้องสคริปต์สำหรับสิ่งนี้อีกต่อไป

เมื่อเรารันการเปรียบเทียบเหล่านั้น เราเขียนสคริปต์ของเราเองเพื่อส่งงานและตรวจสอบผลลัพธ์ ไม่ต้องอีกแล้ว Atlas Cloud เปิดตัว Model Explorer

เขียนพรอมต์เดียว เลือกสูงสุด 10 โมเดลเพื่อรันแบบขนาน และผลลัพธ์กลับมาแบบเคียงข้างกัน

คุณค่าที่แท้จริงของมันไม่ใช่ความสะดวก แต่คือ การควบคุม เหตุผลที่การเปรียบเทียบนั้นสามารถสรุปได้ก็เพราะทั้งสี่รันในสภาพแวดล้อมการดำเนินการเดียว การต่ออินเทอร์เฟซสี่อันจากแหล่งต่างๆ จะทำให้ตัวแปรแพลตฟอร์มรั่วไหลเข้าไปในความแตกต่าง: พฤติกรรมเกตเวย์, พารามิเตอร์เริ่มต้น, วิธีการเข้ารหัสสินทรัพย์ เปลี่ยนอย่างใดอย่างหนึ่ง คุณจะคิดว่าคุณกำลังเปรียบเทียบโมเดล แต่จริงๆ แล้วคุณกำลังเปรียบเทียบแพลตฟอร์ม การรันภายในพูลโมเดลเดียว ตัวแปรเหล่านั้นถูกควบคุมโดยโครงสร้าง

มีบางสิ่งที่สอดคล้องโดยตรงกับขั้นตอนการร่าง:

• กลุ่มโมเดลที่ตั้งไว้ล่วงหน้า SOTA, Trending และ Cheap รวมถึงชุดที่คุณบันทึกเอง ร่างด้วยกลุ่ม Cheap เพื่อกำหนดทิศทาง จากนั้นย้ายไปยังกลุ่ม SOTA สำหรับผลลัพธ์สุดท้าย นั่นคือการแบ่งแยกเดียวกันจากด้านบน แต่ปลายทั้งสองอยู่บนคลาวด์แล้ว
• ประมาณการต้นทุนก่อนรัน เพื่อให้คุณไม่ต้องรอจนจบเพื่อรู้ว่ารอบหนึ่งเสียค่าใช้จ่ายเท่าไร
• ทั้งภาพและวิดีโอ โดยมี text-to-image และ image-to-image ในด้านภาพ

Atlas Cloud Model Explorer: กลุ่มโมเดลที่ตั้งไว้ล่วงหน้าสำหรับรันแบบขนานจากพรอมต์เดียว พร้อมแสดงประมาณการต้นทุนต่อรอบก่อนรัน

การตรวจสอบได้ไม่เหมือนกับการล็อกมิติที่ถูกต้อง

บรรทัดจากส่วนที่แล้ว "รักษาให้แบน ไม่ใช่เหมือนจริง" คือกับดักทั่วไปที่สุดที่เราเจอ

ส่วนที่แปลกคือ ข้อจำกัดสามารถเป็นไปตามข้อกำหนดอย่างสมบูรณ์และยังคงล้มเหลวอย่างสิ้นเชิง แบน? ใช่ วาดมือ? ไม่เลย ทำเครื่องหมายทุกช่องในรายการตรวจสอบและคุณได้คะแนนเต็ม

ปัญหา: เราล็อก "ความแบน" แต่คุณสมบัติที่承载แนวคิดจริงๆ คือ "ร่องรอยเครื่องมือที่มองเห็นได้" เปลี่ยนเป็น "ดินสอสี, ดินสอสี, แปรงหยาบ, ทิศทางการฟัก, การเติมไม่สม่ำเสมอ, ขอบหยาบ" และโมเดลเดียวกันกลับด้านอย่างสิ้นเชิง

หัวข้อวาดมือข้ามสี่โมเดล "แบน" นั้นพอใจได้ง่าย "ทำด้วยมือที่มองเห็นได้" คือคุณสมบัติที่ต้องล็อกจริงๆ

สิ่งนั้นกลั่นกรองเป็นการทดสอบ:

ใช้ข้อจำกัดแต่ละข้อที่คุณเขียนแล้วถามว่า: โมเดลสามารถทำให้ประโยคนี้เป็นจริงและยังคงทิ้งสิ่งที่ฉันต้องการจริงๆ ได้หรือไม่?

