Jak pisać prompty do MiniMax-H3

Najważniejsze zasady

1. 1

   Wypełnij trzy pola w tej kolejności

   integrated_multimodal_description, potem overall_soundscape, potem non_diegetic_music, każde w osobnej linii, z pustą linią między nimi. Skopiuj etykiety dokładnie.

2. 2

   Zacznij każde ujęcie od stylu i kadru

   [Shot 1] zaczyna się od stylu i obrazu początkowego: „Aktorski, filmowy, plan średni pokazuje…”. Potem jeden ruch kamery w formie zdania, a następnie to, co się dzieje.

3. 3

   Wypełnij długość co do sekundy

   Ujęcia muszą pokryć dokładnie ustawioną długość klipu, ani dłużej, ani krócej. Cięcie zapisujesz z czasem: „[Shot 2] W 00:04.000 kamera przechodzi cięciem do…”.

4. 4

   Dźwięk we właściwym miejscu

   Dźwięki związane z akcją trafiają do description; pomieszczenie, pogoda i tłum do overall_soundscape; muzyka do non_diegetic_music, albo N/A, gdy jej nie ma.

5. 5

   Sekcje pisz po angielsku, słowa w ich własnym języku

   Pola są po angielsku. Dialogi, teksty piosenek i napisy na ekranie zostają w oryginalnym języku, dokładnie tak, jak mają się pojawić.

Prompty na start

• Jedno ujęcie, dźwięk bez muzyki

  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

  Dlaczego to działa: Trzy pola w kolejności, jeden ruch kamery zapisany jako zdanie i N/A przy muzyce, dzięki czemu klip brzmi jak warsztat i nic więcej.

• Cięcie i wypowiedziana kwestia

  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.

  Dlaczego to działa: Cięcie w 4. sekundzie wnosi coś nowego: twarz i kwestię; mówiący dostaje ID i opis głosu tylko raz; a wewnątrz tagów d są tylko słowa. Ustaw długość na 8 sekund.

• Start od twojego obrazu

  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.

  Dlaczego to działa: Wgraj nieruchomy obraz jako Pierwszą klatkę. Pierwsza linia jest skopiowana dokładnie, opis zaczyna się od tego, co obraz już pokazuje, a dopiero potem mówi, co się rusza.

• Od jednego obrazu do drugiego

  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

  Dlaczego to działa: Wgraj dwa obrazy jako Pierwszą klatkę i Ostatnią klatkę. Pierwsza linia przypina je do początku i końca, a opis opowiada drogę między nimi zamiast opisywać je od nowa. Ustaw długość na 6 sekund.