Ugrás a tartalomhoz

Prompt-útmutató

Hogyan írj promptot a MiniMax-H3 modellhez

Hogyan írj promptot a MiniMax-H3-hoz: címkézett promptformátum, kitölthető sablon és szakértői tippek beállításokhoz, képkockákhoz, referenciákhoz, párbeszédhez és hanghoz a Mage-en.

Utcai előadás hanggal
Készítette: MiniMax-H3Utcai előadás hanggal

Gyors kezdés

Az első remek MiniMax-H3 promptod

Minden, amit egy kezdőnek tudnia kell egy perc alatt: mit érdemes először tudni, a legfontosabb szabályok, egy kitölthető sablon és másolható promptok.

Amit először érdemes tudni

A MiniMax-H3 egyszerre készít videót és hangot, és a Mage-en pontosan úgy olvassa a promptodat, ahogy megírod: semmit sem bővít vagy rendez át előtte. Címkézett mezőkben írt promptokon tanították, ezért ilyen mezőkben írj, ne összefüggő bekezdésben. Szövegből készülő klipekhez három mező elég: amit látunk és hallunk, beállításonként; az egész klip környezeti hangja; és a zene, vagy N/A, ha nincs.

A legfontosabb szabályok

  1. Írd meg a három mezőt, sorrendben

    integrated_multimodal_description, aztán overall_soundscape, majd non_diegetic_music, mindegyik a saját sorában, közöttük üres sorral. A címkéket pontosan másold le.

  2. Minden beállítást a stílussal és a képkivágással indíts

    A [Shot 1] a stílussal és a kezdőképpel indul: „Live-action, cinematic, a medium shot frames…”. Utána egy kameramozgás egy mondatban, majd az, ami történik.

  3. Pontosan töltsd ki a hosszt

    A beállításoknak le kell fedniük a megadott klipidőt, se többet, se kevesebbet. A vágást az időponttal együtt kell leírni: „[Shot 2] At 00:04.000, the camera cuts to…”.

  4. Minden hang a saját helyére kerüljön

    A cselekvéshez kötött hangok a leírásba kerülnek; a tér, az időjárás és a tömeg az overall_soundscape mezőbe; a zene a non_diegetic_music mezőbe, vagy N/A, ha nincs.

  5. A szakaszok angolul, a szövegek a saját nyelvükön

    A mezők angolul vannak. A párbeszéd, a dalszöveg és a képernyőn megjelenő szöveg az eredeti nyelven marad, pontosan úgy, ahogy meg kell jelennie.

Töltsd ki ezt a sablont

Cseréld le a szögletes zárójelben lévő részeket a saját ötleteidre, és hagyd ki azt, amelyikre nincs szükséged.

Sablon
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].
A kitöltött sablon
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] Told be ezt a címkét pontosan így: ez nyitja az első snittet. Egy vágás hozzáadja a [Shot 2] címkét az időponttal.
  • [Style] Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film.
  • [shot size] Milyen közel van a kamera: wide shot, medium shot, close-up.
  • [subject, place, and starting state] Kit vagy mit látunk, hol, és hogyan indul a snitt: a noodle cook at a street stall at night, steam rising from a row of pots.
  • [one move, as a sentence] Egyetlen kameramozgás, méretével és sebességével, ha számít: pushes in with small amplitude at slow speed.
  • [What happens, in order, with the sounds of each action] A cselekvés ahogy kibontakozik, és az egyes cselekvések hangja: he lifts the noodles high and drops them into a bowl with a soft splash.
  • [Ambience and physical sounds across the whole clip] Egy-négy mondat arról, amit végig hallunk: rain on the awning, boiling water, passing scooters.
  • [Score instruments, tempo, and dynamics, or N/A] Csak a közönség által hallott zene hangszerekkel, tempóval, ritmussal és hangerővel, hangulatszavak nélkül. N/A, ha nincs zene.

Promptok az induláshoz

  • Egy snitt, hanggal, de zene nélkül

    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

    Miért működik: Három mező sorrendben, egy kameramozgás mondatként megírva, és N/A a zenénél, így a klip úgy szól, mint a műhely, és semmi más.

  • Egy vágás és egy kimondott mondat

    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.

    Miért működik: A 4. másodpercnél a vágás valami újat hoz: egy arcot és egy mondatot; a beszélő egyszer kap azonosítót és hangleírást; és csak maguk a szavak kerülnek a d címkék közé. Állítsd a hosszt 8 másodpercre.

  • Indulás a saját képedről

    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.

