Οδηγός prompt
Πώς να γράψεις prompt για το MiniMax-H3
Πώς να γράψεις prompt για το MiniMax-H3: η μορφή prompt με ετικέτες, ένα πρότυπο προς συμπλήρωση και συμβουλές από ειδικούς για πλάνα, καρέ, references, διάλογο και ήχο στο Mage.
Γρήγορη εκκίνηση
Το πρώτο σου εξαιρετικό prompt για το MiniMax-H3
Ό,τι χρειάζεται ένας αρχάριος σε ένα λεπτό: τι να ξέρεις πρώτα, οι σημαντικότεροι κανόνες, ένα πρότυπο για συμπλήρωση και prompt για αντιγραφή.
Τι να ξέρεις πρώτα
Το MiniMax-H3 δημιουργεί βίντεο και ήχο μαζί και στο Mage διαβάζει το prompt ακριβώς όπως το γράφεις: τίποτα δεν το επεκτείνει ή το αναδιοργανώνει πρώτα. Έχει εκπαιδευτεί με prompts γραμμένα σε πεδία με ετικέτες, γι' αυτό γράψε σε αυτά τα πεδία αντί για μια χαλαρή παράγραφο. Για κλιπ από κείμενο αρκούν τρία πεδία: τι βλέπουμε και τι ακούμε, πλάνο προς πλάνο· ο ήχος περιβάλλοντος σε όλο το κλιπ· και η μουσική, ή N/A αν δεν υπάρχει.
Οι σημαντικότεροι κανόνες
Γράψε τα τρία πεδία, με τη σειρά
integrated_multimodal_description, μετά overall_soundscape, μετά non_diegetic_music, το καθένα σε δική του γραμμή με κενή γραμμή ανάμεσα. Αντίγραψε τις ετικέτες ακριβώς.
Άνοιξε κάθε πλάνο με το στυλ και το κάδρο του
Το [Shot 1] ξεκινά με το στυλ και την αρχική εικόνα: "Live-action, cinematic, a medium shot frames…". Μετά μία κίνηση κάμερας ως πρόταση και μετά τι συμβαίνει.
Γέμισε ακριβώς τη διάρκεια
Τα πλάνα πρέπει να καλύπτουν τη διάρκεια του κλιπ που όρισες, ούτε περισσότερο ούτε λιγότερο. Ένα κόψιμο γράφεται με τον χρόνο του: "[Shot 2] At 00:04.000, the camera cuts to…".
Κάθε ήχος στη θέση του
Οι ήχοι που συνδέονται με μια ενέργεια μπαίνουν στην περιγραφή. Ο χώρος, ο καιρός και το πλήθος μπαίνουν στο overall_soundscape. Η μουσική υπόκρουση μπαίνει στο non_diegetic_music, ή N/A αν δεν υπάρχει.
Τα πεδία στα αγγλικά, τα λόγια στη δική τους γλώσσα
Τα πεδία γράφονται στα αγγλικά. Οι διάλογοι, οι στίχοι και τα κείμενα στην οθόνη μένουν στην αρχική τους γλώσσα, ακριβώς όπως θέλεις να εμφανιστούν.
Συμπλήρωσε αυτό το πρότυπο
Αντικατάστησε κάθε μέρος σε αγκύλες με τη δική σου ιδέα και παράλειψε όποιο μέρος δεν χρειάζεσαι.
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]Κράτα αυτή την ετικέτα ακριβώς όπως είναι: ανοίγει το πρώτο πλάνο. Μια κοπή προσθέτει το [Shot 2] με την ώρα του.[Style]Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film.[shot size]Πόσο κοντά είναι η κάμερα: wide shot, medium shot, close-up.[subject, place, and starting state]Ποιον ή τι βλέπουμε, πού και πώς ξεκινά το πλάνο: a noodle cook at a street stall at night, steam rising from a row of pots.[one move, as a sentence]Μία κίνηση κάμερας, με μέγεθος και ταχύτητα όταν έχουν σημασία: pushes in with small amplitude at slow speed.[What happens, in order, with the sounds of each action]Η δράση καθώς εξελίσσεται και ο ήχος που κάνει κάθε ενέργεια: he lifts the noodles high and drops them into a bowl with a soft splash.[Ambience and physical sounds across the whole clip]Από μία έως τέσσερις προτάσεις για όσα ακούμε σε όλη τη διάρκεια: rain on the awning, boiling water, passing scooters.[Score instruments, tempo, and dynamics, or N/A]Μουσική που ακούει μόνο το κοινό, με όργανα, ρυθμό, τέμπο και ένταση, χωρίς λέξεις διάθεσης. N/A αν δεν υπάρχει μουσική.
