MiniMax H3 Prompt Guide: Tôi đã nghiên cứu 45 prompt chính thức để bạn không cần phải làm

Dùng MiniMax H3 như một bản brief sản xuất ngắn, chứ không phải một prompt ảnh đơn lẻ. Cấu trúc tái sử dụng rất đơn giản: gắn mọi tài sản tham chiếu, nêu ý tưởng cốt lõi, sau đó viết cảnh dưới dạng một chuỗi nghe nhìn có thời gian với chuyển động máy quay, hội thoại, không gian âm thanh, nhạc nền và các ràng buộc trong các khối riêng biệt.

Hướng dẫn này giải mã 45 ví dụ MiniMax H3 chính thức thành một công thức prompt sáu phần, cho thấy end_image thuộc về đâu, giải thích cách các tín hiệu âm thanh gốc thay đổi kết quả, và đưa ra một cách khắc phục thực tế cho văn bản bị lỗi trong các clip được tạo.

Bạn đã biết cách prompt một mô hình video. "Ánh sáng điện ảnh, đẩy chậm vào, 4K." Vốn từ vựng đó đã phục vụ bạn trong hai năm.

Sau đó, bạn dán nó vào MiniMax H3 và nhận lại một clip 2K đi kèm với nhạc nền riêng. Hình ảnh trông tuyệt vời. Nhịp độ thì nhão. Hai chữ cái trong tiêu đề của bạn bị sai chính tả. Âm thanh là một thứ tạp âm phòng mà mô hình đã chọn cho bạn.

Mô hình không phải là vấn đề. Bạn đã đưa cho nó một câu. Nó muốn một lịch trình.

Vì vậy, tôi đã đọc tất cả 45 prompt ví dụ mà MiniMax gửi kèm với H3, cùng với các clip hoàn chỉnh đi kèm, và mổ xẻ từng khung hình. Các prompt chính thức không phải là mô tả. Những cái hay là danh sách cảnh quay với một tờ nhạc nền đính kèm ở mặt sau. Dưới đây là cấu trúc, các tham số thực sự được hiển thị ngay bây giờ, và một bản demo mà bạn có thể tái tạo trong khoảng hai mươi phút.

Những điểm chính

• Prompt H3 là dòng thời gian, không phải mô tả. Các ví dụ chính thức mạnh nhất thực sự cắt clip bằng các dấu [0s-2s], [2s-4s], và bộ phim hoàn chỉnh đánh trúng từng nhịp.
• Âm thanh và hình ảnh ra từ cùng một lượt, vì vậy âm thanh phải nằm trong phần thân của prompt. Các prompt chính thức dành cho nó một khối riêng, chi tiết đến "rãnh bass jazz vào ở giây thứ 6."
• Văn bản bạn đánh vần ra sẽ trả về sạch sẽ. Văn bản bạn không đánh vần ra sẽ trả về dưới dạng nhiễu hình chữ. Tôi có các khung hình cắt từ một clip chính thức duy nhất chứng minh cả hai điều cùng một lúc.
• image-to-video chấp nhận một end_image. Đưa cho nó một khung hình đầu và một khung hình cuối, và cung cảm xúc được cố định trước khi bạn tiêu tốn một giây tính toán.
• Độ dài prompt không phải là một đức tính. Các prompt chính thức ngắn hoạt động tốt khi một hình ảnh tham chiếu đang làm công việc mô tả. Độ dài phản ánh mức độ bạn từ chối giao công việc cho một tham chiếu.

Con chó This Is Fine, vẫn ở bên trái và đang cháy rụi trong 10 giây đầu ra của MiniMax H3 ở bên phải

Đó là cùng một bản vẽ ở cả hai bên. Bên trái là bảng gốc của KC Green, không động đến. Bên phải là một lệnh gọi image-to-video: khung hình đầu vào, khung hình cuối vào, mười giây ra, và tiếng lửa lách tách cùng câu "this is fine" nhỏ nhẹ là bản nhạc riêng của mô hình. Không ai chấm điểm nó. Mọi thứ trong hướng dẫn này đều nhằm đưa bạn đến nửa sau đó.