    Miért működik: Töltsd fel az állóképet Első képkockaként. Az első sort pontosan másold át, a leírás azzal kezdődjön, amit a kép már mutat, és csak utána mondja el, mi mozdul.

  • Egyik képtől a másikig

    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

    Miért működik: Töltsd fel a két állóképet Első képkockaként és Utolsó képkockaként. Az első sor az elejéhez és a végéhez rögzíti őket, a leírás pedig a köztük lévő utat mondja el ahelyett, hogy újra leírná őket. Állítsd a hosszt 6 másodpercre.

Haladó

Haladó MiniMax-H3 promptolás

Technikák a nagyobb kontrollhoz, ha az alapok már mennek.

MiniMax-H3 Turbo vagy MiniMax-H3

A MiniMax-H3 Turbo az alapértelmezett: gyorsabb, olcsóbb, és hosszabb klipekhez ez való. A MiniMax-H3 a teljes lépésszámú modell, rövidebb klipekhez. Mindkettő ugyanúgy olvassa a promptot, ezért vázlatozz Turbóval, és renderelj bármelyikkel ugyanazokkal a szavakkal.

  • Hagyd kikapcsolva a Prompt-javítást. Szavakat fűz a prompt végére, ahol azok a zenemezőbe kerülnek.

A formátum mezőről mezőre

A MiniMax-H3 két elrendezés egyikét olvassa. Szövegből vagy képkockákból készülő klipnél írj egy opcionális képkockasort, egy üres sort, majd három mezőt: integrated_multimodal_description, overall_soundscape és non_diegetic_music. Referenciaképekből, Characters funkcióból vagy referenciavideókból készülő klipnél hatot: subject_definitions, summary, retention_analysis, detailed_description, overall_soundscape és non_diegetic_music.

Az integrated_multimodal_description a klip törzse: snittek idővonala, mindegyikben a képpel, a kamerával, a cselekvésekkel és az esetleges párbeszéddel vagy énekkel. Az overall_soundscape egy-négy mondatot kap a teljes klip hangulati zajairól, fizikai hangjairól, lélegzéséről és nevetéséről. A non_diegetic_music egy-három mondatot kap a kísérőzenéről, vagy N/A-t.

Írd beMit csinál
integrated_multimodal_description:Snittenként: a stílus, a képkivágás, a kamera, a cselekvés és az esetleges beszéd.
overall_soundscape:Hangulati zajok és fizikai hangok az egész klipben. N/A csak teljes csendnél.
non_diegetic_music:Kísérőzene, amit a szereplők nem hallanak, vagy N/A, ha nincs.
subject_definitions:Referenciákkal: mi az egyes címkék jelentése, egyszer meghatározva a használatuk előtt.
summary:Referenciákkal: a feladat típusa zárójelben, majd egy rövid bekezdés a klipről.
retention_analysis:Referenciákkal: az egyes bemenetekből mennyit kell megtartani.
detailed_description:Referenciákkal: egy-két mondat a stílusról, utána a snittek.

Snittek és időzítés

A [Shot 1]-nek nincs időpontja: a stílussal és a kezdőképpel nyit ("Live-action, cinematic, a medium-wide shot frames…"). Minden további snitt az időpontjával kezdődik percben, másodpercben és ezredmásodpercben: "[Shot 2] At 00:05.000, the camera cuts to…". Az időpontoknak snittről snittre növekedniük kell, és a klipen belül kell maradniuk, az utolsó snitt pedig a végéig tart.

Minden vágásnak valami újat kell hoznia: új szereplőt, új teret, új állapotot, új nézőpontot vagy új időt. Ha ugyanarról a pillanatról szűkebb képkivágást szeretnél, inkább mozgasd a kamerát, ne vágj.

  • A vágást így írd: "the camera cuts to" vagy "the shot switches to". Cross-dissolve-ot, fade-et vagy wipe-ot csak akkor kérj, ha tényleg azt szeretnél.
  • Minden vágásnál told meg a képkivágást és azt, hogy ki van a képernyőn.
  • Egyetlen megszakítatlan felvételhez írj egyetlen [Shot 1]-et, és told meg: "in one continuous shot with no cuts". Soha ne kérj folyamatos felvételt úgy, hogy közben több snittet is írsz.
  • Stílusszavak a [Shot 1] elejére: Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film. Képkockák esetén a stílust a képből vedd.
  • Konkrét részleteket írj, ne dicséretet: "shallow depth of field, backlight keeps the foreground dark", soha ne "beautiful, cinematic".