Prompt για να ξεκινήσεις
Ένα πλάνο, με ήχο αλλά χωρίς μουσική
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/AΓιατί δουλεύει: Τρία πεδία με τη σειρά, μία κίνηση κάμερας γραμμένη ως πρόταση και N/A για τη μουσική, ώστε το κλιπ να ακούγεται σαν το εργαστήριο και τίποτε άλλο.
Μια κοπή και μια ατάκα
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.Γιατί δουλεύει: Η κοπή στα 4 δευτερόλεπτα φέρνει κάτι καινούργιο, ένα πρόσωπο και μια ατάκα. Ο ομιλητής παίρνει ένα ID και μια περιγραφή φωνής μία φορά και μέσα στις ετικέτες d μπαίνουν μόνο τα λόγια. Ορίστε τη διάρκεια στα 8 δευτερόλεπτα.
Ξεκινώντας από τη δική σου εικόνα
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.Γιατί δουλεύει: Ανέβασε την εικόνα ως Πρώτο καρέ. Η πρώτη γραμμή αντιγράφεται ακριβώς, η περιγραφή ξεκινά με όσα δείχνει ήδη η εικόνα και μόνο μετά λέει τι κινείται.
Από τη μία εικόνα στην άλλη
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/AΓιατί δουλεύει: Ανέβασε τις δύο εικόνες ως Πρώτο καρέ και Τελευταίο καρέ. Η πρώτη γραμμή τις δεσμεύει στην αρχή και στο τέλος και η περιγραφή αφηγείται τη διαδρομή ανάμεσά τους, χωρίς να τις περιγράφει ξανά. Ορίστε τη διάρκεια στα 6 δευτερόλεπτα.
Προχωρημένα
Προχωρημένα prompt για το MiniMax-H3
Τεχνικές για περισσότερο έλεγχο, όταν τα βασικά δουλεύουν.
MiniMax-H3 Turbo ή MiniMax-H3
Το MiniMax-H3 Turbo είναι η προεπιλογή: πιο γρήγορο, πιο οικονομικό και κατάλληλο για μεγαλύτερα κλιπ. Το MiniMax-H3 είναι το μοντέλο πλήρων βημάτων, για πιο σύντομα κλιπ. Και τα δύο διαβάζουν ένα prompt με τον ίδιο τρόπο, οπότε φτιάξε πρόχειρα στο Turbo και δημιούργησε το τελικό με όποιο θέλεις, με τα ίδια λόγια.
- Άφησε απενεργοποιημένη τη Βελτίωση prompt. Προσθέτει λέξεις στο τέλος του prompt, όπου καταλήγουν στο πεδίο της μουσικής.
Η μορφή, πεδίο προς πεδίο
Το MiniMax-H3 διαβάζει μία από δύο διατάξεις. Για κλιπ από κείμενο ή από καρέ, γράψε μια προαιρετική γραμμή καρέ, μια κενή γραμμή και μετά τρία πεδία: integrated_multimodal_description, overall_soundscape και non_diegetic_music. Για κλιπ από εικόνες αναφοράς, Characters ή βίντεο αναφοράς, γράψε έξι: subject_definitions, summary, retention_analysis, detailed_description, overall_soundscape και non_diegetic_music.
Το integrated_multimodal_description είναι το κυρίως σώμα του κλιπ: μια χρονολογική σειρά πλάνων, με την εικόνα, την κάμερα, τις ενέργειες και τυχόν διάλογο ή τραγούδι κάθε πλάνου. Το overall_soundscape παίρνει από μία έως τέσσερις προτάσεις για τον ήχο του χώρου, τους φυσικούς ήχους, τις ανάσες και τα γέλια σε όλο το κλιπ. Το non_diegetic_music παίρνει από μία έως τρεις προτάσεις για τη μουσική υπόκρουση, ή N/A.
