Cấu trúc prompt tốt nhất cho MiniMax H3 là gì?

Chủ thể và hành động, rồi máy quay, rồi bối cảnh và ánh sáng, rồi âm thanh, cuối cùng là những gì cần loại trừ. Ở chế độ Ref2VA, hãy mở đầu bằng việc nói rõ mỗi tham chiếu dùng để làm gì. MiniMax cũng công bố hướng dẫn viết prompt cho chế độ cơ bản và chế độ tham chiếu trên thẻ mô hình H3.

Tôi có thể tạo video MiniMax H3 trên Imgo không?

Chưa. H3 chưa có trong danh mục mô hình đang hoạt động của Imgo, nên trạng thái của nó được hiển thị là đang chờ. Hãy sao chép các prompt ở đây để chạy qua MiniMax hoặc bản triển khai của riêng bạn, hoặc điều chỉnh cho một mô hình video đang hoạt động trên Imgo.

Vì sao bản H3 tôi chạy cục bộ chỉ đạt 768p?

Các checkpoint H3-Base mở xuất ở 768p. 2K đến từ H3-Regenerate-2K, một lượt xử lý thứ hai mà MiniMax chưa mở mã nguồn, nên quy trình 2K đầy đủ phải chạy qua API của MiniMax.

Tôi có thể dùng trọng số mở cho mục đích thương mại không?

Việc tự lưu trữ tuân theo MiniMax H3 Community License. Giấy phép này không áp dụng cho EU, Vương quốc Anh, Hàn Quốc và Hoa Kỳ (các tổ chức ở đó có thể xin giấy phép từ MiniMax); sản phẩm có doanh thu hơn 20 triệu đô la Mỹ mỗi năm cần sự cho phép bằng văn bản của MiniMax qua api@minimax.io; sản phẩm thương mại phải hiển thị "MiniMax H3" trên giao diện người dùng; và thỏa thuận chịu sự điều chỉnh của luật Hồng Kông. Còn việc truy cập qua API của MiniMax thì tuân theo điều khoản API của MiniMax. Đây là bản tóm tắt, không phải tư vấn pháp lý — hãy đọc giấy phép trước khi ra mắt sản phẩm.

Prompt có dùng được bằng ngôn ngữ khác không?

Có. Bạn có thể mô tả cảnh quay bằng bất kỳ ngôn ngữ nào. Với lời thoại, H3 ổn định nhất ở 11 ngôn ngữ hội thoại mà MiniMax liệt kê; các ngôn ngữ khác hoạt động ở mức độ khác nhau.

Prompt MiniMax H3: hướng dẫn sao chép sẵn cho video và âm thanh

Hướng dẫn prompt MiniMax H3

Năm prompt MiniMax H3 sao chép được, mỗi prompt ứng với một cách điều khiển mô hình: quảng cáo sản phẩm, ảnh thành video, khung hình đầu và cuối, tham chiếu chuyển động từ video, và lời thoại gốc kèm hiệu ứng âm thanh. Mỗi prompt nêu rõ chế độ chạy, đầu vào cần có và những điểm cần kiểm tra trong kết quả.

Trạng thái trên Imgo: đang chờ

MiniMax H3 chưa có trong danh mục mô hình đang hoạt động của Imgo, vì vậy các prompt này dùng để sao chép: hãy chạy chúng qua API của MiniMax hoặc bản triển khai H3-Base của riêng bạn, hoặc điều chỉnh cho một mô hình video đang hoạt động trên Imgo hôm nay.

Xem các mô hình đang hoạt động →

Bạn đang viết prompt cho điều gì

Hai checkpoint mở

H3-Base được phát hành dưới dạng FL2VA (văn bản, khung hình đầu, khung hình cuối hoặc cả hai thành video có âm thanh) và Ref2VA (ảnh, video và âm thanh tham chiếu thành video có âm thanh). Hãy chọn checkpoint trước khi viết prompt.

