Prompt-Guide
So promptest du MiniMax-H3
So schreibst du Prompts für MiniMax-H3: das Prompt-Format mit Feldbezeichnungen, eine Vorlage zum Ausfüllen und Profi-Tipps für Einstellungen, Frames, Referenzen, Dialoge und Ton auf Mage.
Schnellstart
Dein erster guter MiniMax-H3-Prompt
Alles, was Einsteiger in einer Minute brauchen: was du zuerst wissen solltest, die wichtigsten Regeln, eine Vorlage zum Ausfüllen und Prompts zum Kopieren.
Das solltest du zuerst wissen
MiniMax-H3 erzeugt Video und Ton zusammen, und auf Mage liest es deinen Prompt genau so, wie du ihn schreibst: Nichts wird vorher erweitert oder umgestellt. Das Modell wurde mit Prompts in beschrifteten Feldern trainiert, schreib also in diesen Feldern statt in einem losen Absatz. Für einen Clip aus Text reichen drei Felder: was man sieht und hört, Einstellung für Einstellung; der Umgebungston des ganzen Clips; und die Musik, oder N/A für keine.
Die wichtigsten Regeln
Schreib die drei Felder in dieser Reihenfolge
Erst integrated_multimodal_description, dann overall_soundscape, dann non_diegetic_music, jeweils in einer eigenen Zeile mit einer Leerzeile dazwischen. Übernimm die Bezeichnungen genau.
Beginne jede Einstellung mit Stil und Bildausschnitt
[Shot 1] beginnt mit dem Stil und dem Anfangsbild: „Live-action, cinematic, a medium shot frames…“. Danach folgt eine Kamerabewegung als Satz, dann das Geschehen.
Füll die Länge genau aus
Die Einstellungen müssen genau die eingestellte Clip-Länge abdecken, nicht mehr und nicht weniger. Ein Schnitt wird mit seiner Zeit geschrieben: „[Shot 2] At 00:04.000, the camera cuts to…“.
Jeder Sound an seinen Platz
Geräusche, die zu einer Handlung gehören, kommen in die description. Raum, Wetter und Menschenmenge gehören in overall_soundscape. Die Filmmusik kommt in non_diegetic_music, oder N/A, wenn es keine gibt.
Abschnitte auf Englisch, gesprochene Worte in der eigenen Sprache
Die Felder sind auf Englisch. Dialoge, Songtexte und Text im Bild bleiben in ihrer Originalsprache, genau so, wie sie erscheinen sollen.
Fülle diese Vorlage aus
Ersetze jeden Teil in eckigen Klammern durch deine eigene Idee und lass weg, was du nicht brauchst.
integrated_multimodal_description: [Shot 1] [Style], a [shot size] frames [subject, place, and starting state]. The camera [one move, as a sentence]. [What happens, in order, with the sounds of each action].
overall_soundscape: [Ambience and physical sounds across the whole clip].
non_diegetic_music: [Score instruments, tempo, and dynamics, or N/A].integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium shot frames a noodle cook at a street stall at night, steam rising from a row of pots under a single bare bulb. The camera pushes in with small amplitude at slow speed. He lifts a tangle of noodles high out of the boiling water, shakes them twice so drops scatter, and drops them into a bowl with a soft splash.
overall_soundscape: Rain patters on the tin awning, water boils steadily, and scooters pass on the wet street behind him.
non_diegetic_music: N/A[Shot 1]Lass dieses Label genau so stehen: Es eröffnet den ersten Shot. Ein Schnitt fügt [Shot 2] mit seiner Zeitangabe hinzu.[Style]Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film.[shot size]Wie nah die Kamera ist: wide shot, medium shot, close-up.[subject, place, and starting state]Wer oder was zu sehen ist, wo, und wie der Shot beginnt: a noodle cook at a street stall at night, steam rising from a row of pots.[one move, as a sentence]Eine Kamerabewegung, bei Bedarf mit Größe und Tempo: pushes in with small amplitude at slow speed.[What happens, in order, with the sounds of each action]Die Handlung, während sie abläuft, und das Geräusch jeder Handlung: he lifts the noodles high and drops them into a bowl with a soft splash.[Ambience and physical sounds across the whole clip]Ein bis vier Sätze zu dem, was durchgehend zu hören ist: rain on the awning, boiling water, passing scooters.[Score instruments, tempo, and dynamics, or N/A]Musik, die nur das Publikum hört, beschrieben mit Instrumenten, Tempo, Rhythmus und Lautstärke, ohne Stimmungswörter. N/A, wenn es keine Musik gibt.