ถ้าใช่ แสดงว่าการล็อกมุ่งไปที่ผลข้างเคียง ไม่ใช่แนวคิด

อาการที่คุ้นเคยคือ: ผลลัพธ์ตรงกับรายการตรวจสอบของคุณทีละบรรทัด แต่ใครก็ตามที่รู้จักต้นฉบับสามารถเห็นได้ทันทีว่ามันผิด

การกระทำที่ถูกต้อง ณ จุดนั้น ไม่ใช่การเพิ่มข้อจำกัดมากขึ้น แต่คือการย้อนกลับไปค้นหาคุณสมบัติที่承载แนวคิดจริงๆ

เมื่อนำกลับไปที่ "ร่างในเครื่อง, จบในคลาวด์" สิ่งนี้มีน้ำหนักมากขึ้น: ข้อจำกัดที่มุ่งไปยังมิติที่ผิดอาจมองไม่เห็นที่ความละเอียดของร่าง ที่ 480p ความแตกต่างระหว่างเส้นขอบเรียบกับแปรงหยาบนั้นเบลออยู่แล้ว และคุณจะค้นพบว่าทิศทางผิดก็ต่อเมื่อใช้ความพยายามกับผลลัพธ์คลาวด์สุดท้าย การร่างจะช่วยประหยัดเวลาหรือไม่นั้นขึ้นอยู่กับว่าคุณสมบัติที่คุณล็อกขณะร่างนั้นเป็นคุณสมบัติจริงหรือไม่

ชุมชนได้แพ็กเกจกระบวนการ MiniMax H3 ไว้แล้ว

บทความอย่างเป็นทางการมีสัญญาณอีกอย่างหนึ่งที่ควรค่าแก่การกล่าวถึงแยกต่างหาก: นักพัฒนาเริ่มห่อหุ้มกระบวนการผลิตทั้งหมดเป็นสิ่งที่ใช้ซ้ำได้

ศิลปิน AI คนหนึ่งใช้ Claude Code บน Mac เพื่อจัดการโมเดลในเครื่องบนเครื่องที่สอง Mac จัดการการตั้งค่าโปรเจกต์, การตรวจสอบข้อเท็จจริง, สคริปต์, ไทม์ไลน์, คำบรรยาย, สตอรีบอร์ด และการทบทวนโครงสร้าง ส่วนอีกด้านจัดการการอนุมานโมเดล ทั้งหมดถูกแบ่งเป็น 14 ขั้นตอน ตั้งแต่การสรุปงานไปจนถึงการเรนเดอร์แบบแบตช์, การประกอบตัดต่อ และการเขียนกลับลงบัญชี โดยไม่ต้องเปิดโปรแกรมตัดต่อแบบดั้งเดิมเลย

อีกโปรเจกต์หนึ่งห่อหุ้มแนวคิดเดียวกันเป็นปลั๊กอินที่มีสกิลในตัวที่ไปจากเรื่องราวหรือสรุปธุรกิจไปจนถึงการตั้งค่าตัวละครและฉาก, สตอรีบอร์ดและการออกแบบคีย์เฟรม จากนั้นเลือกเวิร์กโฟลว์ต่อช็อต พรอมต์, สินทรัพย์นำเข้า, เวิร์กโฟลว์, ช็อตตัวเลือก และการเลือกที่ถูกเก็บไว้ในบันทึกโปรเจกต์ ดังนั้นงานที่ถูกขัดจังหวะจะกลับมาทำต่อที่จุดที่หยุด