Một Prompt MiniMax H3 Thực Sự Trông Như Thế Nào (Tôi Đã Đọc Cả 45)

Mọi "hướng dẫn prompt MiniMax H3" hiện tại trên trang đầu tiên của kết quả tìm kiếm đều là một bảng thông số kỹ thuật: 2K, 24fps, 5 đến 15 giây, âm thanh gốc. Đó là thẻ mô hình. Nó không phải là một prompt.

Đây là một prompt thực sự. Đây là một phần của prompt chính thức đằng sau chuỗi tiêu đề phim noir của MiniMax, được dịch từ bản gốc tiếng Trung, chiếm khoảng một phần ba độ dài đầy đủ của nó:

Tạo một chuỗi tiêu đề phim tội phạm nhẹ nhàng kịch tính dài 15 giây, tỷ lệ 16:9. Phong cách tổng thể tham khảo ngôn ngữ hình ảnh của các hình ảnh này: thẻ tiêu đề anime Nhật cổ điển, bóng đen sắc nét, cắt dán truyện tranh, màn hình chia đôi bất đối xứng, các khối màu hình học mạnh mẽ, tiêu đề tín dụng tiếng Anh, một chút trang trí katakana Nhật, cảm giác tội phạm jazz. Tâm trạng là 60% kịch tính, 40% jazz: bí ẩn, ngầu, nhanh nhẹn, tội phạm đô thị, không phải kinh dị, không nặng nề, và đừng biến nó thành một MV jazz vui vẻ.

[...] Các tín dụng tiếng Anh phải rõ ràng, dễ đọc [...] Không thêm tiếng Trung, không tạo ra văn bản bị lỗi, không viết sai chính tả tiếng Anh. Quy tắc cho toàn bộ tác phẩm: mọi tín dụng tiếng Anh và chức danh công việc xuất hiện chính xác một lần. Không lặp lại chức danh công việc, không lặp lại tên, không cho một người nhiều chức danh.

Chuyển cảnh phải đa dạng: mặt nạ đĩa than hình tròn, vuốt dọc cửa xe, bóng dài của một nhân vật quét qua màn hình, cắt theo đường đỏ, mặt nạ chữ cái tiếng Anh khổng lồ, tái tạo bố cục màn hình chia đôi, cắt theo khối màu cứng, các bảng được dán từng khối một. Tất cả các chuyển cảnh đều rơi vào nhịp trống: sắc nét, kịch tính, nhanh nhẹn, cắt dán truyện tranh. Không có làm mờ mềm, không có chuyển cảnh mượt.

BGM: nhạc tiêu đề gốc 15 giây, 60% kịch tính, 40% jazz. Được xây dựng từ một âm bass kéo dài, dây pizzicato căng thẳng, xung synth lạnh lẽo, kick drum, chổi jazz thưa thớt, một đoạn bass đi bộ, các cụm sax baritone ngắn và các tiếng đâm brass ngắn. 2 giây đầu tiên thiết lập sự kịch tính với tần số thấp và hi-hat, ở giây thứ 3 trống thấp vào, ở giây thứ 6 rãnh bass jazz tham gia, ở giây thứ 10 một đoạn riff sax/brass ngắn xuất hiện, 2 giây cuối cùng khóa nó bằng một hợp âm căng thẳng và tiếng trống.

Hãy đọc nơi các từ ngữ đã đi. Hầu như không từ nào đi vào "đẹp" hay "điện ảnh." Chúng đi vào một danh sách tiêu cực, một danh sách chuyển cảnh, và một tờ nhạc nền từng giây. Đó là hình dạng của công việc. Chuỗi tiêu đề noir chính thức của MiniMax H3: MIDNIGHT LINE, với tín dụng STARRING sạch sẽ

Nhìn vào các tín dụng trong clip đó. MIDNIGHT LINE, STARRING, MAYA CROSS, REN KATO, LENA WARD, DIRECTED BY NOAH VOSS. Được đánh vần chính xác, không có chức danh công việc nào được dùng hai lần, trang trí katakana nằm đúng vị trí nó được yêu cầu. Prompt không nói "làm tiêu đề đẹp." Nó nói không lặp lại, không sai chính tả, không tiếng Trung, và đặt tên cho thẩm mỹ theo năm cách khác nhau. Năm bảng tham khảo phong cách được đưa cho MiniMax H3 cùng với prompt tiêu đề noir

Năm bảng đó đã được đưa vào cùng với văn bản. Năm hình ảnh cộng với một brief dài, một lần tạo. Đó là những gì công việc này trông như thế nào bây giờ.