Prompts als Ausgangspunkt
Ein Shot, mit Ton, aber ohne Musik
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a close-up frames a glassblower's hands turning a glowing orange bulb of glass on the end of a steel pipe in a dark workshop. The camera trucks left with small amplitude at slow speed. She rolls the pipe along the rails of her bench, lifts it, and blows a short breath into the mouthpiece as the bulb swells and brightens. overall_soundscape: The furnace roars steadily behind her, the pipe clicks against the rails, and a soft hiss rises as the glass swells. non_diegetic_music: N/AWarum das funktioniert: Drei Felder in fester Reihenfolge, eine Kamerabewegung als ganzer Satz und N/A für die Musik: So klingt der Clip nach der Werkstatt und nach nichts sonst.
Ein Schnitt und ein gesprochener Satz
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a wide shot frames two hikers reaching a rocky summit above a sea of clouds at sunrise, wind tugging at their jackets. The camera pedestals up with small amplitude at slow speed as they climb the last step and stop. [Shot 2] At 00:04.000, the camera cuts to a close-up of the woman in the red jacket (S1), in her thirties, with a bright, breathless voice, who turns to her friend and says: <d>[English] Told you it was worth the early alarm.</d> Her friend laughs and shakes his head. overall_soundscape: Strong wind gusts across the summit, boots scrape on rock, and both hikers breathe hard from the climb. non_diegetic_music: A sustained string pad at a slow tempo, quiet at first and rising gently after the cut.Warum das funktioniert: Der Schnitt bei 4 Sekunden bringt etwas Neues: ein Gesicht und einen Satz. Die sprechende Person bekommt einmal eine ID und eine Stimmbeschreibung, und nur die Worte stehen in den d-Tags. Stell die Länge auf 8 Sekunden.
Mit deinem Bild starten
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced. integrated_multimodal_description: [Shot 1] Live-action, cinematic, the old bookshop shown in <Picture 1> keeps its layout, warm lamps and crowded shelves, with the gray cat asleep on the counter. The camera pushes in with small amplitude at slow speed. The cat opens one eye, stretches its front paws across an open ledger, and yawns as a page lifts in the draft from the door. overall_soundscape: A wall clock ticks, rain murmurs against the front window, and the floorboards creak once. non_diegetic_music: A solo piano plays a sparse melody at a slow tempo and low volume.Warum das funktioniert: Lade das Standbild als Start-Frame hoch. Die erste Zeile wird exakt übernommen, die Beschreibung beginnt mit dem, was das Bild schon zeigt, und erst danach steht, was sich bewegt.
Von einem Bild zum anderen
How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot 1) aligns with the 6.00-second mark of the target video. integrated_multimodal_description: [Shot 1] Live-action, cinematic, an empty sunlit studio begins as in Picture 1, a folded wooden easel leaning against the wall. The camera holds a static shot. A painter in a paint-flecked apron walks in from the right, unfolds the easel, sets a blank canvas on it, and steps back with her arms crossed, settling into the pose and spacing of Picture 2. overall_soundscape: Footsteps cross the wooden floor, the easel legs creak and lock with a clack, and birdsong drifts through an open window. non_diegetic_music: N/AWarum das funktioniert: Lade die beiden Standbilder als Start-Frame und End-Frame hoch. Die erste Zeile legt sie auf Anfang und Ende fest, und die Beschreibung erzählt den Weg dazwischen, statt sie noch einmal zu beschreiben. Stell die Länge auf 6 Sekunden.
Fortgeschritten
Fortgeschrittenes Prompting mit MiniMax-H3
Techniken für mehr Kontrolle, sobald die Grundlagen sitzen.