ทิศทางเหมือนกัน: ทุกคนกำลังเปลี่ยน "วิธีที่อันนี้ถูกสร้าง" เป็นสินทรัพย์ที่ใช้ซ้ำได้ แทนที่จะทิ้งกองภาพยนตร์ที่เสร็จแล้ว สองสิ่งที่เราทำตั้งอยู่บนเส้นนั้นพอดี

สองทรัพยากร MiniMax H3 ที่คุณสามารถนำไปใช้ได้ทันที

1. คลังพรอมต์ MiniMax H3 อย่างเป็นทางการ (52 พรอมต์, 16 หมวดหมู่, แต่ละอันมีพรีวิว)

PlainCopy
1https://github.com/AtlasCloudAI/awesome-minimax-h3-prompts

ไม่ใช่การเขียนใหม่ แต่เป็นพรอมต์ต้นฉบับจากตัวอย่างอย่างเป็นทางการ จัดระเบียบตามสถานการณ์ แต่ละอันจับคู่กับวิดีโอพรีวิวที่สร้างขึ้นจริง เพื่อให้คุณเห็นผลลัพธ์ก่อนตัดสินใจว่าจะคัดลอกอันไหน

16 หมวดหมู่ครอบคลุมแบรนด์และภาพยนตร์, ภาพสร้างสรรค์และบรรจุภัณฑ์, กราฟิกเคลื่อนไหวและ VFX, การเล่าเรื่องด้วย AI, ผลิตภัณฑ์และอีคอมเมิร์ซ, ดิจิทัลและเกมครีเอทีฟ, อุตสาหกรรมและ AI แบบฝังตัว, แอนิเมชันและการจัดสไตล์, การอ้างอิงวัสดุหลายชนิด, การอ้างอิงตัวละคร/แอ็กชัน/กล้อง, การโคลนเสียง, การแก้ไขตัวละครและวัตถุ, การแก้ไขฉากและ VFX, การแก้ไขเสียงและบทสนทนา, การปฏิบัติตามคำแนะนำที่แม่นยำ, และเทมเพลตสไตล์ รองรับ 20 ภาษาและรับการส่งข้อมูล

วิธีประหยัดเวลาที่สุดในการใช้ขณะร่าง: หาพรอมต์ที่มีหัวข้อใกล้เคียงกับของคุณ ดูพรีวิวของมัน และใช้เป็นจุดเริ่มต้นในการแก้ไข เร็วกว่าเริ่มจากกล่องเปล่ามาก

repository awesome-minimax-h3-prompts บน GitHub แสดงดัชนีหมวดหมู่และหนึ่งรายการพร้อมวิดีโอพรีวิว

1. สกิลพรอมต์วิดีโอสากล

PlainCopy
1https://github.com/kiana-liang/universal-video-prompt-skill

PlainCopy
1npx skills add kiana-liang/universal-video-prompt-skill

มันแก้ปัญหาจากส่วนที่สอง: คุณคัดลอกพรอมต์ได้ แต่คุณไม่สามารถคัดลอกการตัดสินใจที่เกิดขึ้นขณะเขียนได้ คำพูดสโลแกนบอกอย่างนั้น ตรรกะการตัดสินใจเบื้องหลังที่คุณไม่สามารถคัดลอกโดยการคัดลอกพรอมต์คือสิ่งที่อยู่ที่นี่

สิ่งที่มันทำคือการแบ่ง "คิดให้รอบคอบก่อน แล้วเขียนลงในรูปแบบ" เป็นรายการตรวจสอบการตัดสินใจที่ใช้ซ้ำได้:

