Hướng dẫn viết prompt
Cách viết prompt cho MiniMax-H3
Cách viết prompt cho MiniMax-H3: định dạng prompt có nhãn, mẫu điền sẵn và mẹo từ chuyên gia cho cảnh quay, khung hình, ảnh tham chiếu, hội thoại và âm thanh trên Mage.
Bắt đầu nhanh
Prompt MiniMax-H3 đầu tiên thật ấn tượng của bạn
Mọi thứ người mới cần trong một phút: những điều cần biết trước, các quy tắc quan trọng nhất, mẫu để điền và prompt để sao chép.
Cần biết trước
MiniMax-H3 tạo video và âm thanh cùng lúc, và trên Mage nó đọc prompt đúng như bạn viết: không có gì được mở rộng hay sắp xếp lại trước. Model được huấn luyện với các prompt viết theo các trường có nhãn, nên hãy viết theo các trường đó thay vì một đoạn văn tự do. Với clip tạo từ văn bản, ba trường là đủ: những gì ta thấy và nghe, từng cảnh quay một; âm thanh môi trường của cả clip; và nhạc, hoặc N/A nếu không có.
Những quy tắc quan trọng nhất
Viết ba trường theo đúng thứ tự
integrated_multimodal_description, rồi overall_soundscape, rồi non_diegetic_music, mỗi trường một dòng và cách nhau một dòng trống. Hãy chép nguyên văn các nhãn.
Mở đầu mỗi cảnh quay bằng phong cách và khung hình
[Shot 1] bắt đầu bằng phong cách và hình ảnh mở đầu: "Live-action, điện ảnh, một cảnh trung bình lấy khung…". Sau đó là một chuyển động máy quay trong một câu, rồi đến những gì diễn ra.
Lấp đầy đúng thời lượng
Các cảnh quay phải phủ đúng thời lượng clip bạn đặt, không thừa không thiếu. Cảnh cắt được viết kèm thời điểm: "[Shot 2] At 00:04.000, máy quay cắt sang…".
Đặt âm thanh đúng chỗ
Âm thanh gắn với một hành động thì viết trong phần mô tả; không gian, thời tiết và đám đông thì viết trong overall_soundscape; nhạc nền viết trong non_diegetic_music, hoặc ghi N/A nếu không có.
Viết các phần bằng tiếng Anh, lời nói giữ nguyên ngôn ngữ gốc
Các trường được viết bằng tiếng Anh. Lời thoại, lời bài hát và chữ trên màn hình giữ nguyên ngôn ngữ gốc, đúng như cách chúng sẽ xuất hiện.
Điền vào mẫu này
Thay mỗi phần trong ngoặc vuông bằng ý tưởng của bạn và bỏ qua phần bạn không cần.
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]Giữ nguyên nhãn này, không sửa: nhãn mở đầu cảnh quay đầu tiên. Mỗi lần chuyển cảnh sẽ thêm [Shot 2] kèm thời điểm.[Style]Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film.[shot size]Camera ở gần hay xa: wide shot, medium shot, close-up.[subject, place, and starting state]Ai hoặc cái gì xuất hiện, ở đâu và cảnh quay mở đầu thế nào: a noodle cook at a street stall at night, steam rising from a row of pots.[one move, as a sentence]Một chuyển động camera, kèm biên độ và tốc độ khi cần: pushes in with small amplitude at slow speed.[What happens, in order, with the sounds of each action]Hành động diễn ra theo thời gian và âm thanh của từng hành động: he lifts the noodles high and drops them into a bowl with a soft splash.[Ambience and physical sounds across the whole clip]Một đến bốn câu về những gì nghe thấy xuyên suốt: rain on the awning, boiling water, passing scooters.[Score instruments, tempo, and dynamics, or N/A]Nhạc chỉ khán giả nghe được, mô tả bằng nhạc cụ, nhịp độ, tiết tấu và âm lượng, không dùng từ chỉ cảm xúc. Ghi N/A nếu không có nhạc.
Prompt để bắt đầu
Một cảnh quay, có âm thanh nhưng không có nhạc
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/AVì sao hiệu quả: Ba trường theo thứ tự, một chuyển động camera viết thành một câu và N/A cho phần nhạc, nên đoạn clip chỉ có âm thanh của xưởng, không có gì khác.