Và lý do tại sao nhiều prompt trong số 45 prompt lại ngắn là nằm ngay trong bức ảnh. Trong toàn bộ tập hợp, prompt trung bình là khoảng 130 ký tự tiếng Trung, nhưng hai prompt dài nhất chạy 657 và 858. Các prompt ngắn là ngắn vì một bảng tham chiếu đang gánh vác phần mô tả. Các prompt dài là dài vì không có thứ gì khác sẽ gánh vác nó.

Tại Sao Hầu Hết Các Prompt MiniMax H3 Ra Đời Phẳng Lặng, và Cách Khắc Phục Văn Bản Bị Lỗi

Ba điều xảy ra sai, và tất cả đều là sự vắng mặt hơn là sai lầm.

Không có dòng thời gian. Bạn yêu cầu mười giây và mô tả một khoảnh khắc, vì vậy bạn nhận được một cú đẩy chậm kéo dài trong mười giây. Mô hình không có gì để làm ở giây thứ bảy.

Không có khối âm thanh. Âm thanh được tạo ra trong cùng một lượt với hình ảnh. Nếu bạn không nói gì, mô hình vẫn gửi cho bạn một bản nhạc. Nó chỉ chọn một bản.

Không có danh sách tiêu cực. Để yên, mô hình sẽ với tới các chuyển cảnh làm mờ mềm, phát minh thêm văn bản trên màn hình, và thêm một dải phụ đề mà không ai yêu cầu.

Bằng chứng rõ ràng nhất là prompt giao diện trò chơi chính thức, được xây dựng từ sáu nhịp có dấu thời gian: (0s-2s) menu, (2s-4s) bảng cánh tay phải, (4s-7s) lưới vũ khí, (7s-8.5s) xác nhận, (8.5s-10s) thanh tải, (10s-15s) thế giới tải vào. Clip hoàn chỉnh đánh trúng cả sáu, theo thứ tự, đúng giờ. Clip giao diện trò chơi MiniMax H3: menu, bảng trang bị, thanh tải, tải thế giới

Bây giờ là nửa trung thực, từ cùng một clip, ở độ phân giải 2560x1440 đầy đủ. Bên trái: văn bản được đánh vần trong prompt hiển thị sạch sẽ. Bên phải: văn bản không được đánh vần hiển thị dưới dạng nhiễu hình chữ

Ở bên trái, mọi chuỗi mà prompt thực sự đã gõ ra: RIGHT ARM EQUIPMENT, PHANTOM GRIP, CHRONOS CLAW. Sắc nét, chính xác, được dãn chữ như một menu trò chơi thực sự.

Ở bên phải, HUD trong cảnh đường phố cuối cùng, mà prompt chỉ gọi là "các yếu tố HUD." Nó đọc là ETR METNO CITFEP. Phía trên các biểu tượng trang bị, nơi prompt không nói gì, bạn nhận được MNALEαIN IAMG. Đó không phải là một lỗi kết xuất. Mô hình đang vẽ kết cấu của tiếng Anh vì nó chưa bao giờ được cung cấp chuỗi.

Vì vậy, cách khắc phục không phải là một cài đặt. Đó là một thói quen:

Nếu một từ cần phải đọc được, hãy gõ từ đó. Sau đó thêm một dòng tiêu cực: không viết sai chính tả, không thêm văn bản khác, không thêm phụ đề.

Và đây là hình dạng sáu khối mà mọi prompt chính thức mạnh mẽ đều chia sẻ.

Các khối 5 và 6 là miễn phí. Chúng không tốn thêm chi phí để tạo và chúng là nơi phần lớn chất lượng sống.