| Γράψε | Τι κάνει |
|---|---|
integrated_multimodal_description: | Πλάνο προς πλάνο: το στιλ, το κάδρο, η κάμερα, η δράση και τυχόν ομιλία. |
overall_soundscape: | Ήχος χώρου και φυσικοί ήχοι σε όλο το κλιπ. N/A μόνο για απόλυτη σιωπή. |
non_diegetic_music: | Μουσική που δεν ακούν οι χαρακτήρες, ή N/A αν δεν υπάρχει. |
subject_definitions: | Με αναφορές: τι είναι κάθε ετικέτα, ορισμένο μία φορά πριν χρησιμοποιηθεί. |
summary: | Με αναφορές: το είδος της εργασίας σε αγκύλες και μετά μια σύντομη παράγραφος για το κλιπ. |
retention_analysis: | Με αναφορές: πόσο από κάθε είσοδο πρέπει να διατηρηθεί. |
detailed_description: | Με αναφορές: μία ή δύο προτάσεις για το στιλ και μετά τα πλάνα. |
Πλάνα και χρονισμός
Το [Shot 1] δεν έχει ώρα: ανοίγει με το στιλ και την αρχική εικόνα ("Live-action, cinematic, a medium-wide shot frames…"). Κάθε επόμενο πλάνο ξεκινά με την ώρα του σε λεπτά, δευτερόλεπτα και χιλιοστά του δευτερολέπτου: "[Shot 2] At 00:05.000, the camera cuts to…". Οι ώρες πρέπει να αυξάνονται από πλάνο σε πλάνο και να μένουν μέσα στη διάρκεια του κλιπ, ενώ το τελευταίο πλάνο φτάνει ως το τέλος.
Κάθε κοπή πρέπει να προσθέτει κάτι νέο: νέο θέμα, νέο χώρο, νέα κατάσταση, νέα οπτική ή νέα χρονική στιγμή. Για πιο κοντινό κάδρο στην ίδια στιγμή, κίνησε την κάμερα αντί να κάνεις κοπή.
- Γράψε τις κοπές ως "the camera cuts to" ή "the shot switches to". Ζήτα cross-dissolve, fade ή wipe μόνο όταν το θέλεις.
- Σε κάθε κοπή, πες το κάδρο και ποιος εμφανίζεται στην οθόνη.
- Για μία αδιάκοπη λήψη, γράψε ένα μόνο [Shot 1] και πρόσθεσε "in one continuous shot with no cuts". Μην ζητάς ποτέ συνεχή λήψη και ταυτόχρονα να γράφεις πολλά πλάνα.
- Λέξεις στιλ για την αρχή του [Shot 1]: Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film. Με καρέ, πάρε το στιλ από την εικόνα.
- Γράψε συγκεκριμένες λεπτομέρειες, όχι εγκώμια: "shallow depth of field, backlight keeps the foreground dark", ποτέ "beautiful, cinematic".
Κινήσεις κάμερας
Γράψε κάθε κίνηση κάμερας ως πρόταση μέσα στο πλάνο της, όχι ως ετικέτα στο τέλος: "The camera holds a static shot as the runner exits the frame." Πρόσθεσε μέγεθος και ταχύτητα μόνο όταν έχουν σημασία: with small or large amplitude, at slow or fast speed.
- Για περιστροφή γύρω από ένα θέμα, γράψε truck και pan προς αντίθετες κατευθύνσεις: "The camera trucks left while panning right."