• สองคำถามก่อนทุกบรรทัด: เลเยอร์นี้เป็นของอะไร (global, locked, หรือ temporal) และมันถูกเขียนในรูปแบบที่สังเกตได้หรือไม่?
• แปลสิ่งที่ไม่สามารถตรวจสอบได้เป็นสิ่งที่ตรวจสอบได้ "รักษาความสม่ำเสมอ" กลายเป็นสถานะสุดท้ายที่มองเห็นได้ "ตึงเครียด" กลายเป็นการเคลื่อนไหวของตา, การหายใจ และการเคลื่อนไหวของมือ
• วิธีที่ทนทานต่อภาษาถิ่น: เขียนคำศัพท์และคำอธิบายที่สังเกตได้ร่วมกัน โมเดลที่รู้จักคำศัพท์จะใช้ทางลัด โมเดลที่ไม่รู้จะทำตามคำอธิบาย และพรอมต์เดียวครอบคลุมทั้งสอง
• ไม่ต้องเขียนใหม่ข้ามสภาพแวดล้อม เลเยอร์ภาษาบริสุทธิ์ถูกเขียนครั้งเดียว และอคติเฉพาะโมเดลถูกบันทึกในตารางโปรไฟล์แยกต่างหาก แบบเดียวกับในส่วนที่สาม

Repo นี้มี 5 ประเภทช็อต, 4 กรณีที่ทำงานสมบูรณ์, 6 โปรไฟล์โมเดล, และ 4 วิดีโอสาธิต แต่ละวิดีโอเชื่อมโยงกับกฎเฉพาะที่มันสาธิต ไม่ใช่แค่โชว์รีล

มันยังชัดเจนเกี่ยวกับสิ่งที่มันไม่ได้ทำ: ไม่มีสล็อตที่ต้องกรอก, ไม่มีตัวอย่างที่เป็นกฎ, ทุกกฎมีข้อยกเว้น ถ้าคุณกำลังมองหาเทมเพลตกรอกข้อมูลเพื่อวางลงไป นี่ไม่ใช่

ปลายทางที่เสร็จ: การรัน MiniMax H3 บน Atlas Cloud

ทั้งสามโหมดการเรียก MiniMax H3 ทำงานบน Atlas Cloud แล้ว: text-to-video, image-to-video และ reference-to-video พร้อมพารามิเตอร์, ตัวเลือกระยะเวลา และตัวอย่างคำขอในแต่ละหน้าโมเดล

PlainCopy
1ภาพรวม           https://www.atlascloud.ai/models/minimax-h3
2Text-to-video      https://www.atlascloud.ai/models/minimax/h3/text-to-video
3Image-to-video     https://www.atlascloud.ai/models/minimax/h3/image-to-video
4Reference-to-video https://www.atlascloud.ai/models/minimax/h3/reference-to-video
5เครื่องมือเปรียบเทียบ    https://www.atlascloud.ai/model-explorer

Atlas Cloud รวบรวมโมเดลวิดีโอหลักเหล่านี้ไว้ในพูลเดียว ดังนั้นด้วย API เดียว คุณเปลี่ยนสตริงโมเดลหนึ่งอันเพื่อรันการเปรียบเทียบทั้งหมด นั่นคือวิธีที่การทดสอบสี่โมเดลในส่วนที่สามทำงาน ยกเว้นว่าตอนนั้นเรายังเขียนสคริปต์ของเราเอง และตอนนี้มันเป็นเพียงไม่กี่คลิกใน Model Explorer

ดังนั้นไปป์ไลน์จึงเชื่อมต่อกันดังนี้ในทางปฏิบัติ:

ทั้งสามขั้นตอนใช้พรอมต์เดียวกันและคีย์เดียวกัน ไม่มีอะไรถูกเขียนใหม่ระหว่างทาง และไม่มีอะไรเปลี่ยนสภาพแวดล้อม ซึ่งเป็นประเด็นจากส่วนที่สอง: สินทรัพย์เดียวที่ต้องข้ามขั้นตอนคือพรอมต์ ดังนั้นอย่าให้มันเปลี่ยนรูประหว่างทาง พารามิเตอร์, ตัวเลือกระยะเวลา และตัวอย่าง API ทั้งหมดอยู่บน หน้าโมเดล MiniMax H3