Kameramozgások

Minden kameramozgást mondatként írj le a snitten belül, ne címkeként a végén: "The camera holds a static shot as the runner exits the frame." Méretet és sebességet csak akkor adj meg, ha számít: with small or large amplitude, at slow or fast speed.

  • Egy szereplő körüli keringéshez írj egy truck-ot és egy pan-t ellentétes irányban: "The camera trucks left while panning right."
Írd beMit csinál
push in / pull outA kamera a témához közeledik, vagy távolodik tőle.
zoom in / zoom outCsak az objektív változik, a kamera a helyén marad.
pan left / pan rightA kamera egy helyben fordul balra vagy jobbra.
truck left / truck rightA kamera oldalra csúszik.
tilt up / tilt downA kamera egy helyben felfelé vagy lefelé billen.
pedestal up / pedestal downAz egész kamera emelkedik vagy süllyed.
arc shotA kamera ívben kerüli meg a szereplőt.
tracking shotA kamera együtt halad a mozgó szereplővel.
static shotA kamera nem mozog.
shake slightly / shake stronglyKézi kamerás vagy ütéstől származó rázkódás.
POVA szereplő szemén keresztüli nézet.
roll clockwise / roll counterclockwiseA képkocka elfordul.
with small amplitude at slow speedBármely mozgás szelíd, lassú változata.

Első és utolsó képkocka

Tölts fel egy Első képkockát, egy Utolsó képkockát, vagy mindkettőt, és a promptot a megfelelő sorral kezdd, pontosan átmásolva, majd egy üres sorral és a három mezővel. A sorban az S.SS a klip hossza két tizedesjeggyel (6.00 hat másodpercnél), az N pedig az utolsó snitt száma. A klip a képkocka formáját veszi fel.

Első képkockánál a leírást azzal kezdd, amit a kép mutat (stílusát, szereplőit és kompozícióját), tartsd meg ezeket, majd írd le, hogyan indul, fejlődik és ér véget a cselekvés. Két képkockánál írj egyetlen snittet, hacsak nem szeretnél vágásokat, és a köztük lévő utat írd le: a kezdeti állapotot, a látható változásokat, a szűkülő különbségeket és a végső állapotot. Csak Utolsó képkockánál találj ki hihető korábbi állapotot, és az utolsó snittben érkezz meg a képhez.

  • Soha ne írd le újra a két állóképet egy első-és-utolsó képkockás klipben: a modell már megkapta őket.
  • Egy klip képkockákat vagy referenciákat használ, a kettőt együtt nem.
Írd beMit csinál
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.Csak az első képkocka.
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.Az első és az utolsó képkocka.
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.Csak az utolsó képkocka.

References és Characters

A MiniMax-H3 típus szerint számozza a bemeneteket, és ezeket a címkéket olvassa. A <Picture N> először a feltöltött képeidet számolja (az Image, majd az Additional Images), aztán az általad említett Characters elemeket, végül az általad említett References elemeket, mindegyiket az első említés sorrendjében. Az <Audio N> az általad említett hangklipeket számolja, aztán az említett Characters hangjait, végül az egyes referenciavideók hangját. A <Video N> a Video References elemeidet számolja sorrendben.

Mielőtt a modell elolvassa a promptot, a Mage minden @handle-t szavakká alakít, például: "character from image 3 with voice from [Audio 1]". Ezért minden handle-t csak egyszer említs meg, a subject_definitions mezőben a címkéje mellett, utána pedig csak a címkéket használd. A feltöltött képhez nem kell handle: írd le közvetlenül a <Picture N> címkéjét.

A <Subject N> olyasmi, amit újra felhasználhatsz: egy személy, egy hely, egy tárgy, egy ruha, egy stílus vagy egy mozdulat. Egy subject több bemenetből is építkezhet, például: "whose face comes from <Picture 1> and whose walk comes from <Video 1>". A <Picture N> címkét önmagában csak akkor használd, ha a kép egy adott jelenet kockája vagy storyboardja.