Quy Trình Prompt MiniMax H3: Prompt Của Bạn Thuộc Về Endpoint Nào

Cùng một khóa, cùng một hình dạng submit-and-poll, ba cánh cửa. Bạn chọn cái nào quyết định prompt của bạn vẫn còn phải làm gì.

refers[] là cái thực sự chưa được ghi chép đầy đủ trong tự nhiên, vì vậy đây là hình dạng nó muốn:

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]

Bốn quy tắc mà mỗi quy tắc sẽ giúp bạn tiết kiệm một lần tạo lãng phí:

1. Âm thanh không thể đi một mình. Ít nhất một hình ảnh hoặc video phải có trong mảng. Một bản nhạc beat một mình sẽ bị từ chối.
2. type là tùy chọn. Nó được suy ra từ URL, nhưng hãy ghi rõ nó khi phần mở rộng không rõ ràng.
3. Các giới hạn là thực tế. Có thể có tới 9 hình ảnh, 3 video và 3 clip âm thanh, tổng cộng 12 tệp, với video và âm thanh tham chiếu chạy từ 2 đến 15 giây mỗi tệp (Tài liệu API MiniMax, Tháng 7 năm 2026).
4. Giao cho mỗi tham chiếu một công việc bên trong văn bản prompt. Đây là thói quen có đòn bẩy cao nhất trong danh sách này. Các prompt chính thức mở đầu bằng các dòng như "Hình ảnh 1 là tài liệu tham khảo tâm trạng và phong cách tổng thể, Hình ảnh 2 là tài liệu tham khảo nhân vật chính." Nếu không có câu đó, mô hình phải đoán xem bảng nào có nghĩa là gì.MV dark-pop của MiniMax H3: kiểu chữ CUT BACK, ONE LOOK, DETONATE Hai bảng tham khảo kiểu chữ đằng sau clip dark-pop

Clip đó là lập luận cho quy tắc 4. Prompt của nó không bao giờ mô tả một hình chữ cái đơn lẻ. Nó nói "phong cách đóng gói văn bản và kết cấu tham khảo các hình ảnh," và đưa ra hai bảng. Bố cục đến vì nó đã được hiển thị, không phải mô tả.

Thêm một bảng nữa, vì thẻ mô hình và API hiện không nói cùng một điều, và khoảng cách là nơi mọi người mất một buổi chiều.

Mọi thứ ở trên đã chạy trên Atlas Cloud, nơi cả ba endpoint H3 nằm sau một khóa và một vòng lặp submit-and-poll, vì vậy việc chuyển đổi giữa chúng chỉ là thay đổi chuỗi mô hình và không có gì khác.

Hướng Dẫn Prompt MiniMax H3: Đốt Cháy Con Chó This Is Fine, Có Âm Thanh

Đây là toàn bộ quy trình từ đầu đến cuối. Trò đùa hoạt động vì con chó không làm gì cả. Kéo dài sự từ chối đó thành mười giây thời gian thực, thêm lửa thực sự, và để hai giây cuối cùng đi đến nơi truyện tranh gốc thực sự đã đi, và nó sẽ trở nên hài hước hơn và hơi tệ hơn cho bạn. Hầu hết mọi người chỉ từng thấy hai bảng đầu tiên.

Bước 1: Tải xuống truyện tranh gốc. Đừng để AI vẽ lại nó.

Truyện có sáu bảng, hai cột và ba hàng, 600 x 887. Chúng ta chỉ muốn bảng 2 và bảng 6.

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 bảng, 2 cột x 3 hàng
3
4# cắt bảng 2 (bảng "THIS IS FINE."):  x 302-584, y 20-293
5# cắt bảng 6 (con chó tan chảy):            x 302-584, y 595-868
6# phóng to mỗi bảng 4x với Lanczos  ->  1128x1092

Nói một cách đơn giản: đừng yêu cầu một mô hình hình ảnh vẽ "một con chó trông giống This Is Fine." Một sự tái tạo AI sẽ bị phát hiện là giả trong nửa giây và trò đùa chết ngay lập tức. Lớp màu nước, chữ viết tay lắc lư và hạt giấy là toàn bộ hợp đồng. Việc phóng to 4x Lanczos chỉ ở đó vì 282px của nguồn là mỏng; nó cung cấp cho mô hình các pixel thực sự để bám vào mà không phát minh ra bất kỳ cái gì. Bảng 2 và bảng 6 của truyện tranh gốc, được gắn nhãn là đầu vào khung hình đầu và khung hình cuối

Bước 2: Chạy nó trên image-to-video với end_image.