Một lần chuyển cảnh và một câu thoại
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.Vì sao hiệu quả: Lần chuyển cảnh ở giây thứ 4 mang đến điều mới, một gương mặt và một câu thoại; người nói được gán ID và mô tả giọng một lần duy nhất; và chỉ có lời nói nằm trong thẻ d. Đặt độ dài là 8 giây.
Bắt đầu từ ảnh của bạn
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.Vì sao hiệu quả: Tải ảnh tĩnh lên làm First Frame. Dòng đầu tiên được sao chép y nguyên, phần mô tả mở đầu bằng những gì ảnh đã thể hiện, rồi mới nói đến những gì chuyển động.
Từ ảnh này sang ảnh khác
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/AVì sao hiệu quả: Tải hai ảnh tĩnh lên làm First Frame và Last Frame. Dòng đầu tiên cố định chúng ở đầu và cuối, còn phần mô tả kể lại quá trình chuyển từ ảnh này sang ảnh kia thay vì mô tả lại từng ảnh. Đặt độ dài là 6 giây.
Nâng cao
Viết prompt MiniMax-H3 nâng cao
Các kỹ thuật giúp bạn kiểm soát tốt hơn khi đã nắm vững kiến thức cơ bản.
MiniMax-H3 Turbo hay MiniMax-H3
MiniMax-H3 Turbo là mặc định: nhanh hơn, rẻ hơn và phù hợp với clip dài hơn. MiniMax-H3 là mô hình đầy đủ bước, dành cho clip ngắn hơn. Cả hai hiểu prompt theo cùng một cách, nên bạn có thể thử bản nháp trên Turbo rồi render bằng một trong hai mô hình với đúng những từ đó.
- Hãy tắt Prompt Enhance. Tính năng này thêm chữ vào cuối prompt, và phần đó sẽ rơi vào trường nhạc.
Định dạng, từng trường một
MiniMax-H3 đọc một trong hai bố cục. Với clip tạo từ văn bản hoặc từ khung hình, hãy viết một dòng khung hình (không bắt buộc), một dòng trống, rồi ba trường: integrated_multimodal_description, overall_soundscape và non_diegetic_music. Với clip tạo từ ảnh tham chiếu, Characters hoặc video tham chiếu, hãy viết sáu trường: subject_definitions, summary, retention_analysis, detailed_description, overall_soundscape và non_diegetic_music.
integrated_multimodal_description là phần nội dung chính của clip: một dòng thời gian gồm các cảnh quay, mỗi cảnh có hình ảnh, camera, hành động và mọi lời thoại hoặc lời hát. overall_soundscape gồm một đến bốn câu về âm thanh môi trường, âm thanh vật lý, tiếng thở và tiếng cười trong toàn bộ clip. non_diegetic_music gồm một đến ba câu về nhạc nền, hoặc N/A.
| Viết | Tác dụng |
|---|---|
integrated_multimodal_description: | Từng cảnh quay: phong cách, khung hình, camera, hành động và lời thoại (nếu có). |
overall_soundscape: | Âm thanh môi trường và âm thanh vật lý xuyên suốt clip. Chỉ ghi N/A khi hoàn toàn im lặng. |
non_diegetic_music: | Nhạc nền mà nhân vật không nghe thấy, hoặc N/A nếu không có. |
subject_definitions: | Khi có tham chiếu: mỗi nhãn là gì, định nghĩa một lần trước khi dùng. |
summary: | Khi có tham chiếu: loại tác vụ trong ngoặc vuông, rồi một đoạn ngắn về clip. |
retention_analysis: | Khi có tham chiếu: giữ lại bao nhiêu từ mỗi đầu vào. |
detailed_description: | Khi có tham chiếu: một hoặc hai câu về phong cách, rồi đến các cảnh quay. |
Cảnh quay và thời điểm
[Shot 1] không có thời điểm: cảnh này mở đầu bằng phong cách và hình ảnh ban đầu ("Live-action, cinematic, a medium-wide shot frames…"). Mọi cảnh sau đều bắt đầu bằng thời điểm theo phút, giây và mili giây: "[Shot 2] At 00:05.000, the camera cuts to…". Thời điểm phải tăng dần qua từng cảnh và nằm trong độ dài clip, còn cảnh cuối chạy đến hết clip.