| Γράψε | Τι κάνει |
|---|---|
push in / pull out | Η κάμερα πλησιάζει ή απομακρύνεται από το θέμα. |
zoom in / zoom out | Αλλάζει μόνο ο φακός· η κάμερα μένει στη θέση της. |
pan left / pan right | Η κάμερα στρέφεται γύρω από τον άξονά της, αριστερά ή δεξιά. |
truck left / truck right | Η κάμερα γλιστρά προς τα πλάγια. |
tilt up / tilt down | Η κάμερα γέρνει προς τα πάνω ή προς τα κάτω χωρίς να μετακινηθεί. |
pedestal up / pedestal down | Ολόκληρη η κάμερα ανεβαίνει ή κατεβαίνει. |
arc shot | Η κάμερα κινείται καμπύλα γύρω από το θέμα. |
tracking shot | Η κάμερα ακολουθεί ένα θέμα που κινείται. |
static shot | Η κάμερα δεν κινείται. |
shake slightly / shake strongly | Κούνημα κάμερας στο χέρι ή από χτύπημα. |
POV | Η εικόνα μέσα από τα μάτια ενός χαρακτήρα. |
roll clockwise / roll counterclockwise | Το κάδρο περιστρέφεται. |
with small amplitude at slow speed | Μια απαλή, αργή εκδοχή οποιασδήποτε κίνησης. |
Πρώτο και τελευταίο καρέ
Ανέβασε Πρώτο καρέ, Τελευταίο καρέ ή και τα δύο και άνοιξε το prompt με την αντίστοιχη γραμμή, αντιγραμμένη ακριβώς, μετά μια κενή γραμμή και τα τρία πεδία. Στη γραμμή, το S.SS είναι η διάρκεια του κλιπ με δύο δεκαδικά (6.00 για έξι δευτερόλεπτα) και το N είναι ο αριθμός του τελευταίου πλάνου. Το κλιπ παίρνει το σχήμα του καρέ.
Με πρώτο καρέ, ξεκίνα την περιγραφή με όσα δείχνει η εικόνα (στιλ, θέματα και σύνθεση), διατήρησέ τα και μετά γράψε πώς αρχίζει, εξελίσσεται και τελειώνει η δράση. Με και τα δύο καρέ, γράψε ένα πλάνο εκτός αν θέλεις κοπές και περίγραψε τη διαδρομή ανάμεσά τους: την αρχική κατάσταση, τις ορατές αλλαγές, τις διαφορές που μικραίνουν και την τελική κατάσταση. Με μόνο τελευταίο καρέ, φαντάσου μια πιστευτή προηγούμενη κατάσταση και φτάσε στην εικόνα στο τελευταίο πλάνο.
- Μην περιγράφεις ποτέ ξανά τις δύο εικόνες σε ένα κλιπ με πρώτο και τελευταίο καρέ: το μοντέλο τις έχει ήδη.
- Ένα κλιπ χρησιμοποιεί καρέ ή αναφορές, όχι και τα δύο.
| Γράψε | Τι κάνει |
|---|---|
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced. | Μόνο το πρώτο καρέ. |
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. | Το πρώτο και το τελευταίο καρέ. |
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. | Μόνο το τελευταίο καρέ. |
References και Characters
Το MiniMax-H3 αριθμεί τις εισόδους ανά τύπο και διαβάζει αυτές τις ετικέτες. Το <Picture N> μετράει πρώτα τις εικόνες που ανέβασες (την Εικόνα και μετά τις Πρόσθετες εικόνες), έπειτα τους Characters που αναφέρεις και μετά τα References που αναφέρεις, το καθένα με τη σειρά της πρώτης αναφοράς. Το <Audio N> μετράει πρώτα τα φωνητικά κλιπ που αναφέρεις, μετά τις φωνές των Characters που αναφέρεις και μετά τον ήχο κάθε βίντεο αναφοράς. Το <Video N> μετράει τα Video References σου με τη σειρά.
Πριν το μοντέλο διαβάσει το prompt, το Mage μετατρέπει κάθε @handle σε λέξεις όπως "character from image 3 with voice from [Audio 1]". Γι' αυτό ανάφερε κάθε handle μία φορά, στο subject_definitions δίπλα στην ετικέτα του, και μετά χρησιμοποιείς μόνο τις ετικέτες. Μια εικόνα που ανέβασες δεν χρειάζεται handle: γράψε απευθείας την ετικέτα της <Picture N>.
Το <Subject N> είναι κάτι που θες να επαναχρησιμοποιείς: ένα πρόσωπο, ένα μέρος, ένα αντικείμενο, ένα ντύσιμο, ένα στιλ ή μια κίνηση. Ένα subject μπορεί να αντλεί από πολλές εισόδους, όπως "whose face comes from <Picture 1> and whose walk comes from <Video 1>". Χρησιμοποίησε το <Picture N> μόνο του όταν η εικόνα είναι καρέ ή storyboard για συγκεκριμένα πλάνα.
- Δώσε σε κάθε είσοδο έναν ξεκάθαρο ρόλο: χαρακτήρας, αντικείμενο, χώρος, καρέ, φωνή, storyboard, στιλ, σύνθεση, κίνηση, κίνηση κάμερας ή ήχος προς επαναχρησιμοποίηση. Ονόμασε τα χαρακτηριστικά που δεν πρέπει να αλλάξουν.