Mô hình: minimax/h3/image-to-video. Cài đặt: resolution 2K, image = bảng 2, end_image = bảng 6, ratio 1:1 để khớp với nguồn hình vuông. Đặt duration thành 10; thanh trượt mặc định ở 8, vì vậy hãy kéo nó.

textCopy
1Bảng webcomic 2D vẽ tay, được đưa vào cuộc sống. Giữ nguyên kết cấu màu nước
2gốc, các đường viền mực nhìn thấy được, hạt giấy in lệch và bảng màu truyện tranh
3phẳng trong mọi khung hình. Không làm mịn, không kết xuất lại trong 3D, không làm
4sạch đường nét, không thêm đối tượng mới, không thêm văn bản mới.
5
6[0s-3s] Hầu như không có gì di chuyển. Con chó ngồi hoàn toàn yên, cầm cốc,
7mắt nhìn thẳng về phía trước. Chỉ có ngọn lửa phía sau nó di chuyển: những tia
8lửa cam chậm rãi leo lên tường, một tàn lửa trôi lên. Bong bóng lời nói có nội dung
9"THIS IS FINE." vẫn ở nguyên vị trí, hoàn toàn dễ đọc, không thay đổi, viết tay.
10
11[3s-6s] Con chó nhấc cốc và uống một ngụm nhỏ, bình tĩnh. Bong bóng lời nói
12mờ dần sau ngụm uống. Ngọn lửa sáng lên. Bức tường phía sau nó bắt đầu cong
13vênh vì nhiệt. Chiếc mũ của nó bắt đầu âm ỉ ở vành.
14
15[6s-8.5s] Hơi nóng chạm đến nó. Tai nó xệ xuống, đường viền của nó mềm ra và bắt đầu
16chảy xuống như sơn ướt. Nó vẫn không di chuyển mắt. Cốc vẫn ở trong chân nó.
17
18[8.5s-10s] Tan chảy hoàn toàn. Khuôn mặt biến dạng, một mắt trượt, răng trần ra
19trong một nụ cười cố định, lông chảy ra màu đỏ và cam. Nó giữ tư thế đó. Giữ nguyên
20khung hình cuối cùng trong nửa giây cuối.
21
22Máy quay: cố định, một góc rộng tĩnh duy nhất, không đẩy vào, không cầm tay, không cắt.
23Khung hình không bao giờ di chuyển. Đây là một cảnh quay liên tục duy nhất bên trong một
24bảng truyện tranh.
25
26Âm thanh: tạp âm phòng của một đám cháy trong nhà trong suốt - tiếng lách tách nhẹ,
27tiếng nổ lốp bốp thỉnh thoảng của gỗ cháy, một tiếng kẽo kẹt cấu trúc nhẹ. Ở giây thứ 3,
28một cốc gốm chạm vào răng và một tiếng nuốt nhỏ. Một giọng nam bình tĩnh, phẳng lặng,
29không bận tâm nói chính xác: "This is fine." - giọng đều, không cảm xúc, hơi quá thư thái.
30Từ giây thứ 6, tiếng lách tách to hơn và tạp âm phòng dày lên; 2 giây cuối cùng thêm một
31đợt phình sub-bass thấp. Không nhạc, không tiếng cười, không hiệu ứng âm thanh nào không
32có trong danh sách này.
33
34Không thêm phụ đề. Không thêm hình mờ. Không đánh vần bất kỳ từ nào ngoài các từ
35đã có trong hình ảnh. Không thay đổi "THIS IS FINE." Không cắt đi.

Prompt đó là bảng cấu trúc, sống động. Đoạn đầu tiên là hợp đồng phong cách. Bốn lát cắt trong ngoặc vuông là dòng thời gian. Sau đó là máy quay, rồi âm thanh, rồi danh sách tiêu cực. Không có gì trong đó là trang trí. MiniMax H3 image-to-video trên Atlas Cloud: khung hình đầu và khung hình cuối đã tải, 10 giây ở 2K, clip hoàn chỉnh trong bảng đầu ra

Bước 3: Đọc đầu ra như một lượt QA.

Bốn kiểm tra, mỗi kiểm tra thử nghiệm một khối khác nhau của prompt.

