Jaka struktura promptu najlepiej sprawdza się w MiniMax H3?

Obiekt i akcja, potem kamera, potem miejsce i światło, potem dźwięk, a na końcu wykluczenia. W trybie Ref2VA zacznij od tego, do czego służy każda referencja. MiniMax publikuje też na karcie modelu H3 poradniki pisania promptów dla trybu podstawowego i trybu referencji.

Czy mogę generować wideo MiniMax H3 w Imgo?

Jeszcze nie. H3 nie ma w katalogu aktywnych modeli Imgo, dlatego jego dostępność jest oznaczona jako oczekująca. Skopiuj stąd prompty, aby uruchomić je przez MiniMax lub własne wdrożenie, albo dostosuj je do modelu wideo, który działa w Imgo.

Dlaczego mój lokalny render H3 kończy się na 768p?

Otwarte checkpointy H3-Base renderują w 768p. 2K pochodzi z H3-Regenerate-2K, drugiego przebiegu, którego MiniMax nie udostępniło jako open source, więc pełny proces 2K działa przez API MiniMax.

Czy mogę używać otwartych wag komercyjnie?

Samodzielny hosting podlega licencji MiniMax H3 Community License. Nie obejmuje ona UE, Wielkiej Brytanii, Republiki Korei ani USA (organizacje stamtąd mogą wystąpić do MiniMax o licencję); produkty o przychodach powyżej 20 mln USD rocznie potrzebują pisemnej zgody MiniMax uzyskanej przez api@minimax.io; produkty komercyjne muszą wyświetlać "MiniMax H3" w interfejsie użytkownika; umowa podlega prawu Hongkongu. Dostęp przez API MiniMax podlega natomiast warunkom API MiniMax. To streszczenie, a nie porada prawna — przeczytaj licencję przed premierą produktu.

Czy prompty działają w innych językach?

Tak. Opisz ujęcie w dowolnym języku. W przypadku wypowiadanych kwestii H3 jest najstabilniejszy w 11 językach dialogu wymienionych przez MiniMax; inne języki działają w różnym stopniu.

Prompty do MiniMax H3: przewodnik do skopiowania dla wideo i dźwięku

Przewodnik po promptach MiniMax H3

Pięć promptów do MiniMax H3 do skopiowania, po jednym na każdy sposób sterowania modelem: reklama produktu, obraz na wideo, pierwsza i ostatnia klatka, referencja ruchu z wideo oraz natywny dialog z efektami dźwiękowymi. Każdy podaje tryb, w którym działa, potrzebne dane wejściowe i to, co sprawdzić w wyniku.

Dostępność w Imgo: oczekuje

MiniMax H3 nie ma jeszcze w katalogu aktywnych modeli Imgo, więc te prompty służą do kopiowania: uruchom je przez API MiniMax lub własne wdrożenie H3-Base albo dostosuj do modelu wideo, który już działa w Imgo.

Zobacz aktywne modele →

Do czego piszesz prompt

Dwa otwarte checkpointy

H3-Base udostępniono jako FL2VA (tekst, pierwsza klatka, ostatnia klatka lub obie na wideo z dźwiękiem) oraz Ref2VA (obrazy, wideo i audio referencyjne na wideo z dźwiękiem). Wybierz checkpoint, zanim napiszesz prompt.

768p lokalnie, 2K przez API

Otwarte wagi renderują w 768p. 2K pochodzi z H3-Regenerate-2K, który nie jest open source, więc pełny proces 2K działa przez API MiniMax.

Dźwięk jest częścią promptu

Każdy klip ma dźwięk stereo 32 kHz. Wpisz do promptu dialog, efekty dźwiękowe i tło dźwiękowe, inaczej model wybierze je za ciebie.

4–15 sekund, od 21:9 do 9:16

Klipy trwają od 4 do 15 sekund przy 24 kl./s, w proporcjach obejmujących 21:9, 16:9, 4:3, 1:1, 3:4 i 9:16.

Limity referencji Ref2VA

Trzymaj się tych limitów, gdy przygotowujesz zapytanie w trybie referencji.

Wejście	Limit
Obrazy	Do 9
Klipy wideo	Do 3; każdy 2–15 s; łącznie 15 s
Klipy audio	Do 3; każdy 2–15 s; łącznie 15 s
Wszystkie pliki	Najwyżej 12 łącznie: obrazy, wideo i audio

Pierwsza i ostatnia klatka należą do FL2VA. Jedno generowanie opiera się na klatkach albo na referencjach, nigdy na obu naraz.