- Ένα πρόσωπο διατηρείται μόνο όταν το άτομο είναι συνδεδεμένο, μέσω ενός Character ή μιας εικόνας. Το κείμενο από μόνο του δεν κρατά ποτέ ένα πρόσωπο.
- Κράτα κάθε ετικέτα σε όλο το prompt και μην την ορίζεις ποτέ δύο φορές ούτε να δίνεις δύο ετικέτες στην ίδια είσοδο.
- Η σύνοψη ξεκινά με το είδος της εργασίας σε αγκύλες, ενωμένο με +: [keyframe completion], [reference generation], [video editing], [video continuation], [audio reuse] ή [audio reference].
- Για να επεξεργαστείς ένα κλιπ, πρόσθεσέ το ως Video Reference και ξεκίνα τη σύνοψη με [video editing] και "The target video is an edited version of <Video 1>."
- Τα References μοιράζονται έναν χρονικό προϋπολογισμό με το κλιπ: κάθε εικόνα και κάθε δευτερόλεπτο βίντεο αναφοράς καταναλώνει ένα μέρος του. Κόψε τα βίντεο αναφοράς στο κομμάτι που χρειάζεσαι και κράτα λίγα references στα μεγάλα κλιπ.
- Για ένα νέο κλιπ, γράψε ένα detailed_description περίπου 350 έως 500 λέξεων. Για κάθε πλάνο δώσε τη σύνθεση, ποιος στέκεται πού, τον χώρο και το φως, τις ενέργειες, την κάμερα, τον ήχο και πού ισχύει κάθε ετικέτα.
| Γράψε | Τι κάνει |
|---|---|
fully_preserved | Κράτα το ακριβώς όπως είναι: ένα πρόσωπο, ένα προϊόν, ένα λογότυπο. |
partially_preserved | Κράτα ένα μέρος του και πες ποια μέρη. |
attribute_transfer | Πάρε ένα χαρακτηριστικό, όπως ένα χρώμα, μια υφή ή ένα στιλ. |
weak_reference | Μόνο ως χαλαρός οδηγός. |
fully_copy, partially_copy, reference, weak_reference | Η ίδια κλίμακα για τον ήχο: αναπαραγωγή όπως είναι, αναπαραγωγή ενός μέρους, ακολούθηση μόνο της χροιάς ή του ρυθμού, ή χρήση ως χαλαρός οδηγός. |
Ένας αποθηκευμένος Character με φωνή και μια φωτογραφία προϊόντος
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/AΓιατί δουλεύει: Ανέβασε το τσαγερό ως Εικόνα, ώστε να είναι το <Picture 1> και ο Character το <Picture 2>· το handle εμφανίζεται μία φορά, δίπλα στην ετικέτα του. Εδώ είναι συντομευμένο: μια πλήρης περιγραφή είναι μεγαλύτερη. Ρύθμισε τη διάρκεια στα 8 δευτερόλεπτα.
Διάλογος και ήχος
Δώσε σε κάθε φωνή ένα σταθερό ID, (S1), (S2) ή (S1,S2) για φράση που λέγεται μαζί, και περίγραψε κάθε φωνή μία φορά, έξω από την ετικέτα, όταν εμφανίζεται πρώτη φορά: ηλικία, φύλο, εντός ή εκτός κάδρου, τονικό ύψος, χροιά, ρυθμό και προφορά. Οι χαρακτήρες που δεν βγάζουν ποτέ ήχο δεν παίρνουν ID.
Βάλε κάθε φράση μέσα σε ετικέτες <d> με μόνο τη γλώσσα και τις ακριβείς λέξεις: <d>[English] We leave at dawn.</d> Μην μεταφράζεις ποτέ μια φράση και προσάρμοσε τις λέξεις στο πλάνο: ένας μακρύς λόγος σε σύντομο πλάνο χαλάει τον συγχρονισμό των χειλιών.