768p khi chạy cục bộ, 2K qua API

Trọng số mở xuất ở 768p. 2K đến từ H3-Regenerate-2K, phần chưa được mở mã nguồn, nên quy trình 2K đầy đủ phải chạy qua API của MiniMax.

Âm thanh là một phần của prompt

Mỗi clip đều có âm thanh stereo 32 kHz. Hãy viết lời thoại, hiệu ứng âm thanh và âm thanh môi trường vào prompt, nếu không mô hình sẽ tự chọn thay bạn.

4–15 giây, từ 21:9 đến 9:16

Clip dài từ 4 đến 15 giây ở 24 fps, với các tỷ lệ khung hình gồm 21:9, 16:9, 4:3, 1:1, 3:4 và 9:16.

Giới hạn tham chiếu của Ref2VA

Hãy giữ trong các giới hạn này khi chuẩn bị một yêu cầu ở chế độ tham chiếu.

Đầu vào	Giới hạn
Ảnh	Tối đa 9
Clip video	Tối đa 3; mỗi clip 2–15 giây; tổng cộng 15 giây
Clip âm thanh	Tối đa 3; mỗi clip 2–15 giây; tổng cộng 15 giây
Tất cả tệp	Tối đa 12 tệp gồm ảnh, video và âm thanh

Khung hình đầu và cuối thuộc về FL2VA. Một lần tạo chỉ dựa trên khung hình hoặc trên tham chiếu, không bao giờ dùng cả hai.

Sao chép và điều chỉnh

Quảng cáo sản phẩm từ ảnh chụp sản phẩm

Một đoạn quảng cáo 10 giây, tỷ lệ 16:9 cho [product]. Dùng ảnh tham chiếu làm chính sản phẩm đó: giữ nguyên hình dáng, màu sắc, vị trí logo và chữ trên nhãn trong mọi cảnh quay. Mở đầu bằng một cú đẩy máy chậm lướt trên [surface] dưới [lighting]; sau đó một bàn tay nhấc sản phẩm lên và xoay để cho thấy [key feature]. Kết thúc bằng một cảnh chủ đạo đặt ở giữa khung, chừa khoảng trống gọn gàng bên phải. Âm thanh: nhạc nền phong cách [music style] và một tiếng [product sound] nhẹ khi sản phẩm được nhấc lên; không có lời dẫn. Không có chữ trên màn hình và không có sản phẩm khác.

Chế độ: Ref2VA · ảnh tham chiếu
Dùng khi: Một sản phẩm thật phải giữ đúng từng chi tiết, trong khi góc máy, bối cảnh và âm thanh được tạo mới xung quanh nó.
Đầu vào: Hai đến bốn ảnh của sản phẩm thật từ nhiều góc khác nhau, nhãn đọc rõ.
Cần kiểm tra: So sánh nhãn, logo và màu sắc với ảnh chụp sản phẩm, và nghe xem tiếng của sản phẩm có rơi đúng lúc được nhấc lên không.

Thổi hồn vào một ảnh tĩnh

Tạo chuyển động cho ảnh khung hình đầu trong 6 giây. Giữ nguyên [subject], bố cục và màu sắc hậu kỳ đúng như hiện tại. [subject] [action] trong khi máy quay [camera move]. Chuyển động nền: [ambient motion]. Âm thanh: âm thanh môi trường tự nhiên của [setting] và [sound effect] khớp với chuyển động; không nhạc và không lời thoại. Không thêm người, vật thể hay chữ.

Chế độ: FL2VA · khung hình đầu
Dùng khi: Ảnh đã được duyệt và cần chuyển động mà không bị vẽ lại.
Đầu vào: Một ảnh độ phân giải cao đúng tỷ lệ khung hình mong muốn; ảnh này trở thành khung hình đầu tiên.
Cần kiểm tra: So sánh khung hình mở đầu với ảnh của bạn, rồi quan sát bàn tay, khuôn mặt và các đường viền xem có bị biến dạng khi chuyển động tăng dần không.