Skopiuj i dostosuj

Reklama produktu ze zdjęć packshot

10-sekundowa reklama w formacie 16:9 dla [product]. Użyj obrazów referencyjnych jako dokładnego produktu: w każdym ujęciu zachowaj bez zmian kształt, kolory, położenie logo i tekst etykiety. Zacznij od powolnego najazdu kamery nad [surface] w [lighting]; potem dłoń podnosi produkt i obraca go, pokazując [key feature]. Zakończ wyśrodkowanym ujęciem głównym z czystą pustą przestrzenią po prawej. Dźwięk: podkład muzyczny w stylu [music style] i delikatny [product sound] przy podnoszeniu produktu; bez lektora. Bez tekstu na ekranie i bez dodatkowych produktów.

Tryb: Ref2VA · obrazy referencyjne
Użyj, gdy: Prawdziwy produkt musi zostać dokładnie taki sam, a kamera, scenografia i dźwięk powstają wokół niego.
Dane wejściowe: Od dwóch do czterech zdjęć prawdziwego produktu z różnych kątów, z czytelną etykietą.
Sprawdź: Porównaj etykietę, logo i kolor ze zdjęciami packshot i posłuchaj, czy dźwięk produktu pada w chwili podniesienia.

Ożyw nieruchomy obraz

Animuj obraz pierwszej klatki przez 6 sekund. Zachowaj [subject], kompozycję i korekcję barwną dokładnie takie, jakie są. [subject] [action], podczas gdy kamera [camera move]. Ruch tła: [ambient motion]. Dźwięk: naturalne tło dźwiękowe [setting] i [sound effect] zsynchronizowany z ruchem; bez muzyki i bez dialogu. Nie dodawaj ludzi, przedmiotów ani tekstu.

Tryb: FL2VA · pierwsza klatka
Użyj, gdy: Obraz jest już zatwierdzony i musi się poruszać, nie będąc rysowany od nowa.
Dane wejściowe: Jeden obraz w wysokiej rozdzielczości w docelowych proporcjach; staje się pierwszą klatką.
Sprawdź: Porównaj klatkę otwierającą ze swoim obrazem, a potem obserwuj dłonie, twarze i krawędzie, gdy ruch narasta.

Od pierwszej do ostatniej klatki

Stwórz 8-sekundowe przejście od obrazu pierwszej klatki do obrazu ostatniej klatki jako jedno ciągłe ujęcie. Zachowaj [subject] identyczny przez cały czas. Ruch: [transition action], podczas gdy kamera [camera move]. Tempo: zatrzymaj się na otwarciu przez sekundę, poruszaj się równomiernie i w ostatniej sekundzie osiądź na klatce końcowej. Dźwięk: [transition sound] narastający pod ruchem i kończący się delikatnym [final sound], gdy ostatnia klatka się zatrzymuje.

Tryb: FL2VA · pierwsza i ostatnia klatka
Użyj, gdy: Stan początkowy i końcowy są ustalone — przed i po, odsłonięcie, przemiana — a otwarta pozostaje tylko droga między nimi.
Dane wejściowe: Dwa obrazy o tych samych proporcjach, kadrowaniu i oświetleniu; im bardziej podobne, tym czystsza droga między nimi.
Sprawdź: Upewnij się, że klip naprawdę kończy się na ostatniej klatce, a obiekt w połowie drogi zachowuje swoją tożsamość.

Pożycz ruch z klipu referencyjnego

Użyj wideo referencyjnego wyłącznie dla ruchu kamery i tempa: [camera move description]. Nie kopiuj z niego ludzi, scenografii ani kolorów. Zastosuj ten ruch do [subject] z obrazu referencyjnego, w [setting] przy świetle [time of day], i zachowaj wygląd [subject] identyczny z obrazem referencyjnym. Długość taka jak klipu referencyjnego. Dźwięk: [ambient sound] i [motion sound] zgrane z ruchem; bez muzyki.

Tryb: Ref2VA · wideo i obrazy referencyjne
Użyj, gdy: Podoba ci się ruch kamery lub choreografia i chcesz przenieść je na inny obiekt.
Dane wejściowe: Jeden klip referencyjny o długości 2–15 s pokazujący ruch oraz od jednego do trzech obrazów nowego obiektu.
Sprawdź: Odtwórz referencję i wynik obok siebie: ruch powinien się zgadzać, a nic ze scenografii ani obsady referencji nie powinno przeniknąć.