Mỗi lần chuyển cảnh phải mang đến điều gì đó mới: một chủ thể mới, không gian mới, trạng thái mới, góc nhìn mới hoặc thời điểm mới. Muốn lấy khung hình sát hơn cho cùng một khoảnh khắc, hãy di chuyển camera thay vì chuyển cảnh.
- Viết chuyển cảnh là "the camera cuts to" hoặc "the shot switches to". Chỉ yêu cầu cross-dissolve, fade hoặc wipe khi bạn thật sự muốn dùng.
- Ở mỗi lần chuyển cảnh, hãy nói rõ khung hình và ai đang xuất hiện trên màn hình.
- Với một cú quay liền mạch, hãy chỉ viết một [Shot 1] và ghi "in one continuous shot with no cuts". Đừng vừa yêu cầu quay liền mạch vừa viết nhiều cảnh.
- Từ chỉ phong cách ở đầu [Shot 1]: Live-action, cinematic; 2D-animated; 3D CG; claymation; watercolor; vintage film. Khi dùng khung hình, hãy lấy phong cách từ ảnh.
- Hãy viết chi tiết cụ thể, đừng viết lời khen: "shallow depth of field, backlight keeps the foreground dark", không phải "beautiful, cinematic".
Chuyển động camera
Viết mỗi chuyển động camera thành một câu ngay trong cảnh quay, không viết thành thẻ ở cuối: "The camera holds a static shot as the runner exits the frame." Chỉ thêm biên độ và tốc độ khi cần: with small or large amplitude, at slow or fast speed.
- Để quay vòng quanh một chủ thể, hãy viết một chuyển động truck và một chuyển động pan theo hai hướng ngược nhau: "The camera trucks left while panning right."
| Viết | Tác dụng |
|---|---|
push in / pull out | Máy quay di chuyển lại gần hoặc ra xa chủ thể. |
zoom in / zoom out | Chỉ ống kính thay đổi; camera đứng yên. |
pan left / pan right | Camera xoay tại chỗ sang trái hoặc phải. |
truck left / truck right | Camera trượt ngang sang bên. |
tilt up / tilt down | Camera ngửa lên hoặc cúi xuống tại chỗ. |
pedestal up / pedestal down | Cả camera nâng lên hoặc hạ xuống. |
arc shot | Camera đi vòng cung quanh chủ thể. |
tracking shot | Camera di chuyển theo một chủ thể đang chuyển động. |
static shot | Camera không di chuyển. |
shake slightly / shake strongly | Rung kiểu cầm tay hoặc rung do va chạm. |
POV | Góc nhìn qua đôi mắt của nhân vật. |
roll clockwise / roll counterclockwise | Khung hình xoay. |
with small amplitude at slow speed | Phiên bản nhẹ nhàng, chậm rãi của bất kỳ chuyển động nào. |
Khung hình đầu và cuối
Tải lên First Frame, Last Frame hoặc cả hai, rồi mở đầu prompt bằng dòng tương ứng, sao chép y nguyên, sau đó là một dòng trống và ba trường. Trong dòng đó, S.SS là độ dài clip với hai chữ số thập phân (6.00 cho sáu giây), còn N là số thứ tự của cảnh cuối. Clip sẽ có hình dạng theo khung hình.
Với khung hình đầu, hãy mở đầu phần mô tả bằng những gì ảnh thể hiện (phong cách, chủ thể và bố cục), giữ nguyên chúng, rồi viết hành động bắt đầu, phát triển và kết thúc thế nào. Với cả hai khung hình, hãy viết một cảnh quay trừ khi bạn muốn chuyển cảnh, và mô tả quá trình chuyển giữa hai ảnh: trạng thái đầu, những thay đổi nhìn thấy được, sự khác biệt thu hẹp dần và trạng thái cuối. Nếu chỉ có khung hình cuối, hãy tự nghĩ ra một trạng thái trước đó hợp lý và đi đến hình ảnh này ở cảnh cuối.
- Đừng mô tả lại hai ảnh tĩnh trong clip dùng khung hình đầu và cuối: mô hình đã có sẵn chúng.