Χώρισε τον ήχο σε τρία επίπεδα. Οι ήχοι που συνδέονται με μια ενέργεια και η μουσική που παίζει μέσα στη σκηνή μπαίνουν στην περιγραφή· ο περιβάλλων και οι φυσικοί ήχοι μπαίνουν στο overall_soundscape· η μουσική υπόκρουση μπαίνει στο non_diegetic_music, γραμμένη ως όργανα, τέμπο, ρυθμός και δυναμική, χωρίς λέξεις διάθεσης. Μην επαναλαμβάνεις ποτέ διάλογο στα δύο πεδία ήχου.
- Κάθε κλιπ έχει ήχο. Περίγραψε τι θέλεις να ακούγεται και πες τι να αφεθεί έξω.
- Αν χρησιμοποιείς μια φωνή μόνο για τη χροιά της, μην βάλεις τα λόγια της στο prompt. Για να επαναχρησιμοποιήσεις έναν ήχο όπως είναι, γράψε τα ακριβή λόγια ή τους στίχους του, με [unclear] για ό,τι δεν ξεχωρίζεις.
- Απενεργοποίησε το Use Character Voices για να αφήσεις έξω τις αποθηκευμένες φωνές των Characters.
- Μην γράφεις ποτέ διεύθυνση email ή social handle: κάθε @ ακολουθούμενο από γράμματα διαβάζεται ως αποθηκευμένο handle. Στον διάλογο γράψε "at".
| Γράψε | Τι κάνει |
|---|---|
(S1) | Το ID του ομιλητή, γραμμένο αμέσως μετά το άτομο που μιλάει. |
<d>[English] …</d> | Μια εκφωνούμενη φράση: η γλώσσα και μετά οι ακριβείς λέξεις. |
says in an off-screen voiceover: | Αφήγηση. Πρόσθεσε "while her lips remain completely closed" μετά τη φράση όταν το άτομο φαίνεται στην οθόνη. |
<scenetrans> | Μπαίνει και στις δύο πλευρές μιας αλλαγής πλάνου όταν μια φράση συνεχίζεται πάνω της, με το "continues seamlessly across the cut". |
<cutoff> | Λόγος που κόβεται από το τέλος του κλιπ. |
<Audio 1> is the voice-timbre reference for <Subject 1> (S1). | Μια αποθηκευμένη φωνή δίνει στον ομιλητή τον ήχο του· τα λόγια του προέρχονται από το prompt. |
Ένας αφηγητής πάνω από ένα ευρύ πλάνο
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.Γιατί δουλεύει: Ο αφηγητής έχει ID και μια περιγραφή που δίνεται μία φορά, η φράση voiceover κρατά τη φράση εκτός κάδρου και κάθε ήχος μπαίνει στο δικό του επίπεδο.
Κείμενο στην οθόνη
Βάλε κάθε πινακίδα, ετικέτα, υπότιτλο ή νέον σε διπλά εισαγωγικά, λέξη προς λέξη, στην αρχική του γλώσσα: A blue neon sign reading "NOODLES" flickers above the stall.
- Κράτα ένα κύριο κείμενο ανά πλάνο και μακριά από πρόσωπα.
- Όταν δεν πρέπει να εμφανίζεται τίποτα, γράψε "No subtitles, on-screen text, or watermarks."
Συνήθη λάθη
Απόφυγε αυτό, κάνε το εξής
Απόφυγε: Μια χαλαρή παράγραφος χωρίς πεδία.
a cook makes noodles at a street stall at night in the rain, steam, cinematic, moodyΚαλύτερα: Τα πεδία με ετικέτες: τίποτα στο Mage δεν επεκτείνει ένα χαλαρό 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/AΑπόφυγε: Μια ετικέτα που χρησιμοποιείται πριν οριστεί ή μία είσοδος με δύο ετικέτες.
Καλύτερα: Κάθε ετικέτα ορίζεται μία φορά στο subject_definitions και μετά χρησιμοποιείται η ίδια κάθε φορά.
Απόφυγε: "One continuous take" με πολλά πλάνα.
Καλύτερα: Το ένα ή το άλλο.
Απόφυγε: Μουσική σε ένα πεδίο και "no background music" σε άλλο.
Καλύτερα: Μία απόφαση, στο non_diegetic_music.
Απόφυγε: Χρονολόγιο μεγαλύτερο ή μικρότερο από το κλιπ.
Καλύτερα: Χρόνοι αλλαγής πλάνου μέσα στη διάρκεια που όρισες, με το τελευταίο πλάνο να φτάνει ως το τέλος.
