โครงสร้างพรอมต์ที่ดีที่สุดสำหรับ MiniMax H3 คืออะไร

ตัวแบบและการกระทำ ตามด้วยกล้อง สถานที่และแสง เสียง และสิ่งที่ไม่ต้องการ ในโหมด Ref2VA ให้เริ่มด้วยการบอกว่าสื่ออ้างอิงแต่ละชิ้นใช้ทำอะไร นอกจากนี้ MiniMax ยังเผยแพร่คู่มือการเขียนพรอมต์สำหรับโหมดพื้นฐานและโหมดอ้างอิงไว้ในการ์ดโมเดลของ H3

สร้างวิดีโอ MiniMax H3 บน Imgo ได้ไหม

ยังไม่ได้ H3 ยังไม่อยู่ในแคตตาล็อกโมเดลที่ใช้งานได้ของ Imgo สถานะจึงแสดงเป็นรอเปิดให้บริการ คัดลอกพรอมต์จากที่นี่ไปรันผ่าน MiniMax หรือระบบที่คุณติดตั้งเอง หรือปรับใช้กับโมเดลวิดีโอที่ใช้งานได้บน Imgo

ทำไม H3 ที่รันบนเครื่องของฉันได้สูงสุดแค่ 768p

เช็กพอยต์ H3-Base แบบเปิดเรนเดอร์ที่ 768p ส่วน 2K มาจาก H3-Regenerate-2K ซึ่งเป็นรอบประมวลผลที่สองที่ MiniMax ยังไม่เปิดซอร์ส เวิร์กโฟลว์ 2K แบบเต็มจึงต้องรันผ่าน API ของ MiniMax

ใช้น้ำหนักโมเดลแบบเปิดในเชิงพาณิชย์ได้ไหม

การโฮสต์เองอยู่ภายใต้ MiniMax H3 Community License ซึ่งไม่ครอบคลุมสหภาพยุโรป สหราชอาณาจักร สาธารณรัฐเกาหลี และสหรัฐอเมริกา (องค์กรในพื้นที่เหล่านั้นสามารถขอใบอนุญาตจาก MiniMax ได้) ผลิตภัณฑ์ที่มีรายได้เกิน 20 ล้านดอลลาร์สหรัฐต่อปีต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก MiniMax ผ่าน api@minimax.io ผลิตภัณฑ์เชิงพาณิชย์ต้องแสดง "MiniMax H3" ในส่วนติดต่อผู้ใช้ และข้อตกลงอยู่ภายใต้กฎหมายฮ่องกง ส่วนการใช้งานผ่าน API ของ MiniMax จะอยู่ภายใต้ข้อกำหนด API ของ MiniMax แทน นี่เป็นเพียงบทสรุป ไม่ใช่คำแนะนำทางกฎหมาย โปรดอ่านสัญญาอนุญาตก่อนเปิดตัว

พรอมต์ใช้กับภาษาอื่นได้ไหม

ได้ คุณบรรยายช็อตเป็นภาษาใดก็ได้ สำหรับบทพูด H3 จะเสถียรที่สุดใน 11 ภาษาบทสนทนาที่ MiniMax ระบุ ภาษาอื่นใช้ได้ในระดับที่แตกต่างกันไป

พรอมต์ MiniMax H3: คู่มือพร้อมคัดลอกสำหรับวิดีโอและเสียง

คู่มือพรอมต์ MiniMax H3

พรอมต์ MiniMax H3 ห้าแบบที่คัดลอกไปใช้ได้ หนึ่งแบบต่อหนึ่งวิธีในการควบคุมโมเดล ได้แก่ โฆษณาสินค้า ภาพเป็นวิดีโอ เฟรมแรกและเฟรมสุดท้าย การอ้างอิงการเคลื่อนไหวจากวิดีโอ และบทพูดเนทีฟพร้อมเสียงเอฟเฟกต์ แต่ละแบบระบุโหมดที่ใช้ อินพุตที่ต้องเตรียม และสิ่งที่ต้องตรวจในผลลัพธ์