MiniMax-H3 Turbo oder MiniMax-H3
MiniMax-H3 Turbo ist die Standardwahl: schneller, günstiger und das Modell für längere Clips. MiniMax-H3 ist das Modell mit allen Schritten, für kürzere Clips. Beide lesen einen Prompt gleich, also entwirf auf Turbo und render mit einem von beiden mit denselben Worten.
- Lass Prompt Enhance ausgeschaltet. Es hängt Wörter ans Ende des Prompts, und die landen dann im Musikfeld.
Das Format, Feld für Feld
MiniMax-H3 liest eines von zwei Layouts. Für einen Clip aus Text oder aus Frames schreibst du eine optionale Frame-Zeile, eine Leerzeile und dann drei Felder: integrated_multimodal_description, overall_soundscape und non_diegetic_music. Für einen Clip aus Referenzbildern, Characters oder Referenzvideos schreibst du sechs: subject_definitions, summary, retention_analysis, detailed_description, overall_soundscape und non_diegetic_music.
integrated_multimodal_description ist der Hauptteil des Clips: eine Timeline der Shots, jeweils mit Bild, Kamera, Handlungen sowie Dialog oder Gesang. overall_soundscape umfasst ein bis vier Sätze zu Atmosphäre, physischen Geräuschen, Atemzügen und Lachen im ganzen Clip. non_diegetic_music umfasst ein bis drei Sätze zur Filmmusik, oder N/A.
| Schreibe | Was es bewirkt |
|---|---|
integrated_multimodal_description: | Shot für Shot: Stil, Bildausschnitt, Kamera, Handlung und gesprochener Text. |
overall_soundscape: | Atmosphäre und physische Geräusche im ganzen Clip. N/A nur bei völliger Stille. |
non_diegetic_music: | Filmmusik, die die Figuren nicht hören können, oder N/A, wenn es keine gibt. |
subject_definitions: | Mit Referenzen: was jedes Label ist, einmal definiert, bevor es verwendet wird. |
summary: | Mit Referenzen: die Art der Aufgabe in Klammern, dann ein kurzer Absatz zum Clip. |
retention_analysis: | Mit Referenzen: wie viel von jeder Eingabe erhalten bleiben soll. |
detailed_description: | Mit Referenzen: ein oder zwei Sätze zum Stil, dann die Shots. |
Shots und Timing
[Shot 1] hat keine Zeitangabe: Er beginnt mit dem Stil und dem Startbild ("Live-action, cinematic, a medium-wide shot frames…"). Jeder weitere Shot beginnt mit seiner Zeit in Minuten, Sekunden und Millisekunden: "[Shot 2] At 00:05.000, the camera cuts to…". Die Zeiten müssen von Shot zu Shot steigen und innerhalb des Clips bleiben, und der letzte Shot läuft bis zum Ende.
Jeder Schnitt muss etwas Neues bringen: ein neues Motiv, einen neuen Raum, einen neuen Zustand, eine neue Perspektive oder eine neue Zeit. Für einen engeren Ausschnitt desselben Moments bewegst du lieber die Kamera, statt zu schneiden.
- Schreib Schnitte als "the camera cuts to" oder "the shot switches to". Bitte nur dann um eine Überblendung, eine Ausblendung oder einen Wipe, wenn du genau das willst.
- Nenne bei jedem Schnitt den Bildausschnitt und wer im Bild zu sehen ist.
- Für eine durchgehende Einstellung schreibst du nur einen einzigen [Shot 1] und ergänzt "in one continuous shot with no cuts". Bitte nie um eine durchgehende Einstellung und schreib trotzdem mehrere Shots.
- Stilwörter für den Anfang von [Shot 1]: Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film. Bei Frames übernimmst du den Stil aus dem Bild.
- Schreib konkrete Details statt Lob: "shallow depth of field, backlight keeps the foreground dark", nie "beautiful, cinematic".
Kamerabewegungen
Schreib jede Kamerabewegung als Satz innerhalb ihres Shots, nicht als Tag am Ende: "The camera holds a static shot as the runner exits the frame." Ergänze Größe und Tempo nur, wenn sie wichtig sind: with small or large amplitude, at slow or fast speed.