Scena dialogowa z efektami dźwiękowymi

12-sekundowa scena w formacie 16:9 w [setting]. [character A], [description A], i [character B], [description B], siedzą naprzeciw siebie przy stole. Plan średni na dwie osoby, potem powolny najazd na [character A]. Dialog w języku [language]: [character A] mówi: „[line 1]”, a [character B] odpowiada: „[line 2]”. Efekty dźwiękowe: [sound effect 1] przed pierwszą kwestią i [sound effect 2] pod odpowiedzią. Tło dźwiękowe: [ambience]. Usta poruszają się synchronicznie z każdą kwestią; bez muzyki i bez napisów.

Tryb: FL2VA · tylko tekst
Użyj, gdy: Klip musi mówić: kwestie, głosy i efekty są zapisane w ujęciu, a nie dodawane w montażu.
Dane wejściowe: Tylko tekst. Każda kwestia powinna być na tyle krótka, by dało się ją swobodnie wypowiedzieć w czasie ujęcia.
Sprawdź: Sprawdź synchronizację ust kwestia po kwestii, czy każdy głos zostaje przy swojej postaci i czy efekty padają tam, gdzie umieścił je prompt.

Praktyczne wskazówki

Najpierw wybierz checkpoint: klatki trafiają do FL2VA, referencje do Ref2VA. Jedno generowanie nigdy nie przyjmuje obu.
Policz pliki przed wysłaniem: najwyżej 9 obrazów, 3 klipy wideo i 3 klipy audio, a łącznie 12 plików.
Przytnij klipy referencyjne do istotnego fragmentu. Każdy klip wideo lub audio musi trwać 2–15 s, a każdy typ ma łączny limit 15 s, więc trzy 5-sekundowe klipy wyczerpują budżet.
Napisz, do czego służy każda referencja — produkt, ruch, głos czy paleta — żeby model nie kopiował wszystkiego, co w niej jest.
Opisuj dźwięk jak listę ujęć: kto mówi, jakie efekty, jakie tło i czy jest muzyka. Prośba o ciszę to też instrukcja.
Wypowiadane kwestie są najstabilniejsze w 11 językach wymienionych przez MiniMax: arabskim, chińskim, angielskim, francuskim, niemieckim, włoskim, japońskim, koreańskim, portugalskim, rosyjskim i hiszpańskim.
Szkice rób w 768p, a 2K zostaw dla ujęć wartych zachowania; wynik w 2K powstaje przez API MiniMax.

Najczęstsze pytania

Jaka struktura promptu najlepiej sprawdza się w MiniMax H3?: Obiekt i akcja, potem kamera, potem miejsce i światło, potem dźwięk, a na końcu wykluczenia. W trybie Ref2VA zacznij od tego, do czego służy każda referencja. MiniMax publikuje też na karcie modelu H3 poradniki pisania promptów dla trybu podstawowego i trybu referencji.
Czy mogę generować wideo MiniMax H3 w Imgo?: Jeszcze nie. H3 nie ma w katalogu aktywnych modeli Imgo, dlatego jego dostępność jest oznaczona jako oczekująca. Skopiuj stąd prompty, aby uruchomić je przez MiniMax lub własne wdrożenie, albo dostosuj je do modelu wideo, który działa w Imgo.
Dlaczego mój lokalny render H3 kończy się na 768p?: Otwarte checkpointy H3-Base renderują w 768p. 2K pochodzi z H3-Regenerate-2K, drugiego przebiegu, którego MiniMax nie udostępniło jako open source, więc pełny proces 2K działa przez API MiniMax.
Czy mogę używać otwartych wag komercyjnie?: Samodzielny hosting podlega licencji MiniMax H3 Community License. Nie obejmuje ona UE, Wielkiej Brytanii, Republiki Korei ani USA (organizacje stamtąd mogą wystąpić do MiniMax o licencję); produkty o przychodach powyżej 20 mln USD rocznie potrzebują pisemnej zgody MiniMax uzyskanej przez [email protected]; produkty komercyjne muszą wyświetlać "MiniMax H3" w interfejsie użytkownika; umowa podlega prawu Hongkongu. Dostęp przez API MiniMax podlega natomiast warunkom API MiniMax. To streszczenie, a nie porada prawna — przeczytaj licencję przed premierą produktu.
Czy prompty działają w innych językach?: Tak. Opisz ujęcie w dowolnym języku. W przypadku wypowiadanych kwestii H3 jest najstabilniejszy w 11 językach dialogu wymienionych przez MiniMax; inne języki działają w różnym stopniu.

Czytaj dalej

Przegląd modelu MiniMax H3 →MiniMax H3 kontra Veo 3.1 →Prompty MiniMax H3 z biblioteki →Przewodnik po promptach Seedance 2 →Modele wideo aktywne w Imgo →

Źródła

Sprawdzono 7 października 2026 r. Limity modelu i warunki licencji mogą się zmienić; rozstrzygające są podlinkowane źródła.