MiniMax-H3-Prompt-Leitfaden
MiniMax-H3-Prompt-Leitfaden
Fünf kopierbare Prompts für MiniMax H3, einer für jede Art, das Modell zu steuern: eine Produktwerbung, Bild zu Video, erstes und letztes Bild, eine Bewegungsreferenz aus einem Video sowie nativer Dialog mit Soundeffekten. Jeder nennt den Modus, die erwarteten Eingaben und was du am Ergebnis prüfen solltest.
Verfügbarkeit auf Imgo ausstehend
MiniMax H3 ist noch nicht im Live-Modellkatalog von Imgo. Diese Prompts sind deshalb zum Kopieren gedacht: Führe sie über die API von MiniMax oder dein eigenes H3-Base-Deployment aus, oder passe sie für ein Videomodell an, das auf Imgo bereits live ist.
Was du hier promptest
Zwei offene Checkpoints
H3-Base erscheint als FL2VA (Text, erstes Bild, letztes Bild oder beides zu Video mit Audio) und Ref2VA (Referenzbilder, -videos und -audio zu Video mit Audio). Wähle den Checkpoint, bevor du den Prompt schreibst.
768p lokal, 2K über die API
Die offenen Gewichte rendern in 768p. 2K kommt von H3-Regenerate-2K, das nicht quelloffen ist – der vollständige 2K-Workflow läuft deshalb über die API von MiniMax.
Ton gehört in den Prompt
Jeder Clip kommt mit 32-kHz-Stereoton. Schreib Dialog, Soundeffekte und Atmo in den Prompt, sonst entscheidet das Modell für dich.
4–15 Sekunden, 21:9 bis 9:16
Clips laufen 4 bis 15 Sekunden bei 24 fps, in Seitenverhältnissen wie 21:9, 16:9, 4:3, 1:1, 3:4 und 9:16.
Referenzlimits von Ref2VA
Halte diese Grenzen ein, wenn du eine Anfrage im Referenzmodus zusammenstellst.
| Eingabe | Limit |
|---|---|
| Bilder | Bis zu 9 |
| Videoclips | Bis zu 3; je 2–15 s; insgesamt 15 s |
| Audioclips | Bis zu 3; je 2–15 s; insgesamt 15 s |
| Alle Dateien | Höchstens 12 über Bilder, Video und Audio hinweg |
Erstes und letztes Bild gehören zu FL2VA. Ein Durchlauf wird entweder über Frames oder über Referenzen gesteuert, nie über beides.
Kopieren und anpassen
Produktwerbung aus Packshots
Ein 10-sekündiger Werbespot in 16:9 für [product]. Nutze die Referenzbilder als exaktes Produkt: Form, Farben, Logoposition und Etikettentext bleiben in jeder Einstellung unverändert. Beginne mit einer langsamen Kamerafahrt über [surface] bei [lighting]; dann hebt eine Hand das Produkt an und dreht es, um [key feature] zu zeigen. Ende auf einem zentrierten Hero-Shot mit freiem Negativraum rechts. Audio: ein [music style]-Musikbett und ein leises [product sound], wenn das Produkt angehoben wird; kein Voiceover. Kein Text im Bild und keine weiteren Produkte.
- Modus
- Ref2VA · Referenzbilder
- Einsetzen, wenn
- Ein echtes Produkt muss exakt stimmen, während Kamera, Set und Ton drumherum erfunden werden.
- Eingaben
- Zwei bis vier Fotos des echten Produkts aus verschiedenen Winkeln, Etikett gut lesbar.
- Prüfen
- Vergleiche Etikett, Logo und Farbe mit den Packshots und achte darauf, dass das Produktgeräusch genau beim Anheben kommt.
Ein Standbild zum Leben erwecken
Animiere das Startbild über 6 Sekunden. Behalte [subject], die Komposition und das Color Grading genau so bei. [subject] [action], während die Kamera [camera move]. Hintergrundbewegung: [ambient motion]. Audio: die natürliche Atmo von [setting] und [sound effect] synchron zur Bewegung; keine Musik und kein Dialog. Füge keine Personen, Objekte oder Texte hinzu.