สรุป

หนึ่งสัปดาห์ของโอเพนซอร์ส และชุมชนได้ทำให้ MiniMax H3 ทำงานบนการ์ดกราฟิกสำหรับผู้บริโภค, ในโปรแกรม Mac แบบเนทีฟ และภายในโฟลว์การผลิตอัตโนมัติ งานนั้นคือสิ่งที่ทำให้ปลายทางในเครื่องใช้งานได้จริง

แต่การรันในเครื่องไม่ใช่การส่งมอบในเครื่อง "ร่างในเครื่อง, จบในคลาวด์" เป็นนิสัยที่ดีเพราะมันไม่ได้ตั้งปลายทั้งสองให้ขัดแย้งกัน มันยอมรับว่านี่คือไปป์ไลน์เดียว มีสองสถานีที่ทำงานสองอย่าง

และเพื่อให้เส้นทางเคลื่อนที่ ชิ้นส่วนที่ถูกส่งต่อระหว่างกลางต้องเชื่อถือได้ ชิ้นส่วนนั้นคือพรอมต์ ดังนั้นสิ่งที่ควรค่าแก่เวลาของคุณไม่ใช่ภาพยนตร์ที่คุณเรนเดอร์ แต่เป็นเหตุผลที่คุณเขียนมันแบบที่คุณเขียน

คำถามที่พบบ่อยเกี่ยวกับพรอมต์ MiniMax H3

ฉันสามารถรัน MiniMax H3 ได้ที่ไหนโดยไม่ต้องใช้ GPU ในเครื่อง?

ทั้งสามโหมดของ MiniMax H3: text-to-video, image-to-video และ reference-to-video รันบน Atlas Cloud พร้อมพารามิเตอร์และตัวเลือกระยะเวลาในแต่ละหน้าโมเดล การอนุมานในเครื่องมีประโยชน์สำหรับการร่าง 480p ราคาถูกเมื่อตั้งค่าบิลด์ของชุมชนแล้ว แต่ผลลัพธ์ความละเอียดสูงกว่ายังคงเรนเดอร์ในคลาวด์

ฉันจะเปรียบเทียบ MiniMax H3 กับโมเดลวิดีโออื่น ๆ อย่างยุติธรรมได้อย่างไร?

รันพรอมต์ที่เหมือนกันทุกประการข้ามโมเดลในสภาพแวดล้อมการดำเนินการเดียว Model Explorer ทำสิ่งนี้กับโมเดลสูงสุด 10 โมเดลแบบขนาน ซึ่งทำให้พฤติกรรมเกตเวย์, พารามิเตอร์เริ่มต้น และการเข้ารหัสสินทรัพย์คงที่ ดังนั้นความแตกต่างที่คุณเห็นคือความแตกต่างของโมเดล

พรอมต์ MiniMax H3 สามารถถ่ายโอนไปยังโมเดลอื่นได้หรือไม่?

นั่นคือประเด็นทั้งหมดของการเขียนให้ดี เก็บเลเยอร์ภาษาบริสุทธิ์ให้สังเกตได้และทนทานต่อภาษาถิ่น: คำศัพท์พร้อมคำอธิบาย และบันทึกอคติด้านเวลาที่เฉพาะเจาะจงของโมเดลในตารางโปรไฟล์แยกต่างหาก จากนั้นพรอมต์จะรอดจากการย้ายจากโมเดลร่างไปยังโมเดลสุดท้ายโดยไม่เปลี่ยนแปลง

ฉันจะหาพรอมต์ MiniMax H3 ที่พร้อมใช้งานได้ที่ไหน?

คลัง awesome-minimax-h3-prompts มีพรอมต์ตัวอย่างอย่างเป็นทางการ 52 รายการใน 16 หมวดหมู่ แต่ละรายการมีวิดีโอพรีวิวจริง ใน 20 ภาษา หาอันที่หัวข้อใกล้เคียงกับของคุณ ดูพรีวิว และแก้ไขจากตรงนั้น