- Một clip dùng khung hình hoặc tham chiếu, không dùng cả hai.
| Viết | Tác dụng |
|---|---|
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced. | Chỉ khung hình đầu. |
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. | Khung hình đầu và cuối. |
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. | Chỉ khung hình cuối. |
References và Characters
MiniMax-H3 đánh số đầu vào theo loại, và những nhãn này là thứ mô hình đọc. <Picture N> đếm các ảnh bạn tải lên trước (Image, rồi đến Additional Images), sau đó đến các Characters bạn nhắc tới, rồi đến các References bạn nhắc tới, mỗi nhóm theo thứ tự được nhắc lần đầu. <Audio N> đếm các đoạn giọng nói bạn nhắc tới, sau đó đến giọng của các Characters được nhắc tới, rồi đến âm thanh của từng video tham chiếu. <Video N> đếm các Video References của bạn theo thứ tự.
Trước khi mô hình đọc prompt, Mage chuyển mỗi @handle thành những cụm như "nhân vật từ ảnh 3 với giọng nói từ [Audio 1]". Vì vậy, hãy nhắc mỗi handle một lần, trong subject_definitions ngay cạnh nhãn của nó, rồi chỉ dùng nhãn từ đó về sau. Ảnh tải lên không cần handle: hãy viết thẳng nhãn <Picture N> của ảnh.
<Subject N> là thứ để dùng lại: một người, một địa điểm, một đồ vật, một bộ trang phục, một phong cách hoặc một chuyển động. Một subject có thể lấy từ nhiều đầu vào, chẳng hạn "khuôn mặt lấy từ <Picture 1> và dáng đi lấy từ <Video 1>". Chỉ dùng <Picture N> riêng lẻ khi ảnh là một khung hình hoặc một storyboard cho các cảnh quay cụ thể.
- Cho mỗi đầu vào một vai trò rõ ràng: nhân vật, đồ vật, bối cảnh, khung hình, giọng nói, storyboard, phong cách, bố cục, chuyển động, chuyển động máy quay, hoặc âm thanh để dùng lại. Nêu rõ những đặc điểm không được thay đổi.
- Khuôn mặt chỉ giữ được khi người đó được đính kèm, qua Character hoặc một hình ảnh. Chỉ dùng văn bản thì không bao giờ giữ được khuôn mặt.
- Giữ nguyên mỗi nhãn trong suốt prompt, đừng định nghĩa nó hai lần và đừng gán hai nhãn cho một đầu vào.
- Phần tóm tắt mở đầu bằng loại tác vụ trong ngoặc vuông, nối bằng dấu +: hoàn thiện khung hình chính, tạo từ tham chiếu, chỉnh sửa video, nối tiếp video, dùng lại âm thanh, hoặc tham chiếu âm thanh.
- Để chỉnh sửa một clip, hãy thêm nó làm Video Reference và mở đầu phần tóm tắt bằng [video editing] cùng câu "The target video is an edited version of <Video 1>."
- Các tham chiếu dùng chung một quỹ thời gian với clip: mỗi ảnh và mỗi giây video tham chiếu đều chiếm một phần. Hãy cắt video tham chiếu còn đúng đoạn bạn cần, và dùng ít tham chiếu với các clip dài.
- Với clip mới, hãy viết detailed_description khoảng 350 đến 500 từ. Với mỗi cảnh quay, nêu bố cục, ai đứng ở đâu, bối cảnh và ánh sáng, hành động, máy quay, âm thanh và nơi mỗi nhãn được áp dụng.
| Viết | Tác dụng |
|---|---|
fully_preserved | Giữ nguyên hoàn toàn: một khuôn mặt, một sản phẩm, một logo. |
partially_preserved | Giữ lại một phần và nói rõ là phần nào. |
attribute_transfer | Lấy một đặc điểm, như màu sắc, chất liệu hoặc phong cách. |
weak_reference | Chỉ là gợi ý tham khảo. |
fully_copy, partially_copy, reference, weak_reference | Cùng thang mức đó cho âm thanh: phát nguyên bản, phát một phần, chỉ theo âm sắc hoặc nhịp điệu, hoặc xem như gợi ý tham khảo. |
Một Character đã lưu có giọng nói, và một ảnh sản phẩm
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/AVì sao hiệu quả: Tải ấm trà lên làm Image, nên nó là <Picture 1> còn Character là <Picture 2>; handle chỉ xuất hiện một lần, cạnh nhãn của nó. Ở đây đã rút gọn: mô tả đầy đủ sẽ dài hơn. Đặt độ dài là 8 giây.