1. THIS IS FINE. trong bong bóng vẫn dễ đọc và vẫn đúng chính tả? Điều này kiểm tra khối 5.
2. Đường nét có tồn tại không, hay một thứ gì đó đã "cải thiện" nó thành 3D sạch sẽ? Điều này kiểm tra khối 1.
3. Âm thanh chỉ chứa những âm thanh bạn đã liệt kê? Kiểm tra container: nó sẽ trả về h264 cộng với AAC stereo.
4. Khung hình cuối cùng có rơi vào tư thế của bảng 6 không? Điều này kiểm tra 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

Của tôi trả về ở 1472x1440, 24fps, h264 cộng với AAC stereo, 10.13 giây. Đáng chú ý: tôi đã yêu cầu ratio: 1:1 và nhận được 1472x1440, vì vậy trên image-to-video, hình dạng của khung hình nguồn sẽ thắng. Khớp hai bảng của bạn với hình dạng bạn thực sự muốn. Bốn khung hình từ clip hoàn chỉnh tại 0s, 3s, 6.5s và 10s, khớp với bốn lát thời gian trong prompt

Bước 4: Di chuyển con chó đến một nơi mới với reference-to-video.

Cùng một nhân vật, căn phòng mới. Mô hình: minimax/h3/reference-to-video. Cài đặt: refers[] = bảng 2 dưới dạng hình ảnh, duration 8, resolution 2K, ratio 16:9.

textCopy
1Hình ảnh 1 là tham chiếu nhân vật và phong cách nghệ thuật: giữ nguyên cái nhìn
2webcomic 2D vẽ tay này, cùng kết cấu màu nước, cùng độ dày đường viền mực, cùng
3con chó, cùng chiếc mũ nhỏ, cùng cốc. Không vẽ lại nó trong 3D, không thay đổi
4tỷ lệ của nó, không làm sạch đường nét.
5
6Đặt nó trong một căn phòng khác và giữ sự điềm tĩnh của nó. Một văn phòng mở chật
7chội vào ban đêm, đèn huỳnh quang nhấp nháy, một bức tường màn hình tất cả đều hiển
8thị trạng thái lỗi màu đỏ, giấy máy in bay xuống qua khung hình, một đám cháy điện
9nhỏ trong góc. Nó ngồi trên ghế văn phòng ở trung tâm khung hình, cốc trong chân,
10nhìn thẳng vào máy quay, hoàn toàn thư giãn.
11
12Máy quay: cố định, góc rộng tĩnh. Không đẩy vào, không cắt.
13
14Âm thanh: tiếng ồn huỳnh quang, máy in nghiến, một tiếng báo động mềm lặp lại mỗi
15hai giây, tiếng lách tách điện xa xa, một ngụm yên tĩnh ở giây thứ 4. Không nhạc.
16Không giọng nói.
17
18Không thêm bất kỳ văn bản nào trên màn hình. Không thêm phụ đề. Không thêm nhân vật khác.

Quy tắc có thể chuyển giao: refers[] mang danh tính và phong cách, văn bản mang cảnh. Sự phân chia đó là toàn bộ thủ thuật để có sự nhất quán của nhân vật, và đó là lý do tại sao dòng đầu tiên của prompt tồn tại. Cùng một con chó webcomic được chuyển đến một văn phòng mở đang cháy vào ban đêm, được tạo bởi MiniMax H3 reference-to-video

Cùng một chiếc mũ, cùng một cốc, cùng một trọng lượng mực, căn phòng mới. Một hình ảnh tham chiếu đã làm tất cả điều đó.

Ba Mẫu Prompt MiniMax H3 Khác Đáng Ăn Cắp

Mẫu 1: áp phích chuyển động, nơi bố cục không được di chuyển. Áp phích chuyển động MiniMax H3: bố cục POPUP! hoạt hình trong khi khung và kiểu chữ vẫn khóa Áp phích tĩnh gốc được đưa cho MiniMax H3

Toàn bộ prompt chỉ có hai dòng: giữ nguyên khung trắng phòng trưng bày, khung bên trong, bảng màu đỏ-trắng-đen, cảm giác hình 3D và cấu trúc bố cục không thay đổi, và đặt một hiệu ứng âm thanh nhanh nhẹn bên dưới lối vào văn bản. Quy tắc: đặt tên các bộ phận phải tồn tại. "Giữ bố cục" không phải là một ghi chú phong cách, nó là một ràng buộc, và mô hình coi nó như vậy.