- Für einen Orbit um ein Motiv schreibst du ein Truck und ein Pan in entgegengesetzte Richtungen: "The camera trucks left while panning right."
| Schreibe | Was es bewirkt |
|---|---|
push in / pull out | Die Kamera fährt auf das Motiv zu oder von ihm weg. |
zoom in / zoom out | Nur das Objektiv verändert sich, die Kamera bleibt stehen. |
pan left / pan right | Die Kamera dreht sich auf der Stelle nach links oder rechts. |
truck left / truck right | Die Kamera gleitet seitwärts. |
tilt up / tilt down | Die Kamera neigt sich auf der Stelle nach oben oder unten. |
pedestal up / pedestal down | Die ganze Kamera hebt oder senkt sich. |
arc shot | Die Kamera fährt in einer Kurve um das Motiv. |
tracking shot | Die Kamera begleitet ein sich bewegendes Motiv. |
static shot | Die Kamera bewegt sich nicht. |
shake slightly / shake strongly | Handkamera-Wackeln oder Schlag-Erschütterung. |
POV | Der Blick durch die Augen einer Figur. |
roll clockwise / roll counterclockwise | Das Bild dreht sich. |
with small amplitude at slow speed | Eine sanfte, langsame Variante jeder Bewegung. |
Erstes und letztes Bild
Lade einen Start-Frame, einen End-Frame oder beide hoch und beginne den Prompt mit der passenden Zeile, exakt kopiert, dann eine Leerzeile und die drei Felder. In der Zeile steht S.SS für die Clip-Länge mit zwei Dezimalstellen (6.00 für sechs Sekunden) und N für die Nummer des letzten Shots. Der Clip übernimmt das Format des Frames.
Mit einem Start-Frame beginnst du die Beschreibung mit dem, was das Bild zeigt (Stil, Motive und Komposition), behältst das bei und schreibst dann, wie die Handlung beginnt, sich entwickelt und endet. Mit beiden Frames schreibst du einen Shot, außer du willst Schnitte, und beschreibst den Weg dazwischen: den Anfangszustand, die sichtbaren Veränderungen, die schrumpfenden Unterschiede und den Endzustand. Mit nur einem End-Frame erfindest du einen glaubwürdigen früheren Zustand und kommst im letzten Shot beim Bild an.
- Beschreib die beiden Standbilder in einem Clip mit Start- und End-Frame nie noch einmal: Das Modell hat sie schon.
- Ein Clip nutzt Frames oder Referenzen, nicht beides.
| Schreibe | Was es bewirkt |
|---|---|
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced. | Nur das erste Frame. |
How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video. | Erstes und letztes Frame. |
How the reference pictures align with the target video — <Picture 1> (from [Shot N]) aligns with the S.SS-second mark of the target video. | Nur das letzte Frame. |
References und Characters
MiniMax-H3 nummeriert seine Eingaben nach Typ, und genau diese Labels liest es. <Picture N> zählt zuerst deine hochgeladenen Bilder (das Bild, dann die zusätzlichen Bilder), danach die erwähnten Characters, dann die erwähnten References, jeweils in der Reihenfolge der ersten Erwähnung. <Audio N> zählt die erwähnten Sprachclips, dann die Stimmen erwähnter Characters, dann den Ton jedes Referenzvideos. <Video N> zählt deine Video References der Reihe nach.
Bevor das Modell den Prompt liest, macht Mage aus jedem @handle Wörter wie "character from image 3 with voice from [Audio 1]". Erwähne deshalb jeden Handle nur einmal, in subject_definitions neben seinem Label, und verwende danach nur noch die Labels. Ein hochgeladenes Bild braucht keinen Handle: Schreib einfach direkt sein <Picture N>-Label.
Ein <Subject N> ist etwas, das du wiederverwenden willst: eine Person, ein Ort, ein Objekt, ein Outfit, ein Stil oder eine Bewegung. Ein Subject kann aus mehreren Eingaben schöpfen, zum Beispiel "whose face comes from <Picture 1> and whose walk comes from <Video 1>". Verwende <Picture N> allein nur, wenn das Bild ein Frame oder ein Storyboard für bestimmte Shots ist.