สถานะบน Imgo: รอเปิดให้บริการ

MiniMax H3 ยังไม่อยู่ในแคตตาล็อกโมเดลที่ใช้งานได้ของ Imgo พรอมต์เหล่านี้จึงมีไว้สำหรับคัดลอก ให้รันผ่าน API ของ MiniMax หรือ H3-Base ที่คุณติดตั้งเอง หรือปรับใช้กับโมเดลวิดีโอที่ใช้งานได้บน Imgo ในวันนี้

ดูโมเดลที่ใช้งานได้ →

คุณกำลังเขียนพรอมต์ให้อะไร

เช็กพอยต์แบบเปิดสองชุด

H3-Base มาในสองรูปแบบ คือ FL2VA (ข้อความ เฟรมแรก เฟรมสุดท้าย หรือทั้งสองเฟรม เป็นวิดีโอพร้อมเสียง) และ Ref2VA (ภาพ วิดีโอ และเสียงอ้างอิง เป็นวิดีโอพร้อมเสียง) เลือกเช็กพอยต์ก่อนเขียนพรอมต์

768p บนเครื่อง ส่วน 2K ผ่าน API

น้ำหนักโมเดลแบบเปิดเรนเดอร์ที่ 768p ส่วน 2K มาจาก H3-Regenerate-2K ซึ่งไม่ได้เปิดซอร์ส เวิร์กโฟลว์ 2K แบบเต็มจึงต้องรันผ่าน API ของ MiniMax

เสียงคือส่วนหนึ่งของพรอมต์

ทุกคลิปมาพร้อมเสียงสเตอริโอ 32 kHz ให้เขียนบทพูด เสียงเอฟเฟกต์ และเสียงบรรยากาศลงในพรอมต์ ไม่เช่นนั้นโมเดลจะเลือกให้เอง

4–15 วินาที ตั้งแต่ 21:9 ถึง 9:16

คลิปยาว 4 ถึง 15 วินาทีที่ 24 fps รองรับสัดส่วนภาพ เช่น 21:9, 16:9, 4:3, 1:1, 3:4 และ 9:16

ข้อจำกัดของสื่ออ้างอิงใน Ref2VA

เมื่อเตรียมคำขอในโหมดอ้างอิง ให้อยู่ภายในข้อจำกัดเหล่านี้

อินพุต	ข้อจำกัด
ภาพ	สูงสุด 9 ภาพ
คลิปวิดีโอ	สูงสุด 3 คลิป คลิปละ 2–15 วินาที รวม 15 วินาที
คลิปเสียง	สูงสุด 3 คลิป คลิปละ 2–15 วินาที รวม 15 วินาที
ไฟล์ทั้งหมด	รวมภาพ วิดีโอ และเสียงไม่เกิน 12 ไฟล์

เฟรมแรกและเฟรมสุดท้ายเป็นของ FL2VA การสร้างหนึ่งครั้งใช้เงื่อนไขจากเฟรมหรือจากสื่ออ้างอิงอย่างใดอย่างหนึ่ง ไม่ใช้ทั้งสองอย่างพร้อมกัน

คัดลอกแล้วปรับใช้

โฆษณาสินค้าจากภาพแพ็กช็อต

โฆษณาความยาว 10 วินาที สัดส่วน 16:9 สำหรับ [product] ใช้ภาพอ้างอิงเป็นสินค้าจริงทุกประการ: คงรูปทรง สี ตำแหน่งโลโก้ และข้อความบนฉลากไว้เหมือนเดิมในทุกช็อต เปิดด้วยการดันกล้องเข้าช้าๆ เหนือ [surface] ภายใต้ [lighting] จากนั้นมือหยิบสินค้าขึ้นแล้วหมุนเพื่อแสดง [key feature] ปิดท้ายด้วยช็อตหลักกึ่งกลางเฟรม เว้นพื้นที่ว่างสะอาดทางขวา เสียง: ดนตรีประกอบสไตล์ [music style] และเสียง [product sound] เบาๆ ตอนหยิบสินค้าขึ้น ไม่มีเสียงบรรยาย ไม่มีข้อความบนจอและไม่มีสินค้าอื่น