Lời thoại và âm thanh
Gán cho mỗi giọng nói một ID cố định, (S1), (S2), hoặc (S1,S2) cho câu nói cùng lúc, và mô tả mỗi giọng một lần, bên ngoài thẻ, khi nó xuất hiện lần đầu: độ tuổi, giới tính, trong hay ngoài khung hình, cao độ, âm sắc, tốc độ và giọng vùng miền. Nhân vật không phát ra âm thanh thì không có ID.
Đặt mỗi câu thoại trong thẻ <d>, chỉ gồm ngôn ngữ và đúng từng chữ: <d>[English] We leave at dawn.</d> Không bao giờ dịch câu thoại, và hãy chọn lời phù hợp với cảnh quay: một bài nói dài trong cảnh quay ngắn sẽ làm lệch khẩu hình.
Chia âm thanh thành ba lớp. Âm thanh gắn với hành động và nhạc phát trong cảnh được đặt trong phần mô tả; âm thanh môi trường và âm thanh vật lý được đặt trong overall_soundscape; nhạc nền được đặt trong non_diegetic_music, viết bằng nhạc cụ, tempo, nhịp điệu và độ mạnh nhẹ, không dùng từ chỉ cảm xúc. Không lặp lại lời thoại trong hai trường âm thanh.
- Clip nào cũng có âm thanh. Hãy mô tả điều bạn muốn nghe, và nói rõ điều cần loại bỏ.
- Với giọng nói chỉ dùng lấy âm sắc, đừng đưa lời của nó vào prompt. Để dùng lại âm thanh nguyên bản, hãy viết ra đúng lời hoặc lời bài hát, dùng [unclear] cho phần bạn không nghe rõ.
- Tắt Use Character Voices để bỏ giọng nói đã lưu của các Characters.
- Không bao giờ viết địa chỉ email hay handle mạng xã hội: mọi @ theo sau bởi chữ cái đều bị đọc như một handle đã lưu. Trong lời thoại, hãy viết "at".
| Viết | Tác dụng |
|---|---|
(S1) | ID người nói, viết ngay sau người đang nói. |
<d>[English] …</d> | Một câu thoại: ngôn ngữ, rồi đúng từng chữ. |
says in an off-screen voiceover: | Lời dẫn. Thêm "while her lips remain completely closed" sau câu thoại khi người đó xuất hiện trong khung hình. |
<scenetrans> | Đặt ở cả hai phía của một đoạn cắt khi một câu thoại kéo dài qua đó, kèm "continues seamlessly across the cut". |
<cutoff> | Lời nói bị cắt ngang ở cuối clip. |
<Audio 1> is the voice-timbre reference for <Subject 1> (S1). | Giọng nói đã lưu cho người nói âm thanh của họ; lời của họ đến từ prompt. |
Người dẫn chuyện trên cảnh quay rộng
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.Vì sao hiệu quả: Người dẫn chuyện có ID và một mô tả duy nhất, cụm từ voiceover giữ câu thoại ngoài khung hình, và mỗi âm thanh nằm ở lớp riêng.
Chữ trên màn hình
Đặt mọi biển hiệu, nhãn, phụ đề hoặc đèn neon trong dấu ngoặc kép tiếng Anh, đúng từng chữ, bằng ngôn ngữ gốc: A blue neon sign reading "NOODLES" flickers above the stall.
- Chỉ giữ một đoạn chữ chính cho mỗi cảnh quay, và tránh đặt nó lên khuôn mặt.
- Khi không muốn có gì xuất hiện, hãy viết "No subtitles, on-screen text, or watermarks."
Lỗi thường gặp
Nên tránh gì, nên làm gì
Nên tránh: Một đoạn văn rời rạc không có trường nào.
a cook makes noodles at a street stall at night in the rain, steam, cinematic, moodyNên viết: Các trường có nhãn: Mage không tự mở rộng một prompt rời rạc.
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/ANên tránh: Dùng nhãn trước khi định nghĩa, hoặc một đầu vào có hai nhãn.
