Guía de prompts de MiniMax H3
Guía de prompts de MiniMax H3
Cinco prompts copiables para MiniMax H3, uno por cada forma de dirigir el modelo: un anuncio de producto, imagen a vídeo, primer y último fotograma, una referencia de movimiento en vídeo y diálogo nativo con efectos de sonido. Cada uno indica el modo en que se ejecuta, las entradas que espera y qué revisar en el resultado.
Disponibilidad en Imgo pendiente
MiniMax H3 aún no está en el catálogo de modelos activos de Imgo, así que estos prompts son para copiar: ejecútalos con la API de MiniMax o con tu propio despliegue de H3-Base, o adáptalos a un modelo de vídeo que ya esté activo en Imgo.
Qué estás promptando
Dos checkpoints abiertos
H3-Base se publica como FL2VA (texto, primer fotograma, último fotograma o ambos a vídeo con audio) y Ref2VA (imágenes, vídeo y audio de referencia a vídeo con audio). Elige el checkpoint antes de escribir el prompt.
768p en local, 2K mediante la API
Los pesos abiertos renderizan a 768p. El 2K sale de H3-Regenerate-2K, que no es de código abierto, así que el flujo completo en 2K pasa por la API de MiniMax.
El sonido forma parte del prompt
Cada clip llega con audio estéreo a 32 kHz. Escribe en el prompt el diálogo, los efectos y el ambiente, o el modelo los elegirá por ti.
De 4 a 15 segundos, de 21:9 a 9:16
Los clips duran de 4 a 15 segundos a 24 fps, en relaciones de aspecto que incluyen 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16.
Límites de referencias de Ref2VA
Respeta estos límites al preparar una solicitud en modo referencia.
| Entrada | Límite |
|---|---|
| Imágenes | Hasta 9 |
| Clips de vídeo | Hasta 3; cada uno de 2 a 15 s; 15 s en total |
| Clips de audio | Hasta 3; cada uno de 2 a 15 s; 15 s en total |
| Todos los archivos | 12 como máximo entre imágenes, vídeo y audio |
El primer y el último fotograma pertenecen a FL2VA. Una misma ejecución se condiciona con fotogramas o con referencias, nunca con ambos.
Copia y adapta
Anuncio de producto a partir de fotos de estudio
Un anuncio de 10 segundos en 16:9 para [product]. Usa las imágenes de referencia como el producto exacto: mantén su forma, colores, posición del logotipo y texto de la etiqueta sin cambios en cada plano. Abre con un travelling lento hacia delante sobre [surface] con [lighting]; después, una mano levanta el producto y lo gira para mostrar [key feature]. Termina en un plano principal centrado con espacio negativo limpio a la derecha. Audio: una base musical de [music style] y un suave [product sound] cuando se levanta el producto; sin voz en off. Sin texto en pantalla ni productos adicionales.
- Modo
- Ref2VA · imágenes de referencia
- Úsalo cuando
- Un producto real debe salir exacto mientras la cámara, el decorado y el sonido se inventan a su alrededor.
- Entradas
- De dos a cuatro fotos del producto real desde distintos ángulos, con la etiqueta legible.
- Revisa
- Compara la etiqueta, el logotipo y el color con las fotos de estudio, y comprueba que el sonido del producto coincide con el momento en que se levanta.
Dar vida a una imagen fija
Anima la imagen del primer fotograma durante 6 segundos. Mantén [subject], la composición y el etalonaje exactamente como están. [subject] [action] mientras la cámara [camera move]. Movimiento de fondo: [ambient motion]. Audio: el ambiente natural de [setting] y [sound effect] sincronizado con el movimiento; sin música ni diálogo. No añadas personas, objetos ni texto.
- Modo
- FL2VA · primer fotograma
- Úsalo cuando
- La imagen ya está aprobada y tiene que moverse sin que la redibujen.
- Entradas
- Una imagen en alta resolución con la relación de aspecto final; se convierte en el primer fotograma.
- Revisa
- Compara el fotograma inicial con tu imagen y vigila manos, caras y bordes por si se deforman a medida que crece el movimiento.
Del primer al último fotograma
Crea una transición de 8 segundos de la imagen del primer fotograma a la del último en un único plano continuo. Mantén [subject] idéntico de principio a fin. Movimiento: [transition action], mientras la cámara [camera move]. Ritmo: mantén la apertura un segundo, avanza de forma constante y asiéntate en el fotograma final durante el último segundo. Audio: [transition sound] creciendo bajo el movimiento y terminando en un suave [final sound] cuando se asienta el último fotograma.
- Modo
- FL2VA · primer y último fotograma
- Úsalo cuando
- Los estados inicial y final están fijados —un antes y después, una revelación, una transformación— y solo el camino entre ellos queda abierto.
- Entradas
- Dos imágenes con la misma relación de aspecto, encuadre e iluminación; cuanto más se parezcan, más limpio será el recorrido entre ellas.
- Revisa
- Confirma que el clip termina de verdad en el último fotograma y que el sujeto conserva su identidad a mitad de camino.