โหมด: Ref2VA · ภาพอ้างอิง
ใช้เมื่อ: เมื่อสินค้าจริงต้องถูกต้องทุกจุด ขณะที่กล้อง ฉาก และเสียงถูกสร้างขึ้นใหม่รอบตัวสินค้า
อินพุต: ภาพสินค้าจริงสองถึงสี่ภาพจากหลายมุม ฉลากอ่านออกชัดเจน
สิ่งที่ต้องตรวจ: เทียบฉลาก โลโก้ และสีกับภาพแพ็กช็อต แล้วฟังว่าเสียงของสินค้าตรงกับจังหวะที่หยิบขึ้นหรือไม่

ทำให้ภาพนิ่งมีชีวิต

ทำแอนิเมชันจากภาพเฟรมแรกเป็นเวลา 6 วินาที คง [subject] องค์ประกอบภาพ และการปรับเกรดสีไว้ตามเดิมทุกประการ [subject] [action] ขณะที่กล้อง [camera move] การเคลื่อนไหวของฉากหลัง: [ambient motion] เสียง: เสียงบรรยากาศธรรมชาติของ [setting] และ [sound effect] ที่ตรงกับการเคลื่อนไหว ไม่มีดนตรีและไม่มีบทพูด ห้ามเพิ่มคน วัตถุ หรือข้อความ

โหมด: FL2VA · เฟรมแรก
ใช้เมื่อ: เมื่อภาพผ่านการอนุมัติแล้ว และต้องการให้เคลื่อนไหวโดยไม่ถูกวาดใหม่
อินพุต: ภาพความละเอียดสูงหนึ่งภาพในสัดส่วนที่ต้องการ ภาพนี้จะเป็นเฟรมแรก
สิ่งที่ต้องตรวจ: เทียบเฟรมเปิดกับภาพต้นฉบับ แล้วสังเกตมือ ใบหน้า และขอบว่าเพี้ยนหรือไม่เมื่อการเคลื่อนไหวเพิ่มขึ้น

จากเฟรมแรกสู่เฟรมสุดท้าย

สร้างทรานซิชันความยาว 8 วินาทีจากภาพเฟรมแรกไปยังภาพเฟรมสุดท้ายในช็อตต่อเนื่องเดียว คง [subject] ให้เหมือนเดิมตลอดคลิป การเคลื่อนไหว: [transition action] ขณะที่กล้อง [camera move] จังหวะ: ค้างช่วงเปิดไว้หนึ่งวินาที เคลื่อนที่อย่างสม่ำเสมอ และหยุดนิ่งที่เฟรมสุดท้ายในวินาทีสุดท้าย เสียง: [transition sound] ค่อยๆ ดังขึ้นใต้การเคลื่อนไหว แล้วจบด้วย [final sound] เบาๆ เมื่อเฟรมสุดท้ายนิ่ง

โหมด: FL2VA · เฟรมแรกและเฟรมสุดท้าย
ใช้เมื่อ: เมื่อสถานะเริ่มต้นและสิ้นสุดถูกกำหนดไว้แล้ว เช่น ก่อนและหลัง การเผยโฉม หรือการแปลงร่าง และเหลือเพียงเส้นทางระหว่างกลางที่เปิดกว้าง
อินพุต: ภาพสองภาพที่มีสัดส่วน การจัดเฟรม และแสงเหมือนกัน ยิ่งใกล้เคียงกัน เส้นทางระหว่างกลางก็ยิ่งเรียบร้อย
สิ่งที่ต้องตรวจ: ยืนยันว่าคลิปจบที่เฟรมสุดท้ายจริง และตัวแบบไม่เปลี่ยนเป็นคนหรือสิ่งอื่นระหว่างทาง

ยืมการเคลื่อนไหวจากคลิปอ้างอิง

ใช้วิดีโออ้างอิงเฉพาะการเคลื่อนกล้องและจังหวะเท่านั้น: [camera move description] ห้ามคัดลอกคน ฉาก หรือสีจากวิดีโอนั้น นำการเคลื่อนไหวนี้ไปใช้กับ [subject] จากภาพอ้างอิง ใน [setting] ด้วยแสงช่วง [time of day] และคงรูปลักษณ์ของ [subject] ให้เหมือนภาพอ้างอิงทุกประการ ความยาวเท่ากับคลิปอ้างอิง เสียง: [ambient sound] และ [motion sound] ตามจังหวะการเคลื่อนไหว ไม่มีดนตรี