Nên viết: Mỗi nhãn được định nghĩa một lần trong subject_definitions, rồi dùng đúng nhãn đó mọi lúc.
Nên tránh: "One continuous take" nhưng có nhiều cảnh quay.
Nên viết: Chọn một trong hai.
Nên tránh: Có nhạc ở một trường và "no background music" ở trường khác.
Nên viết: Một quyết định duy nhất, trong non_diegetic_music.
Nên tránh: Dòng thời gian dài hơn hoặc ngắn hơn clip.
Nên viết: Các mốc cắt nằm trong độ dài bạn đặt, với cảnh quay cuối chạy đến hết clip.
Nên tránh: Từ chỉ cảm xúc trong trường nhạc: "epic, emotional, uplifting".
non_diegetic_music: epic emotional uplifting musicNên viết: Nhạc cụ, tempo, nhịp điệu và độ mạnh nhẹ.
non_diegetic_music: Brass and timpani at a moderate tempo, building from quiet to loud over the last shot.Nên tránh: Một bài nói dài trong cảnh quay ngắn.
Nên viết: Một câu đủ ngắn để nói hết trong thời lượng của cảnh quay.
Nên tránh: Tóm tắt cốt truyện: "they fall in love".
Nên viết: Những gì nhìn thấy và nghe thấy, từng cảnh quay một.
Nên tránh: Mong khuôn mặt được giữ nguyên chỉ từ lời mô tả.
Nên viết: Người đó được đính kèm dưới dạng Character hoặc hình ảnh.
Câu hỏi thường gặp
Câu hỏi về cách viết prompt cho MiniMax-H3
Prompt MiniMax-H3 nên dài bao nhiêu?
Tôi có bắt buộc phải dùng các trường có nhãn không?
Làm sao để nhân vật nói trong MiniMax-H3?
Làm sao để giữ nhân vật nhất quán trong MiniMax-H3?
Làm sao để MiniMax-H3 không tự thêm nhạc?
Tôi có thể dùng khung hình đầu và cuối cùng với tham chiếu không?
MiniMax-H3 có hỗ trợ negative prompt không?
Hướng dẫn viết prompt
Thêm hướng dẫn viết prompt
Cách viết prompt cho Berry
Cách viết prompt cho Berry, mô hình tạo video bám sát ảnh tham chiếu của Mage: hướng dẫn bắt đầu nhanh trong một phút, mẫu prompt và mẹo nâng cao về ảnh tham chiếu, thời gian, lời thoại và chỉnh sửa.
Cách viết prompt cho Blueberry
Cách viết prompt cho Blueberry, mô hình video khung hình đầu và cuối của Mage: hướng dẫn nhanh, mẫu prompt và mẹo từ chuyên gia cho chuyển cảnh, vòng lặp, chuyển động máy quay và âm thanh.
Cách viết prompt cho Cherry
Cách viết prompt cho Cherry, model video của Mage: hướng dẫn nhanh một phút, mẫu điền sẵn và mẹo chuyên sâu về cảnh quay, camera, nhân vật, âm thanh và chỉnh sửa.
Cách viết prompt cho Grok Video
Cách viết prompt cho Grok Video, tức Grok Imagine của xAI, trên Mage: hướng dẫn nhanh, mẫu điền sẵn và mẹo nâng cao về máy quay, ảnh tham chiếu, chỉnh sửa và âm thanh.
Cách viết prompt cho Kiwi
Cách viết prompt cho Kiwi, mô hình video dùng hằng ngày của Mage: hướng dẫn nhanh một phút, mẫu điền sẵn và mẹo về ánh sáng, chuyển động máy quay, ảnh bắt đầu và âm thanh.
Cách viết prompt cho Lemon
Cách viết prompt cho Lemon, mô hình AI tạo video đa năng của Mage: hướng dẫn nhanh một phút, một mẫu prompt và mẹo chuyên sâu về khung hình, tham chiếu, giọng nói, cảnh quay và chỉnh sửa.
Tạo video đầu tiên của bạn với MiniMax-H3
Tài khoản mới được tặng 300 Gems miễn phí, đủ để thử MiniMax-H3 Turbo. Không cần cài đặt, không cần thẻ tín dụng.
Dùng thử MiniMax-H3 Turbo