Tomar prestado el movimiento de un clip de referencia
Usa el vídeo de referencia solo por su movimiento de cámara y su ritmo: [camera move description]. No copies sus personas, su decorado ni sus colores. Aplica ese movimiento a [subject] de la imagen de referencia, en [setting] con luz de [time of day], y mantén la apariencia de [subject] idéntica a la de la imagen de referencia. Iguala la duración del clip de referencia. Audio: [ambient sound] y [motion sound] sincronizados con el movimiento; sin música.
- Modo
- Ref2VA · vídeo e imágenes de referencia
- Úsalo cuando
- Te gusta un movimiento de cámara o una coreografía y lo quieres sobre otro sujeto.
- Entradas
- Un clip de referencia de 2 a 15 s que muestre el movimiento, más de una a tres imágenes del nuevo sujeto.
- Revisa
- Reproduce la referencia y el resultado uno al lado del otro: el movimiento debe coincidir y nada del decorado ni del reparto de la referencia debe colarse.
Escena de diálogo con efectos de sonido
Una escena de 12 segundos en 16:9 en [setting]. [character A], [description A], y [character B], [description B], están sentados frente a frente en una mesa. Plano medio a dos, luego un travelling lento hacia [character A]. Diálogo en [language]: [character A] dice: «[line 1]» y [character B] responde: «[line 2]». Efectos de sonido: [sound effect 1] antes de la primera frase y [sound effect 2] bajo la respuesta. Ambiente: [ambience]. Los labios se mueven sincronizados con cada frase; sin música y sin subtítulos.
- Modo
- FL2VA · solo texto
- Úsalo cuando
- El clip tiene que hablar: frases, voces y efectos escritos en el plano en lugar de añadidos en la edición.
- Entradas
- Solo texto. Haz que cada frase sea lo bastante corta para decirla con holgura en el tiempo que permite el plano.
- Revisa
- Revisa la sincronía labial frase a frase, que cada voz se quede con su personaje y que los efectos suenen donde el prompt los sitúa.
Consejos prácticos
- Elige primero el checkpoint: los fotogramas van a FL2VA y las referencias a Ref2VA. Una ejecución nunca admite ambos.
- Cuenta los archivos antes de subirlos: como máximo 9 imágenes, 3 clips de vídeo y 3 clips de audio, y 12 archivos en total.
- Recorta los clips de referencia a la parte que importa. Cada clip de vídeo o audio debe durar de 2 a 15 s, y cada tipo suma como máximo 15 s, así que tres clips de 5 segundos agotan el margen.
- Di para qué sirve cada referencia —producto, movimiento, voz o paleta— para que el modelo no copie todo lo que contiene.
- Escribe el sonido como una lista de planos: quién habla, qué efectos, qué ambiente y si hay música. Pedir silencio también es una instrucción.
- Las frases habladas son más estables en los 11 idiomas que indica MiniMax: árabe, chino, inglés, francés, alemán, italiano, japonés, coreano, portugués, ruso y español.
- Haz los borradores a 768p y reserva el 2K para las tomas que merezcan la pena; la salida en 2K pasa por la API de MiniMax.
Preguntas frecuentes
- ¿Cuál es la mejor estructura de prompt para MiniMax H3?
- Sujeto y acción, luego cámara, luego escenario y luz, luego audio y, por último, exclusiones. En modo Ref2VA, empieza diciendo para qué sirve cada referencia. MiniMax también publica guías de redacción de prompts para el modo base y el de referencia en la ficha del modelo H3.
- ¿Puedo generar vídeos con MiniMax H3 en Imgo?
- Todavía no. H3 no está en el catálogo de modelos activos de Imgo, por eso su disponibilidad aparece como pendiente. Copia estos prompts para ejecutarlos con MiniMax o con tu propio despliegue, o adáptalos a un modelo de vídeo activo en Imgo.
- ¿Por qué mi render local de H3 se queda en 768p?
- Los checkpoints abiertos de H3-Base renderizan a 768p. El 2K sale de H3-Regenerate-2K, una segunda pasada que MiniMax no ha liberado, así que el flujo completo en 2K pasa por la API de MiniMax.
- ¿Puedo usar los pesos abiertos con fines comerciales?
- El autoalojamiento se rige por la MiniMax H3 Community License. No cubre la UE, el Reino Unido, la República de Corea ni EE. UU. (las organizaciones de esos territorios pueden solicitar una licencia a MiniMax); los productos que facturan más de 20 millones de dólares al año necesitan autorización por escrito de MiniMax a través de [email protected]; los productos comerciales deben mostrar "MiniMax H3" en su interfaz de usuario; y el acuerdo se rige por la ley de Hong Kong. El acceso mediante la API de MiniMax sigue, en cambio, los términos de la API de MiniMax. Esto es un resumen, no asesoramiento legal: lee la licencia antes de lanzar tu producto.
- ¿Funcionan los prompts en otros idiomas?
- Sí. Describe el plano en cualquier idioma. Para las frases habladas, H3 es más estable en los 11 idiomas de diálogo que indica MiniMax; otros idiomas funcionan con resultados variables.
Sigue explorando
Fuentes
Revisado el 7 de octubre de 2026. Los límites del modelo y los términos de la licencia pueden cambiar; las fuentes enlazadas son las que mandan.