Từ khung hình đầu đến khung hình cuối

Tạo một chuyển cảnh 8 giây từ ảnh khung hình đầu đến ảnh khung hình cuối trong một cảnh quay liền mạch. Giữ [subject] giống hệt nhau từ đầu đến cuối. Chuyển động: [transition action], trong khi máy quay [camera move]. Nhịp độ: giữ phần mở đầu một giây, di chuyển đều, và dừng lại ở khung hình cuối trong giây cuối cùng. Âm thanh: [transition sound] lớn dần theo chuyển động, kết thúc bằng một tiếng [final sound] nhẹ khi khung hình cuối đứng yên.

Chế độ: FL2VA · khung hình đầu và cuối
Dùng khi: Trạng thái đầu và cuối đã cố định — trước và sau, một màn hé lộ, một sự biến đổi — chỉ còn đường đi ở giữa là để ngỏ.
Đầu vào: Hai ảnh có cùng tỷ lệ khung hình, bố cục và ánh sáng; càng giống nhau, đường chuyển giữa chúng càng mượt.
Cần kiểm tra: Xác nhận clip thật sự dừng ở khung hình cuối và chủ thể vẫn giữ được danh tính ở giữa chừng.

Mượn chuyển động từ một clip tham chiếu

Chỉ dùng video tham chiếu cho chuyển động máy quay và nhịp độ: [camera move description]. Không sao chép người, bối cảnh hay màu sắc của nó. Áp dụng chuyển động đó cho [subject] trong ảnh tham chiếu, tại [setting] với ánh sáng [time of day], và giữ ngoại hình của [subject] giống hệt ảnh tham chiếu. Độ dài bằng clip tham chiếu. Âm thanh: [ambient sound] và [motion sound] khớp với chuyển động; không nhạc.

Chế độ: Ref2VA · video và ảnh tham chiếu
Dùng khi: Bạn thích một chuyển động máy quay hoặc một đoạn vũ đạo và muốn áp dụng nó cho chủ thể khác.
Đầu vào: Một clip tham chiếu dài 2–15 giây thể hiện chuyển động, cùng một đến ba ảnh của chủ thể mới.
Cần kiểm tra: Phát song song clip tham chiếu và kết quả: chuyển động phải khớp, và không có gì từ bối cảnh hay diễn viên của clip tham chiếu lọt vào.

Cảnh hội thoại kèm hiệu ứng âm thanh

Một cảnh dài 12 giây, tỷ lệ 16:9 tại [setting]. [character A], [description A], và [character B], [description B], ngồi đối diện nhau bên một chiếc bàn. Cảnh trung hai người, sau đó đẩy máy chậm về phía [character A]. Lời thoại bằng [language]: [character A] nói: "[line 1]" và [character B] đáp: "[line 2]". Hiệu ứng âm thanh: [sound effect 1] trước câu thoại đầu tiên và [sound effect 2] nền dưới câu trả lời. Âm thanh môi trường: [ambience]. Khẩu hình khớp với từng câu thoại; không nhạc và không phụ đề.

Chế độ: FL2VA · chỉ văn bản
Dùng khi: Clip cần biết nói: lời thoại, giọng nói và hiệu ứng được viết sẵn trong cảnh quay thay vì thêm vào lúc dựng.
Đầu vào: Chỉ văn bản. Viết mỗi câu thoại đủ ngắn để nói thoải mái trong thời lượng của cảnh quay.
Cần kiểm tra: Kiểm tra khớp khẩu hình từng câu, xem mỗi giọng có đi đúng với nhân vật của nó không, và hiệu ứng có vang lên đúng chỗ prompt đặt không.