โหมด: Ref2VA · วิดีโอและภาพอ้างอิง
ใช้เมื่อ: เมื่อคุณชอบการเคลื่อนกล้องหรือท่าเต้นหนึ่ง และอยากใช้กับตัวแบบอื่น
อินพุต: คลิปอ้างอิงหนึ่งคลิปยาว 2–15 วินาทีที่แสดงการเคลื่อนไหว พร้อมภาพของตัวแบบใหม่หนึ่งถึงสามภาพ
สิ่งที่ต้องตรวจ: เปิดคลิปอ้างอิงกับผลลัพธ์เทียบกัน การเคลื่อนไหวต้องตรงกัน และต้องไม่มีฉากหรือนักแสดงจากคลิปอ้างอิงหลุดเข้ามา

ฉากบทสนทนาพร้อมเสียงเอฟเฟกต์

ฉากความยาว 12 วินาที สัดส่วน 16:9 ใน [setting] [character A] ซึ่ง [description A] และ [character B] ซึ่ง [description B] นั่งหันหน้าเข้าหากันที่โต๊ะ เริ่มด้วยช็อตมีเดียมสองคน แล้วดันกล้องเข้าหา [character A] ช้าๆ บทพูดเป็นภาษา [language]: [character A] พูดว่า "[line 1]" และ [character B] ตอบว่า "[line 2]" เสียงเอฟเฟกต์: [sound effect 1] ก่อนประโยคแรก และ [sound effect 2] คลอใต้คำตอบ เสียงบรรยากาศ: [ambience] ปากขยับตรงกับแต่ละประโยค ไม่มีดนตรีและไม่มีซับไตเติล

โหมด: FL2VA · ข้อความอย่างเดียว
ใช้เมื่อ: เมื่อคลิปต้องพูดได้ โดยเขียนบทพูด เสียงคน และเอฟเฟกต์ไว้ในช็อตเลย แทนการเติมตอนตัดต่อ
อินพุต: ข้อความอย่างเดียว เขียนแต่ละประโยคให้สั้นพอที่จะพูดได้สบายๆ ภายในเวลาของช็อต
สิ่งที่ต้องตรวจ: ตรวจลิปซิงก์ทีละประโยค ดูว่าแต่ละเสียงอยู่กับผู้พูดที่ถูกต้อง และเอฟเฟกต์ดังตรงตำแหน่งที่พรอมต์กำหนด

เคล็ดลับใช้งานจริง

เลือกเช็กพอยต์ก่อน: เฟรมใช้กับ FL2VA และสื่ออ้างอิงใช้กับ Ref2VA การสร้างหนึ่งครั้งไม่รับทั้งสองอย่าง
นับไฟล์ก่อนอัปโหลด: ภาพไม่เกิน 9 ภาพ คลิปวิดีโอไม่เกิน 3 คลิป คลิปเสียงไม่เกิน 3 คลิป และรวมไม่เกิน 12 ไฟล์
ตัดคลิปอ้างอิงให้เหลือเฉพาะส่วนสำคัญ คลิปวิดีโอหรือเสียงแต่ละคลิปต้องยาว 2–15 วินาที และแต่ละประเภทรวมกันได้ไม่เกิน 15 วินาที คลิปละ 5 วินาทีสามคลิปจึงเต็มโควตาพอดี
บอกว่าสื่ออ้างอิงแต่ละชิ้นใช้ทำอะไร เช่น สินค้า การเคลื่อนไหว เสียงพูด หรือโทนสี เพื่อไม่ให้โมเดลลอกทุกอย่างในนั้น
เขียนเสียงเหมือนรายการช็อต: ใครพูด เอฟเฟกต์อะไร บรรยากาศแบบไหน และมีดนตรีหรือไม่ การขอความเงียบก็เป็นคำสั่งเช่นกัน
บทพูดจะเสถียรที่สุดใน 11 ภาษาที่ MiniMax ระบุ ได้แก่ อาหรับ จีน อังกฤษ ฝรั่งเศส เยอรมัน อิตาลี ญี่ปุ่น เกาหลี โปรตุเกส รัสเซีย และสเปน
ร่างงานที่ 768p แล้วใช้ 2K เฉพาะเทกที่ควรเก็บไว้ การส่งออก 2K ต้องผ่าน API ของ MiniMax