  • Minden bemenetnek adj egy kimondott szerepet: karakter, tárgy, helyszín, képkocka, hang, storyboard, stílus, kompozíció, mozgás, kameramozgás vagy újrahasznosítandó hang. Nevezd meg azokat a jellemzőket, amelyek nem változhatnak.
  • Az arc csak akkor marad meg, ha a személy csatolva van egy Character vagy egy kép révén. Pusztán szöveg soha nem őriz meg arcot.
  • Egy címkét az egész promptban tarts meg, és soha ne definiáld kétszer, és ne adj egy bemenetnek két címkét.
  • Az összefoglaló a feladat fajtájával kezdődik szögletes zárójelben, + jellel összekapcsolva: keyframe completion, reference generation, video editing, video continuation, audio reuse vagy audio reference.
  • Egy klip szerkesztéséhez add hozzá Video Reference-ként, és az összefoglalót kezdd így: [video editing] és "The target video is an edited version of <Video 1>."
  • A referenciák közös időkereten osztoznak a klippel: minden kép és a referenciavideó minden másodperce elhasznál belőle egy részt. Vágd le a referenciavideókat a szükséges részre, és hosszú klipeknél kevés referenciát használj.
  • Új klipnél írj nagyjából 350–500 szavas detailed_description leírást. Minden jelenetnél add meg a kompozíciót, hogy ki hol áll, a helyszínt és a fényt, a cselekvéseket, a kamerát, a hangot, és hogy az egyes címkék hol érvényesek.
Írd beMit csinál
fully_preservedPontosan tartsd meg: egy arcot, egy terméket, egy logót.
partially_preservedEgy részét tartsd meg, és mondd meg, melyiket.
attribute_transferEgyetlen tulajdonságot vegyen át, például színt, textúrát vagy stílust.
weak_referenceCsak laza útmutatás.
fully_copy, partially_copy, reference, weak_referenceUgyanez a skála a hangnál: játssza le úgy, ahogy van, játssza le egy részét, csak a hangszínét vagy ritmusát kövesse, vagy kezelje laza útmutatásként.

Egy mentett Character hanggal, és egy termékfotó

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/A

Miért működik: Töltsd fel a teáskannát Image-ként, így ő lesz a <Picture 1>, a Character pedig a <Picture 2>; a handle egyszer szerepel, a címkéje mellett. Itt rövidítve látható: egy teljes leírás hosszabb. Állítsd a hosszt 8 másodpercre.

Párbeszéd és hang

Adj minden hangnak állandó azonosítót: (S1), (S2), vagy (S1,S2) az együtt mondott mondathoz, és minden hangot egyszer, a címkén kívül írj le, amikor először megjelenik: kor, nem, képen belüli vagy kívüli, hangmagasság, hangszín, tempó és akcentus. Az a karakter, aki sosem ad ki hangot, nem kap azonosítót.

Minden mondatot <d> címkék közé tegyél, csak a nyelvvel és a pontos szavakkal: <d>[English] We leave at dawn.</d> Soha ne fordíts le mondatot, és igazítsd a szöveget a jelenethez: egy rövid jelenetbe tett hosszú beszéd elrontja a szájmozgás szinkronját.

A hangot három rétegbe sorold. A cselekvéshez kötött hangok és a jelenetben szóló zene a leírásba kerülnek; a környezeti és fizikai hangok az overall_soundscape mezőbe; a kísérőzene a non_diegetic_music mezőbe, hangszerekkel, tempóval, ritmussal és dinamikával leírva, hangulatszavak nélkül. A párbeszédet soha ne ismételd meg a két hangmezőben.

  • Minden klipnek van hangja. Írd le, mit szeretnél hallani, és azt is, mit hagyjon ki.
  • Ha egy hangot csak a hangszíne miatt használsz, ne írd bele a szövegét a promptba. Ha egy hangot úgy akarsz újrahasznosítani, ahogy van, írd le pontos szavait vagy dalszövegét, és az érthetetlen részekre írj [unclear] jelölést.
  • Kapcsold ki a Use Character Voices beállítást, hogy a Characters mentett hangjai kimaradjanak.
  • Soha ne írj e-mail-címet vagy közösségi handle-t: minden @ jel utáni betűsor mentett handle-ként értelmeződik. Párbeszédben írd azt, hogy "at".
Írd beMit csinál
(S1)A beszélő azonosítója, közvetlenül a beszélő személy után írva.
<d>[English] …</d>Egy kimondott mondat: a nyelv, majd a pontos szavak.
says in an off-screen voiceover:Narráció. Ha a személy a képen látszik, a mondat után add hozzá: "while her lips remain completely closed".
<scenetrans>A vágás mindkét oldalára kerül, ha egy mondat átível rajta, a "continues seamlessly across the cut" kifejezéssel.
<cutoff>Beszéd, amelyet a klip vége félbevág.
<Audio 1> is the voice-timbre reference for <Subject 1> (S1).A mentett hang adja a beszélő hangját; a szavai a promptból jönnek.

Egy narrátor totálkép fölött

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.

Miért működik: A narrátornak van azonosítója és egyszeri leírása, a voiceover kifejezés a képen kívül tartja a mondatot, és minden hang a saját rétegében van.