Απόφυγε: Λέξεις διάθεσης στο πεδίο της μουσικής: "epic, emotional, uplifting".
non_diegetic_music: epic emotional uplifting musicΚαλύτερα: Όργανα, τέμπο, ρυθμός και δυναμική.
non_diegetic_music: Brass and timpani at a moderate tempo, building from quiet to loud over the last shot.Απόφυγε: Ένας μακρύς λόγος σε σύντομο πλάνο.
Καλύτερα: Μια φράση αρκετά σύντομη ώστε να λέγεται στον χρόνο που διαρκεί το πλάνο.
Απόφυγε: Μια περίληψη πλοκής: "they fall in love".
Καλύτερα: Ό,τι φαίνεται και ακούγεται, πλάνο προς πλάνο.
Απόφυγε: Η προσδοκία ότι ένα πρόσωπο θα διατηρηθεί μόνο από λέξεις.
Καλύτερα: Το άτομο συνδεδεμένο ως Character ή εικόνα.
Συχνές ερωτήσεις
Ερωτήσεις για prompt στο MiniMax-H3
Πόσο μεγάλο πρέπει να είναι ένα prompt για το MiniMax-H3;
Πρέπει να χρησιμοποιώ τα πεδία με ετικέτες;
Πώς κάνω έναν χαρακτήρα να μιλήσει στο MiniMax-H3;
Πώς κρατάω έναν χαρακτήρα συνεπή στο MiniMax-H3;
Πώς εμποδίζω το MiniMax-H3 να προσθέτει μουσική;
Μπορώ να χρησιμοποιήσω πρώτο και τελευταίο καρέ μαζί με References;
Υποστηρίζει το MiniMax-H3 αρνητικά prompts;
Οδηγός prompt
Περισσότεροι οδηγοί prompt
Πώς να γράψεις prompt για το Berry
Πώς να γράφεις prompts για το Berry, το μοντέλο βίντεο με τεχνητή νοημοσύνη του Mage που μένει πιστό στις αναφορές: γρήγορη εκκίνηση ενός λεπτού, ένα πρότυπο και συμβουλές για αναφορές, χρονισμό, διάλογο και επεξεργασίες.
Πώς να γράψεις prompt για το Blueberry
Πώς να γράφεις prompts για το Blueberry, το μοντέλο βίντεο του Mage με πρώτο και τελευταίο καρέ: γρήγορη εκκίνηση, πρότυπο και συμβουλές ειδικών για μεταβάσεις, loops, κινήσεις κάμερας και ήχο.
Πώς να γράψεις prompt για το Cherry
Πώς να γράφεις prompt για το Cherry, το μοντέλο βίντεο του Mage: γρήγορη εκκίνηση ενός λεπτού, πρότυπο προς συμπλήρωση και συμβουλές για λήψεις, κάμερα, χαρακτήρες, ήχο και μοντάζ.
Πώς να γράψεις prompt για το Grok Video
Πώς να γράψεις prompt για το Grok Video, το Grok Imagine της xAI, στο Mage: γρήγορη εκκίνηση, πρότυπο για συμπλήρωση και συμβουλές ειδικών για κάμερα, αναφορές, επεξεργασίες και ήχο.
Πώς να γράψεις prompt για το Kiwi
Πώς να γράψεις prompt για το Kiwi, το μοντέλο βίντεο του Mage για καθημερινή χρήση: γρήγορη εισαγωγή ενός λεπτού, πρότυπο προς συμπλήρωση και συμβουλές για φως, κινήσεις κάμερας, εικόνες εκκίνησης και ήχο.
Πώς να γράψεις prompt για το Lemon
Πώς να γράφεις prompt για το Lemon, το ολοκληρωμένο μοντέλο βίντεο του Mage: γρήγορη εκκίνηση ενός λεπτού, ένα πρότυπο και συμβουλές ειδικών για καρέ, references, φωνές, πλάνα και μοντάζ.
Φτιάξε το πρώτο σου βίντεο με το MiniMax-H3
Οι νέοι λογαριασμοί παίρνουν 300 δωρεάν Gems, αρκετά για να δοκιμάσεις το MiniMax-H3 Turbo. Χωρίς εγκατάσταση, χωρίς πιστωτική κάρτα.
Δοκίμασε το MiniMax-H3 Turbo