Як писати промпти для MiniMax-H3

Найважливіші правила

1. 1

   Напиши три поля по порядку

   Спершу integrated_multimodal_description, потім overall_soundscape, потім non_diegetic_music, кожне в окремому рядку з порожнім рядком між ними. Копіюй назви полів точно.

2. 2

   Починай кожен кадр зі стилю та композиції

   [Shot 1] починається зі стилю та початкової картинки: «Жива зйомка, кінематографічно, середній план показує…». Далі один рух камери одним реченням, а потім те, що відбувається.

3. 3

   Заповни тривалість точно

   Кадри мають покривати задану тривалість кліпу, не більше й не менше. Склейка записується з часом: «[Shot 2] At 00:04.000 камера переходить на…».

4. 4

   Кожен звук — на своєму місці

   Звуки, пов’язані з дією, пишіть в description; кімнату, погоду й натовп — в overall_soundscape; музичний супровід — в non_diegetic_music, або N/A, якщо його немає.

5. 5

   Розділи — англійською, слова — рідною мовою

   Назви полів пишуться англійською. Діалоги, текст пісень і текст на екрані залишаються мовою оригіналу — точно так, як вони мають з’явитися.

Промпти для старту

• Один кадр, зі звуком, але без музики

  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

  Чому це працює: Три поля по порядку, один рух камери, записаний реченням, і N/A для музики — тож кліп звучить лише як майстерня і нічого більше.

• Склейка і репліка

  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.

  Чому це працює: Склейка на 4-й секунді додає щось нове — обличчя та репліку; мовець отримує ID і опис голосу один раз; а всередині тегів d стоять лише слова. Установіть тривалість 8 секунд.

• Старт із вашого зображення

  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.

  Чому це працює: Завантажте нерухоме зображення як Перший кадр. Перший рядок копіюється точно, опис починається з того, що вже видно на зображенні, і лише потім розповідає, що рухається.

• Від одного зображення до іншого

  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

  Чому це працює: Завантажте два зображення як Перший кадр і Останній кадр. Перший рядок прив’язує їх до початку й кінця, а опис розповідає про шлях між ними, а не описує їх знову. Установіть тривалість 6 секунд.