Szöveg a képernyőn

Minden táblát, feliratot, szövegfeliratot vagy neont angol idézőjelbe tégy, szó szerint, eredeti nyelven: A blue neon sign reading "NOODLES" flickers above the stall.

  • Jelenetenként egy fő szöveget használj, és tartsd távol az arcoktól.
  • Ha semmilyen szöveg nem jelenhet meg, írd ezt: "No subtitles, on-screen text, or watermarks."

Gyakori hibák

Ezt kerüld, helyette ezt tedd

  • Kerüld: Szabad bekezdés mezők nélkül.

    a cook makes noodles at a street stall at night in the rain, steam, cinematic, moody

    Helyette: A címkézett mezők: a Mage nem bővíti ki a szabad promptot.

    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/A
  • Kerüld: Egy címke, amelyet a definiálása előtt használsz, vagy egy bemenet két címkével.

    Helyette: Minden címkét egyszer definiálj a subject_definitions mezőben, utána mindig ugyanazt a címkét használd.

  • Kerüld: "One continuous take" több jelenettel.

    Helyette: Vagy az egyik, vagy a másik.

  • Kerüld: Zene az egyik mezőben, és "no background music" egy másikban.

    Helyette: Egyetlen döntés, a non_diegetic_music mezőben.

  • Kerüld: A klipnél hosszabb vagy rövidebb idővonal.

    Helyette: A vágások időpontja a beállított hosszon belül legyen, az utolsó jelenet pedig a végéig tartson.

  • Kerüld: Hangulatszavak a zene mezőben: "epic, emotional, uplifting".

    non_diegetic_music: epic emotional uplifting music

    Helyette: Hangszerek, tempó, ritmus és dinamika.

    non_diegetic_music: Brass and timpani at a moderate tempo, building from quiet to loud over the last shot.
  • Kerüld: Hosszú beszéd egy rövid jelenetben.

    Helyette: Olyan rövid mondat, amely elmondható a jelenet időtartama alatt.

  • Kerüld: Cselekményösszefoglaló: "they fall in love".

    Helyette: Amit látni és hallani lehet, jelenetről jelenetre.

  • Kerüld: Azt várni, hogy az arc pusztán szavakból megmarad.

    Helyette: A személy Characterként vagy képként csatolva.

GYIK

Kérdések a MiniMax-H3 promptolásáról

Milyen hosszú legyen egy MiniMax-H3 prompt?
Szövegből készülő klipnél jelenetenként néhány mondat, plusz egy-két mondat minden hangmezőben. Referenciákat használó klipnél a detailed_description nagyjából 350–500 szó. A Mage nem bővíti ki a rövid promptot, ezért ami kimarad, azt a véletlenre bízod.
Muszáj a címkézett mezőket használnom?
Nem kötelezők, de a modellt ebben a formátumban tanították, a Mage pedig pontosan úgy adja át a promptodat, ahogy megírtad. Egy laza bekezdés elveszít a részletekből, a mezők megtartják őket.
Hogyan szólaltathatok meg egy karaktert a MiniMax-H3-ban?
Adj a beszélőnek azonosítót, például (S1), írd le egyszer a hangját, a pontos szöveget pedig tedd <d> címkék közé a nyelv megjelölésével: <d>[Magyar] Holnap találkozunk.</d> Mentett hanghoz említsd meg a Character-t; a mentett hangja mondja el a szövegét.
Hogyan tarthatok egy karaktert egységesen a MiniMax-H3-ban?
Csatold Character-ként vagy képként, add meg egyszer a subject_definitions mezőben <Subject 1> néven, és minden jelenetben ugyanezt a címkét használd. Pusztán szöveggel az arc nem marad meg.
Hogyan akadályozhatom meg, hogy a MiniMax-H3 zenét tegyen a videóra?
Írd be: non_diegetic_music: N/A, és a prompt más részében se kérj zenét.
Használhatok első és utolsó képkockát referenciákkal együtt?
Nem. Egy klip vagy képkockákat, vagy referenciákat használ, a kettőt együtt nem.
Támogatja a MiniMax-H3 a negatív promptokat?
Negatív prompt beállítás nincs. A kizárásokat mondatokban írd le a promptban, például: „Nincs felirat, képernyőn megjelenő szöveg vagy vízjel.”

Készítsd el az első videódat a MiniMax-H3-mal

Az új fiókok 300 ingyenes Gemet kapnak, ami elég a MiniMax-H3 Turbo kipróbálásához. Telepítés és bankkártya nélkül.

MiniMax-H3 Turbo kipróbálása