- Gib jeder Eingabe genau eine ausdrückliche Rolle: Character, Objekt, Schauplatz, Frame, Stimme, Storyboard, Stil, Bildkomposition, Bewegung, Kamerabewegung oder Audio zur Wiederverwendung. Nenne die Merkmale, die sich nicht ändern dürfen.
- Ein Gesicht bleibt nur stabil, wenn die Person angehängt ist, entweder als Character oder als Bild. Text allein hält ein Gesicht nie.
- Behalte jedes Label im ganzen Prompt bei, definiere es nie doppelt und gib einer Eingabe nie zwei Labels.
- Die Zusammenfassung beginnt mit der Art der Aufgabe in eckigen Klammern, verbunden mit +: keyframe completion, reference generation, video editing, video continuation, audio reuse oder audio reference.
- Um einen Clip zu bearbeiten, füge ihn als Video Reference hinzu und beginne die Zusammenfassung mit [video editing] und "The target video is an edited version of <Video 1>."
- References teilen sich ein Zeitbudget mit dem Clip: Jedes Bild und jede Sekunde Referenzvideo verbraucht einen Teil davon. Kürze Referenzvideos auf den Teil, den du brauchst, und nutze bei langen Clips nur wenige References.
- Schreib für einen neuen Clip eine detailed_description von etwa 350 bis 500 Wörtern. Gib für jeden Shot die Komposition an, wer wo steht, Schauplatz und Licht, die Handlungen, die Kamera, den Ton und wo welches Label gilt.
| Schreibe | Was es bewirkt |
|---|---|
fully_preserved | Genau beibehalten: ein Gesicht, ein Produkt, ein Logo. |
partially_preserved | Einen Teil beibehalten, und sag, welche Teile. |
attribute_transfer | Eine Eigenschaft übernehmen, etwa eine Farbe, eine Textur oder einen Stil. |
weak_reference | Nur eine lose Orientierung. |
fully_copy, partially_copy, reference, weak_reference | Dieselbe Skala gilt für Audio: unverändert abspielen, einen Teil davon abspielen, nur dem Timbre oder Rhythmus folgen oder es als lose Orientierung nutzen. |
Ein gespeicherter Character mit Stimme und ein Produktfoto
subject_definitions:
<Subject 1> is the man in <Picture 2> (@leo), with a gray beard, a flat cap and a navy wool coat.
<Subject 2> is the cast-iron teapot in <Picture 1>, matte black with a bamboo handle.
<Audio 1> is the voice-timbre reference for <Subject 1> (S1).
summary:
[reference generation + audio reference] <Subject 1> pours tea from <Subject 2> at a table by a rainy window and speaks to the camera in the voice referenced from <Audio 1>.
retention_analysis:
<Subject 1> (appears in [Shot 1], [Shot 2]): fully_preserved - face, beard, cap and coat are kept.
<Subject 2> (appears in [Shot 1], [Shot 2]): fully_preserved - shape, finish and bamboo handle are kept exactly.
<Audio 1>: reference - his delivery follows its timbre without copying its words.
detailed_description:
Live-action, soft gray daylight from a window on the left, shallow depth of field.
[Shot 1] A medium shot frames <Subject 1> seated at a worn oak table, lifting <Subject 2> and pouring a thin stream of tea into a small white cup as steam curls up. The camera pushes in with small amplitude at slow speed. [Shot 2] At 00:04.000, the camera cuts to a close-up of <Subject 1> (S1), who looks into the lens and says in a slow, warm voice: <d>[English] Rain outside, tea inside. That's the whole plan.</d> He sets <Subject 2> down beside the cup.
overall_soundscape:
Rain runs down the window, tea splashes softly into the cup, and the iron lid clinks as it settles.
non_diegetic_music:
N/AWarum das funktioniert: Lade die Teekanne als Bild hoch, dann ist sie <Picture 1> und der Character <Picture 2>; der Handle steht nur einmal, neben seinem Label. Hier gekürzt: Eine vollständige Beschreibung ist länger. Stell die Länge auf 8 Sekunden.
Dialog und Ton
Gib jeder Stimme eine feste ID, (S1), (S2) oder (S1,S2) für eine gemeinsam gesprochene Zeile, und beschreibe jede Stimme einmal außerhalb des Tags, wenn sie zum ersten Mal auftritt: Alter, Geschlecht, on oder off screen, Tonhöhe, Timbre, Tempo und Akzent. Characters, die nie ein Geräusch machen, bekommen keine ID.