Mẹo thực tế

Chọn checkpoint trước: khung hình dùng FL2VA, tham chiếu dùng Ref2VA. Một lần tạo không bao giờ nhận cả hai.
Đếm tệp trước khi tải lên: tối đa 9 ảnh, 3 clip video và 3 clip âm thanh, tổng cộng 12 tệp.
Cắt clip tham chiếu chỉ giữ phần quan trọng. Mỗi clip video hoặc âm thanh phải dài 2–15 giây, và mỗi loại bị giới hạn tổng cộng 15 giây, nên ba clip 5 giây là dùng hết hạn mức.
Nói rõ mỗi tham chiếu dùng để làm gì — sản phẩm, chuyển động, giọng nói hay bảng màu — để mô hình không sao chép mọi thứ trong đó.
Viết âm thanh như một danh sách cảnh quay: ai nói, hiệu ứng nào, âm thanh môi trường nào, và có nhạc hay không. Yêu cầu im lặng cũng là một chỉ dẫn.
Lời thoại ổn định nhất ở 11 ngôn ngữ mà MiniMax liệt kê: tiếng Ả Rập, tiếng Trung, tiếng Anh, tiếng Pháp, tiếng Đức, tiếng Ý, tiếng Nhật, tiếng Hàn, tiếng Bồ Đào Nha, tiếng Nga và tiếng Tây Ban Nha.
Làm bản nháp ở 768p và chỉ dùng 2K cho những cảnh đáng giữ lại; đầu ra 2K chạy qua API của MiniMax.

Câu hỏi thường gặp

Cấu trúc prompt tốt nhất cho MiniMax H3 là gì?: Chủ thể và hành động, rồi máy quay, rồi bối cảnh và ánh sáng, rồi âm thanh, cuối cùng là những gì cần loại trừ. Ở chế độ Ref2VA, hãy mở đầu bằng việc nói rõ mỗi tham chiếu dùng để làm gì. MiniMax cũng công bố hướng dẫn viết prompt cho chế độ cơ bản và chế độ tham chiếu trên thẻ mô hình H3.
Tôi có thể tạo video MiniMax H3 trên Imgo không?: Chưa. H3 chưa có trong danh mục mô hình đang hoạt động của Imgo, nên trạng thái của nó được hiển thị là đang chờ. Hãy sao chép các prompt ở đây để chạy qua MiniMax hoặc bản triển khai của riêng bạn, hoặc điều chỉnh cho một mô hình video đang hoạt động trên Imgo.
Vì sao bản H3 tôi chạy cục bộ chỉ đạt 768p?: Các checkpoint H3-Base mở xuất ở 768p. 2K đến từ H3-Regenerate-2K, một lượt xử lý thứ hai mà MiniMax chưa mở mã nguồn, nên quy trình 2K đầy đủ phải chạy qua API của MiniMax.
Tôi có thể dùng trọng số mở cho mục đích thương mại không?: Việc tự lưu trữ tuân theo MiniMax H3 Community License. Giấy phép này không áp dụng cho EU, Vương quốc Anh, Hàn Quốc và Hoa Kỳ (các tổ chức ở đó có thể xin giấy phép từ MiniMax); sản phẩm có doanh thu hơn 20 triệu đô la Mỹ mỗi năm cần sự cho phép bằng văn bản của MiniMax qua [email protected]; sản phẩm thương mại phải hiển thị "MiniMax H3" trên giao diện người dùng; và thỏa thuận chịu sự điều chỉnh của luật Hồng Kông. Còn việc truy cập qua API của MiniMax thì tuân theo điều khoản API của MiniMax. Đây là bản tóm tắt, không phải tư vấn pháp lý — hãy đọc giấy phép trước khi ra mắt sản phẩm.
Prompt có dùng được bằng ngôn ngữ khác không?: Có. Bạn có thể mô tả cảnh quay bằng bất kỳ ngôn ngữ nào. Với lời thoại, H3 ổn định nhất ở 11 ngôn ngữ hội thoại mà MiniMax liệt kê; các ngôn ngữ khác hoạt động ở mức độ khác nhau.

Khám phá thêm

Tổng quan mô hình MiniMax H3 →MiniMax H3 so với Veo 3.1 →Prompt MiniMax H3 trong thư viện →Hướng dẫn prompt Seedance 2 →Các mô hình video đang hoạt động trên Imgo →

Nguồn

Đã rà soát ngày 7 tháng 10 năm 2026. Giới hạn của mô hình và điều khoản giấy phép có thể thay đổi; các nguồn được liên kết là căn cứ chính thức.