Mẫu 2: demo giao diện, nơi động từ đánh bại tính từ. Demo trang đích MiniMax H3: cuộn, di chuột, đảo màu trên trang sản phẩm Hình ảnh tham chiếu sản phẩm duy nhất đằng sau clip trang đích

Prompt đó yêu cầu một cuộn trang xuống, một trạng thái di chuột, một phóng to mạnh mẽ và một đảo màu. Bốn động từ. Nó không bao giờ nói "hiện đại" hoặc "sleek." Tương tác là hành động, vì vậy hãy viết chúng dưới dạng hành động. Kiểu chữ in nghiêng quá khổ và nền dệt carbon đến từ các tính từ; điều làm cho nó đọc như một trang thực sự đến từ các động từ.

Mẫu 3: live action cộng với vẽ tay, được giữ với nhau bằng các lời từ chối. Clip MiniMax H3 kết hợp cảnh quay live-action trong bếp với các sinh vật phát sáng vẽ tay

Cái này là một căn bếp buổi tối quay bằng điện thoại với các sinh vật vẽ tay nhỏ phát sáng trong đó, và lý do nó vẫn quyến rũ thay vì biến thành một đoạn ngắn kinh dị là một danh sách các lệnh cấm: không mắt to, không miệng tách đôi, không răng nanh, không tư thế đe dọa, không lao tới, không cắt đột ngột thành đen, không jump scare. Danh sách tiêu cực là kiểm soát phong cách chính, không phải một bản vá. Nó cũng là nơi bạn mã hóa gu thẩm mỹ. Bốn khung hình từ trailer khoa học viễn tưởng chính thức: THE STARS WERE LISTENING Bảng tâm trạng và tham chiếu nhân vật đằng sau trailer

Trailer trên đóng vòng lặp cho cả hai ý tưởng. Prompt đánh vần một tiêu đề, THE STARS WERE LISTENING, một cách chi tiết: cực kỳ hẹp, đậm, tất cả chữ hoa, đỏ sẫm pha với gỉ, một chút hạt và các cạnh mờ. Cái đó trả về chính xác như đã đặt hàng. Hai bảng tham chiếu xử lý tâm trạng và nhân vật chính, vì vậy văn bản không bao giờ phải mô tả một khuôn mặt. Phân công lao động, tất cả các con đường.

Chi Phí Chạy Các Prompt MiniMax H3 Này Là Bao Nhiêu

H3 được tính phí mỗi giây video được tạo, theo độ phân giải, vì vậy mô hình chi phí nhàm chán một cách sảng khoái: một lần chụp 15 giây có giá khoảng ba lần thử 5 giây. Mọi thứ khác đều theo đó.

• Lặp ở 5 giây, giao ở 10 hoặc 15. Bố cục, bảng màu và thiết kế âm thanh đều giải quyết ở 5 giây. Không có gì về một cảnh quay cố định cần toàn bộ thời lượng để cho bạn biết nó sai.
• end_image là một công cụ chi phí, không chỉ là một công cụ sáng tạo. Hầu hết các lần chạy lại xảy ra vì kết thúc bị trôi. Ghim khung hình cuối cùng loại bỏ chế độ thất bại đó trước khi bạn trả tiền cho nó.
• Danh sách tiêu cực và văn bản được đánh vần là miễn phí. Chúng thêm các ký tự vào một prompt được tính phí theo giây, không phải theo token. Sử dụng chúng nhiều.
• Khớp thời lượng với endpoint trước khi bạn viết. Xây dựng một danh sách cảnh quay 15 giây và sau đó phát hiện ra endpoint của bạn giới hạn ở 10 giây sẽ khiến bạn phải viết lại, không chỉ chạy lại.

Một điều không nên lên kế hoạch xung quanh: các bảng giá liệt kê một bậc 768p rẻ hơn, nhưng tại thời điểm viết, một công việc 768p bị từ chối thẳng thừng và 2K là độ phân giải duy nhất chạy. Hãy lập ngân sách như thể mỗi giây là một giây 2K. Tỷ lệ mỗi giây hiện tại nằm trên trang mô hình, đó cũng là nơi bậc 768p sẽ xuất hiện khi nó mở.