Setze jede Zeile in <d>-Tags, nur mit Sprache und genauem Wortlaut: <d>[English] We leave at dawn.</d> Übersetze eine Zeile nie und passe den Text an den Shot an: Eine lange Rede in einem kurzen Shot zerstört die Lippensynchronisation.
Ordne den Ton drei Ebenen zu. Geräusche, die zu einer Handlung gehören, und Musik, die in der Szene läuft, kommen in die Beschreibung; Atmosphäre und physische Geräusche kommen in overall_soundscape; der Score kommt in non_diegetic_music, beschrieben mit Instrumenten, Tempo, Rhythmus und Dynamik, ohne Stimmungswörter. Wiederhole Dialog nie in den beiden Sound-Feldern.
- Jeder Clip hat Ton. Beschreibe, was du hören willst, und sag, was wegbleiben soll.
- Wenn eine Stimme nur wegen ihres Timbres genutzt wird, lass ihre Worte aus dem Prompt weg. Um Audio unverändert wiederzuverwenden, schreib den genauen Wortlaut oder Songtext auf, mit [unclear] für alles, was du nicht verstehst.
- Schalte Stimmen der Characters verwenden aus, um die gespeicherten Stimmen der Characters wegzulassen.
- Schreib nie eine E-Mail-Adresse oder einen Social-Media-Handle: Jedes @ mit folgenden Buchstaben wird als gespeicherter Handle gelesen. Schreib im Dialog "at".
| Schreibe | Was es bewirkt |
|---|---|
(S1) | Die Sprecher-ID, direkt hinter der sprechenden Person. |
<d>[English] …</d> | Eine gesprochene Zeile: die Sprache, dann der genaue Wortlaut. |
says in an off-screen voiceover: | Erzählstimme. Füge nach der Zeile "while her lips remain completely closed" hinzu, wenn die Person im Bild ist. |
<scenetrans> | Wird auf beiden Seiten eines Schnitts gesetzt, wenn eine Zeile über ihn hinweg läuft, zusammen mit "continues seamlessly across the cut". |
<cutoff> | Sprache, die das Ende des Clips abschneidet. |
<Audio 1> is the voice-timbre reference for <Subject 1> (S1). | Eine gespeicherte Stimme gibt einem Sprecher seinen Klang; die Worte kommen aus dem Prompt. |
Ein Erzähler über einer Totalen
integrated_multimodal_description: [Shot 1] Live-action, cinematic, an extreme wide shot frames a herd of horses galloping across a frozen lake at dawn, snow spraying from their hooves. The camera trucks right with large amplitude at slow speed, keeping pace with the herd. A calm older woman (S1) with a low, clear voice says in an off-screen voiceover: <d>[English] Every winter, they cross before the ice turns.</d> No one on screen speaks.
overall_soundscape: Hooves drum on the ice, the horses snort and blow, and a cold wind hisses across the lake.
non_diegetic_music: Low cellos hold a long chord at a slow tempo, swelling slightly as the herd passes.Warum das funktioniert: Der Erzähler hat eine ID und eine einmalige Beschreibung, die Voiceover-Formulierung hält die Zeile aus dem Bild, und jedes Geräusch steht in seiner eigenen Ebene.
Text im Bild
Setze jedes Schild, Label, jeden Untertitel oder jede Leuchtschrift in doppelte Anführungszeichen, Wort für Wort und in der Originalsprache: A blue neon sign reading "NOODLES" flickers above the stall.
- Beschränke dich auf einen Haupttext pro Shot und halte ihn von Gesichtern fern.
- Wenn nichts eingeblendet werden soll, schreib "No subtitles, on-screen text, or watermarks."