คำถามที่พบบ่อย

โครงสร้างพรอมต์ที่ดีที่สุดสำหรับ MiniMax H3 คืออะไร: ตัวแบบและการกระทำ ตามด้วยกล้อง สถานที่และแสง เสียง และสิ่งที่ไม่ต้องการ ในโหมด Ref2VA ให้เริ่มด้วยการบอกว่าสื่ออ้างอิงแต่ละชิ้นใช้ทำอะไร นอกจากนี้ MiniMax ยังเผยแพร่คู่มือการเขียนพรอมต์สำหรับโหมดพื้นฐานและโหมดอ้างอิงไว้ในการ์ดโมเดลของ H3
สร้างวิดีโอ MiniMax H3 บน Imgo ได้ไหม: ยังไม่ได้ H3 ยังไม่อยู่ในแคตตาล็อกโมเดลที่ใช้งานได้ของ Imgo สถานะจึงแสดงเป็นรอเปิดให้บริการ คัดลอกพรอมต์จากที่นี่ไปรันผ่าน MiniMax หรือระบบที่คุณติดตั้งเอง หรือปรับใช้กับโมเดลวิดีโอที่ใช้งานได้บน Imgo
ทำไม H3 ที่รันบนเครื่องของฉันได้สูงสุดแค่ 768p: เช็กพอยต์ H3-Base แบบเปิดเรนเดอร์ที่ 768p ส่วน 2K มาจาก H3-Regenerate-2K ซึ่งเป็นรอบประมวลผลที่สองที่ MiniMax ยังไม่เปิดซอร์ส เวิร์กโฟลว์ 2K แบบเต็มจึงต้องรันผ่าน API ของ MiniMax
ใช้น้ำหนักโมเดลแบบเปิดในเชิงพาณิชย์ได้ไหม: การโฮสต์เองอยู่ภายใต้ MiniMax H3 Community License ซึ่งไม่ครอบคลุมสหภาพยุโรป สหราชอาณาจักร สาธารณรัฐเกาหลี และสหรัฐอเมริกา (องค์กรในพื้นที่เหล่านั้นสามารถขอใบอนุญาตจาก MiniMax ได้) ผลิตภัณฑ์ที่มีรายได้เกิน 20 ล้านดอลลาร์สหรัฐต่อปีต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก MiniMax ผ่าน [email protected] ผลิตภัณฑ์เชิงพาณิชย์ต้องแสดง "MiniMax H3" ในส่วนติดต่อผู้ใช้ และข้อตกลงอยู่ภายใต้กฎหมายฮ่องกง ส่วนการใช้งานผ่าน API ของ MiniMax จะอยู่ภายใต้ข้อกำหนด API ของ MiniMax แทน นี่เป็นเพียงบทสรุป ไม่ใช่คำแนะนำทางกฎหมาย โปรดอ่านสัญญาอนุญาตก่อนเปิดตัว
พรอมต์ใช้กับภาษาอื่นได้ไหม: ได้ คุณบรรยายช็อตเป็นภาษาใดก็ได้ สำหรับบทพูด H3 จะเสถียรที่สุดใน 11 ภาษาบทสนทนาที่ MiniMax ระบุ ภาษาอื่นใช้ได้ในระดับที่แตกต่างกันไป

สำรวจต่อ

ภาพรวมโมเดล MiniMax H3 →MiniMax H3 เทียบกับ Veo 3.1 →พรอมต์ MiniMax H3 จากคลังพรอมต์ →คู่มือพรอมต์ Seedance 2 →โมเดลวิดีโอที่ใช้งานได้บน Imgo →

แหล่งที่มา

ตรวจสอบเมื่อ 7 ตุลาคม 2026 ข้อจำกัดของโมเดลและเงื่อนไขสัญญาอนุญาตอาจเปลี่ยนแปลงได้ ให้ยึดตามแหล่งที่มาที่ลิงก์ไว้