Prompt MiniMax H3, Meme và Bản Quyền

Con chó không phải là phạm vi công cộng. This Is Fine đến từ webcomic Gunshow #648 của KC Green, được xuất bản vào ngày 9 tháng 1 năm 2013, và chỉ có hai bảng đầu tiên từng lan truyền (Know Your Meme, tháng 1 năm 2013). Green đã nói công khai, và khá mệt mỏi, về việc nhìn thấy hình ảnh được sử dụng lại mãi mãi, bao gồm cả bởi những người có quan điểm chính trị mà anh ấy không chia sẻ (NPR, tháng 1 năm 2023).

Hướng dẫn này là bình luận và giảng dạy, không phải là một thư viện cổ phần. Nếu bạn muốn giao hàng thương mại, hãy tự vẽ các khung hình của bạn hoặc cấp phép cho những cái bạn sử dụng. Và chạy kiểm tra chính sách của riêng bạn trước khi làm việc với khách hàng: H3 áp dụng các quy tắc nội dung cho những người thực tế có thể nhận ra và IP nổi tiếng, và việc phát hiện ra điều đó giữa deadline không vui chút nào.

Câu Hỏi Thường Gặp

MiniMax H3 có tạo âm thanh không, hay tôi thêm vào sau?

Cùng một lượt. Hình ảnh và âm thanh ra cùng nhau, đó chính xác là lý do tại sao âm thanh phải được viết vào phần thân của prompt thay vì được gắn vào sau. Hãy dành cho nó một khối Audio: riêng và ghi rõ khi mỗi âm thanh vào. Mỗi clip chính thức trong số chín clip tôi đã thử nghiệm đều trả về dưới dạng AAC stereo ở 32kHz cùng với luồng video 2560x1440, 24fps.

Prompt MiniMax H3 có thể dài bao nhiêu?

Lên đến 7.000 ký tự, theo tài liệu của MiniMax. Trong thực tế, các ví dụ chính thức trải dài trên một phạm vi rộng, với trung bình khoảng 130 ký tự tiếng Trung và hai prompt dài nhất ở 657 và 858. Prompt ngắn hoạt động tốt khi một hình ảnh tham chiếu đang làm công việc mô tả. Nếu bạn không có tham chiếu, hãy chuẩn bị viết một danh sách cảnh quay.

Tại sao văn bản bị lỗi trong video MiniMax H3 của tôi?

Vì bạn không gõ nó. Các chuỗi xuất hiện theo nghĩa đen trong prompt hiển thị sạch sẽ; bất cứ thứ gì bạn ám chỉ một cách chung chung ("các yếu tố HUD", "một số nhãn") đều trả về dưới dạng kết cấu hình chữ. Hãy đánh vần mọi từ phải đọc được, sau đó thêm không viết sai chính tả, không thêm văn bản khác, không thêm phụ đề.

Một prompt MiniMax H3 có thể sử dụng bao nhiêu hình ảnh tham chiếu, video và clip âm thanh?

Chín hình ảnh, ba video và ba clip âm thanh, tổng cộng mười hai tệp, với video và âm thanh tham chiếu từ 2 đến 15 giây mỗi tệp. Âm thanh không thể là tham chiếu duy nhất. Lưu ý rằng khả năng của mô hình và những gì một endpoint cụ thể hiển thị là hai điều khác nhau, vì vậy hãy kiểm tra trang mô hình để biết danh sách đầu vào hiện tại.

Một prompt MiniMax H3 có thể kiểm soát cách clip kết thúc, không chỉ cách nó bắt đầu không?

Có, trên image-to-video, thông qua tham số end_image tùy chọn. Đưa cho nó một khung hình đầu và một khung hình cuối, và clip sẽ nội suy giữa chúng. Bản demo ở trên chính xác là điều đó: bảng truyện tranh 2 vào, bảng truyện tranh 6 ra. Giữ hai hình ảnh ở tỷ lệ khung hình tương tự hoặc quá trình chuyển đổi sẽ trở nên xấu.

Tôi thực sự có thể nhận được các thời lượng và độ phân giải nào ngay bây giờ?

2K, và chỉ 2K. Một công việc 768p hiện bị từ chối với supported resolutions: 2K, mặc dù 768p xuất hiện trong bảng giá. Thời lượng khác nhau theo endpoint: text-to-video và image-to-video chấp nhận 5 đến 10 giây với mặc định là 8, trong khi reference-to-video chấp nhận 5 đến 15. Một lưu ý khác: trên chỉ tạo văn bản, API từ chối thích ứng và yêu cầu một tỷ lệ rõ ràng.