Häufige Fehler
Das besser vermeiden, stattdessen so
Vermeiden: Ein loser Absatz ohne Felder.
a cook makes noodles at a street stall at night in the rain, steam, cinematic, moodyBesser: Die beschrifteten Felder: Mage erweitert keinen losen Prompt.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium shot frames a noodle cook at a street stall at night, steam rising under a bare bulb. The camera holds a static shot. He lifts the noodles high and drops them into a bowl with a soft splash. overall_soundscape: Rain on the tin awning, boiling water, passing scooters. non_diegetic_music: N/AVermeiden: Ein Label, das vor seiner Definition verwendet wird, oder eine Eingabe mit zwei Labels.
Besser: Jedes Label einmal in subject_definitions definieren, danach immer dasselbe Label verwenden.
Vermeiden: "One continuous take" mit mehreren Shots.
Besser: Entweder das eine oder das andere.
Vermeiden: Musik in einem Feld und "no background music" in einem anderen.
Besser: Eine Entscheidung, in non_diegetic_music.
Vermeiden: Eine Timeline, die länger oder kürzer ist als der Clip.
Besser: Schnittzeiten innerhalb der eingestellten Länge, wobei der letzte Shot bis zum Ende läuft.
Vermeiden: Stimmungswörter im Musikfeld: "epic, emotional, uplifting".
non_diegetic_music: epic emotional uplifting musicBesser: Instrumente, Tempo, Rhythmus und Dynamik.
non_diegetic_music: Brass and timpani at a moderate tempo, building from quiet to loud over the last shot.Vermeiden: Eine lange Rede in einem kurzen Shot.
Besser: Eine Zeile, die kurz genug ist, um in der Dauer des Shots gesprochen zu werden.
Vermeiden: Eine Handlungszusammenfassung: "they fall in love".
Besser: Was zu sehen und zu hören ist, Shot für Shot.
Vermeiden: Zu erwarten, dass ein Gesicht allein durch Worte stabil bleibt.
Besser: Die Person als Character oder Bild anhängen.
FAQ
Fragen zum Prompten mit MiniMax-H3
Wie lang sollte ein MiniMax-H3-Prompt sein?
Muss ich die beschrifteten Felder verwenden?
Wie lasse ich in MiniMax-H3 eine Figur sprechen?
Wie halte ich eine Figur in MiniMax-H3 konsistent?
Wie verhindere ich, dass MiniMax-H3 Musik hinzufügt?
Kann ich Start- und Endbild zusammen mit Referenzen nutzen?
Unterstützt MiniMax-H3 Negativ-Prompts?
Prompt-Guide
Weitere Prompt-Guides
So promptest du Berry
So schreibst du Prompts für Berry, das referenztreue KI-Videomodell von Mage: ein Schnellstart in einer Minute, eine Vorlage und Profi-Tipps für Referenzen, Timing, Dialoge und Bearbeitungen.
So promptest du Blueberry
So schreibst du Prompts für Blueberry, das KI-Videomodell von Mage für Start- und Endframe: Schnellstart, Vorlage und Profi-Tipps für Übergänge, Loops, Kamerabewegungen und Sound.
So promptest du Cherry
So schreibst du Prompts für Cherry, das KI-Videomodell von Mage: Schnellstart in einer Minute, Vorlage zum Ausfüllen und Profi-Tipps für Shots, Kamera, Figuren, Sound und Bearbeitungen.
So promptest du Grok Video
So schreibst du Prompts für Grok Video, das Grok Imagine von xAI, auf Mage und erstellst KI-Videos: Schnellstart, Vorlage zum Ausfüllen und Profi-Tipps für Kamera, Referenzen, Bearbeitungen und Sound.
So promptest du Kiwi
So schreibst du Prompts für Kiwi, das Alltags-Videomodell von Mage: ein Schnellstart in einer Minute, eine Vorlage zum Ausfüllen und Tipps zu Licht, Kamerabewegungen, Startbildern und Sound.
So promptest du Lemon
So schreibst du Prompts für Lemon, das KI-Videomodell für alle Fälle von Mage: ein Schnellstart in einer Minute, eine Vorlage und Profi-Tipps für Frames, Referenzen, Stimmen, Shots und Schnitte.
Erstelle dein erstes Video mit MiniMax-H3
Neue Konten erhalten 300 kostenlose Gems – genug, um MiniMax-H3 Turbo auszuprobieren. Keine Installation, keine Kreditkarte.
MiniMax-H3 Turbo ausprobieren