- Modus
- FL2VA · erstes Bild
- Einsetzen, wenn
- Das Bild ist bereits freigegeben und soll sich bewegen, ohne neu gezeichnet zu werden.
- Eingaben
- Ein hochaufgelöstes Bild im Zielseitenverhältnis; es wird zum ersten Frame.
- Prüfen
- Vergleiche den ersten Frame mit deinem Bild und achte dann auf Hände, Gesichter und Kanten, während die Bewegung zunimmt.
Vom ersten zum letzten Bild
Erzeuge einen 8-sekündigen Übergang vom Startbild zum Endbild als eine durchgehende Einstellung. Halte [subject] durchgehend identisch. Bewegung: [transition action], während die Kamera [camera move]. Timing: Halte den Anfang eine Sekunde, bewege dich gleichmäßig und komm in der letzten Sekunde auf dem Endbild zur Ruhe. Audio: [transition sound], das unter der Bewegung anschwillt und in einem leisen [final sound] endet, wenn das letzte Bild steht.
- Modus
- FL2VA · erstes und letztes Bild
- Einsetzen, wenn
- Anfangs- und Endzustand stehen fest – ein Vorher-nachher, eine Enthüllung, eine Verwandlung – und nur der Weg dazwischen ist offen.
- Eingaben
- Zwei Bilder mit gleichem Seitenverhältnis, gleicher Bildgestaltung und gleichem Licht; je ähnlicher sie sind, desto sauberer der Weg dazwischen.
- Prüfen
- Prüfe, ob der Clip wirklich auf dem letzten Bild landet und das Motiv auf halber Strecke seine Identität behält.
Bewegung aus einem Referenzclip übernehmen
Nutze das Referenzvideo nur für Kamerabewegung und Timing: [camera move description]. Übernimm keine Personen, kein Set und keine Farben daraus. Übertrage diese Bewegung auf [subject] aus dem Referenzbild, in [setting] bei [time of day]-Licht, und halte das Aussehen von [subject] identisch mit dem Referenzbild. Übernimm die Länge des Referenzclips. Audio: [ambient sound] und [motion sound] passend zur Bewegung; keine Musik.
- Modus
- Ref2VA · Referenzvideo und -bilder
- Einsetzen, wenn
- Dir gefällt eine Kamerabewegung oder Choreografie, und du willst sie auf ein anderes Motiv übertragen.
- Eingaben
- Ein 2–15 s langer Referenzclip, der die Bewegung zeigt, plus ein bis drei Bilder des neuen Motivs.
- Prüfen
- Spiele Referenz und Ergebnis nebeneinander ab: Die Bewegung sollte übereinstimmen, und nichts aus Set oder Besetzung der Referenz sollte durchsickern.
Dialogszene mit Soundeffekten
Eine 12-sekündige Szene in 16:9 in [setting]. [character A], [description A], und [character B], [description B], sitzen sich an einem Tisch gegenüber. Halbnahe Zweiereinstellung, dann eine langsame Fahrt auf [character A]. Dialog auf [language]: [character A] sagt: „[line 1]“, und [character B] antwortet: „[line 2]“. Soundeffekte: [sound effect 1] vor dem ersten Satz und [sound effect 2] unter der Antwort. Atmo: [ambience]. Die Lippen bewegen sich synchron zu jedem Satz; keine Musik und keine Untertitel.
- Modus
- FL2VA · nur Text
- Einsetzen, wenn
- Der Clip muss sprechen: Zeilen, Stimmen und Effekte stehen im Shot, statt im Schnitt ergänzt zu werden.
- Eingaben
- Nur Text. Halte jeden Satz so kurz, dass er in der verfügbaren Zeit bequem gesprochen werden kann.
- Prüfen
- Prüfe die Lippensynchronität Satz für Satz, ob jede Stimme bei ihrer Figur bleibt und ob die Effekte dort sitzen, wo der Prompt sie platziert.
