MiniMax-H3 के लिए प्रॉम्प्ट कैसे लिखें

सबसे ज़रूरी नियम

1. 1

   तीनों फ़ील्ड क्रम से लिखें

   पहले integrated_multimodal_description, फिर overall_soundscape, फिर non_diegetic_music, हर एक अपनी लाइन पर और बीच में एक खाली लाइन। लेबल ठीक वैसे ही कॉपी करें।

2. 2

   हर शॉट की शुरुआत स्टाइल और फ़्रेमिंग से करें

   [Shot 1] की शुरुआत स्टाइल और पहली इमेज से होती है: "Live-action, cinematic, a medium shot frames…"। फिर एक वाक्य में एक कैमरा मूव, फिर जो होता है।

3. 3

   लंबाई पूरी तरह भरें

   शॉट आपकी तय की गई क्लिप की लंबाई को पूरा ढकने चाहिए, न ज़्यादा न कम। कट को समय के साथ लिखा जाता है: "[Shot 2] At 00:04.000, the camera cuts to…"।

4. 4

   आवाज़ें सही जगह पर रखें

   किसी एक्शन से जुड़ी आवाज़ें विवरण में जाती हैं; कमरे, मौसम और भीड़ की आवाज़ें overall_soundscape में; बैकग्राउंड म्यूज़िक non_diegetic_music में, और अगर म्यूज़िक न हो तो N/A।

5. 5

   सेक्शन अंग्रेज़ी में लिखें, बोले गए शब्द उनकी अपनी भाषा में

   फ़ील्ड अंग्रेज़ी में होते हैं। डायलॉग, गीत के बोल और स्क्रीन पर दिखने वाला टेक्स्ट अपनी मूल भाषा में ही रहते हैं, ठीक वैसे ही जैसे वे दिखने चाहिए।

शुरुआत के लिए प्रॉम्प्ट

• एक शॉट, आवाज़ के साथ लेकिन बिना म्यूज़िक

  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/A

  यह क्यों काम करता है: तीन फ़ील्ड क्रम से, कैमरे की एक मूवमेंट एक वाक्य में, और म्यूज़िक के लिए N/A, ताकि क्लिप में सिर्फ़ वर्कशॉप की आवाज़ें सुनाई दें।

• एक कट और बोली गई एक लाइन

  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.

  यह क्यों काम करता है: 4 सेकंड पर आने वाला कट कुछ नया लाता है, एक चेहरा और एक लाइन; बोलने वाले को एक बार ID और आवाज़ का विवरण मिलता है; और d टैग के अंदर सिर्फ़ बोले गए शब्द होते हैं। अवधि 8 सेकंड रखें।

• आपकी इमेज से शुरुआत

  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.

  यह क्यों काम करता है: स्टिल इमेज को पहले फ़्रेम के रूप में अपलोड करें। पहली लाइन ठीक वैसी ही कॉपी करें, विवरण की शुरुआत उससे करें जो इमेज में पहले से दिख रहा है, और उसके बाद बताएँ कि क्या हिलता है।

• एक इमेज से दूसरी इमेज तक

  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/A

  यह क्यों काम करता है: दोनों स्टिल इमेज को पहले फ़्रेम और आखिरी फ़्रेम के रूप में अपलोड करें। पहली लाइन उन्हें शुरुआत और अंत से बाँध देती है, और विवरण उन्हें दोबारा बताने के बजाय दोनों के बीच का रास्ता बताता है। अवधि 6 सेकंड रखें।