Praktische Tipps
- Wähle zuerst den Checkpoint: Frames gehören zu FL2VA, Referenzen zu Ref2VA. Ein Durchlauf nimmt nie beides.
- Zähle die Dateien vor dem Hochladen: höchstens 9 Bilder, 3 Videoclips und 3 Audioclips, insgesamt 12 Dateien.
- Kürze Referenzclips auf den entscheidenden Teil. Jeder Video- oder Audioclip muss 2–15 s lang sein, und jeder Typ ist auf 15 s zusammen begrenzt – drei 5-Sekunden-Clips schöpfen das Budget aus.
- Sag, wofür jede Referenz da ist – Produkt, Bewegung, Stimme oder Farbpalette –, damit das Modell nicht alles daraus übernimmt.
- Schreib den Ton wie eine Shotliste: wer spricht, welche Effekte, welche Atmo und ob es Musik gibt. Auch Stille ist eine Anweisung.
- Gesprochene Zeilen sind in den 11 Sprachen am stabilsten, die MiniMax nennt: Arabisch, Chinesisch, Englisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch.
- Entwirf in 768p und setze 2K nur für Takes ein, die sich lohnen; 2K-Ausgabe läuft über die API von MiniMax.
Häufige Fragen
- Wie ist ein MiniMax-H3-Prompt am besten aufgebaut?
- Motiv und Handlung, dann Kamera, dann Umgebung und Licht, dann Audio, dann Ausschlüsse. Im Ref2VA-Modus beginnst du damit, wofür jede Referenz da ist. MiniMax veröffentlicht außerdem Leitfäden zum Prompt-Schreiben für den Basis- und den Referenzmodus auf der Modellkarte von H3.
- Kann ich MiniMax-H3-Videos auf Imgo generieren?
- Noch nicht. H3 ist nicht im Live-Modellkatalog von Imgo, deshalb wird seine Verfügbarkeit als ausstehend angezeigt. Kopiere die Prompts, um sie über MiniMax oder dein eigenes Deployment auszuführen, oder passe sie für ein Videomodell an, das auf Imgo live ist.
- Warum endet mein lokales H3-Rendering bei 768p?
- Die offenen H3-Base-Checkpoints rendern in 768p. 2K kommt von H3-Regenerate-2K, einem zweiten Durchlauf, den MiniMax nicht quelloffen veröffentlicht hat – der vollständige 2K-Workflow läuft deshalb über die API von MiniMax.
- Darf ich die offenen Gewichte kommerziell nutzen?
- Für Self-Hosting gilt die MiniMax H3 Community License. Sie umfasst nicht die EU, das Vereinigte Königreich, die Republik Korea und die USA (Organisationen dort können bei MiniMax eine Lizenz beantragen); Produkte mit mehr als 20 Millionen US-Dollar Jahresumsatz brauchen eine schriftliche Genehmigung von MiniMax über [email protected]; kommerzielle Produkte müssen "MiniMax H3" in ihrer Benutzeroberfläche anzeigen; und der Vertrag unterliegt dem Recht von Hongkong. Der Zugriff über die API von MiniMax folgt dagegen den API-Bedingungen von MiniMax. Dies ist eine Zusammenfassung, keine Rechtsberatung – lies die Lizenz, bevor du ein Produkt veröffentlichst.
- Funktionieren die Prompts auch in anderen Sprachen?
- Ja. Beschreib die Einstellung in jeder beliebigen Sprache. Für gesprochene Zeilen ist H3 in den 11 Dialogsprachen am stabilsten, die MiniMax nennt; andere Sprachen funktionieren unterschiedlich gut.
Weiterlesen
Quellen
- Modellkarte von MiniMax H3 ↗
- MiniMax H3 Community License (Lizenztext) ↗
- API-Dokumentation von MiniMax ↗
Geprüft am 7. Oktober 2026. Modelllimits und Lizenzbedingungen können sich ändern; maßgeblich sind die verlinkten Quellen.