MiniMax H3 프롬프트: 텍스트에서 비디오, 이미지에서 비디오, 참조 비디오 및 오디오

Q: 6초 동안 아무 일도 없거나 끝이 잘림

프롬프트가 145프레임에 전체 이야기, 여러 행동, 긴 대사를 요구했다. 한 가지 행동, 한 가지 카메라 선택, 한 줄 짧은 대사로 하세요. 주요 행동이 끝난 뒤 클립이 끝나도록 하고, 새 사건 대신 반응(예: "미소를 유지")으로 마무리하세요. 비트가 사라지면 경쟁하는 행동을 제거한 뒤 지시를 더하세요.

Q: 이미지에서 비디오로 만들 때 얼굴이 바뀌거나 물체가 구부러짐

큰 회전, 복잡하거나 작은 시작 이미지, 또는 프레임에 비해 너무 복잡한 손 움직임. 읽기 쉬운 얼굴과 손, 움직임 방향에 공간이 있는 선명한 이미지를 고르세요. 고정 카메라로 작은 회전을 시도하고, 손 움직임을 단순화하며, 렌더링 사이에 그 부분만 바꾸세요.

Q: 참조 모드가 사진 자세나 배경을 복사하거나 두 얼굴을 섞음

이미지에 역할이 없거나 두 외모 참조가 충돌하는데 어느 쪽이 우선인지 프롬프트에 없었음. 이미지마다 한 가지 역할을 지정하세요(예: 이미지 1은 얼굴과 머리, 이미지 2는 옷만). "참조 사진을 표시하거나 자세와 배경을 복사하지 마세요"를 추가하고, 두 참조가 충돌하면 강한 참조 하나만 쓰고 더 추가하세요.

주제: 프롬프트

작성자: Mark White

2026년 9월 20일 게시

개요

MiniMax H3는 한 줄 프롬프트만으로 자체 음성, 소리, 음악이 들어간 짧은 클립을 만듭니다. PirateDiffusion에서는 워크플로우로 작동해요: 명령어를 입력하고 그 뒤에 장면 설명을 적고, 장면이 이미지에서 시작하거나 이미지를 빌릴 때 사진을 첨부합니다. 6초는 한 순간이지 영화 한 편이 아니니까, 아래 프롬프트들은 모두 시작, 변화, 명확한 끝이 있는 작은 장면 하나를 설명해요.

텍스트에서 비디오로 만들 때는 이미지가 필요 없어요: 네 말이 주제, 배경, 행동을 만듭니다. 공식은 WHO + WHERE + ACTION + CAMERA + SOUND입니다. 주제와 배경을 설명하고, 주된 행동과 반응을 주고, 카메라가 하는 일을 정하고, 마지막으로 원하는 소리를 적어요.

이미지에서 비디오로 만들 때는 업로드한 사진을 /image1: 이름과 함께 불러 시작합니다. 공식은 STARTING IMAGE + MOVEMENT + REACTION + CAMERA + SOUND로 바뀌어요: 기존 정체성, 옷차림, 배경을 유지하고, 주제가 어떻게 움직이는지, 그 움직임에 무엇이 반응하는지, 장면이 어디서 끝나는지 설명합니다.

참조 비디오 모드는 같은 워크플로우를 쓰지만 다른 종류의 프롬프트를 사용해요: 최대 네 장의 이미지가 얼굴과 머리, 몸과 옷, 배경, 소품 같은 선택된 특징을 제공하며, 시작 장면을 정의하지 않고, 5~10초 정도의 짧은 업로드된 비디오에 답장해 그 동작, 타이밍, 카메라, 배경을 빌릴 수도 있어요.

오디오는 업로드하는 게 아니라 글로 씁니다. 기본 텍스트와 이미지 워크플로우의 공식 프롬프트 형식은 세 가지 필드로 나뉩니다: integrated_multimodal_description은 장면, 행동, 화자, 정확한 대사를, overall_soundscape는 분위기와 물리적 소리를, non_diegetic_music은 배경 음악을 적는데, 음악을 원하지 않으면 N/A로 씁니다. 말하는 내용은 <d>[English] ... </d> 태그 안에 넣고, 목소리와 전달 노트는 태그 밖에 둡니다. 각 화자는 (S1) 같은 일관된 ID를 가집니다. 애매한 말투 지시는 중얼거림이 시작되는 곳입니다.

참고 자료

이름	타입	의미
/workflow /run:omni-eros-h3	command	PirateDiffusion에서 H3 워크플로우를 시작합니다. 명령어 뒤에 장면 설명을 적어요.
/size:768x896	setting	클립의 가로 x 세로 크기(픽셀 단위).
/length:145	setting	초가 아니라 프레임 수입니다. 기본 24fps에서 145프레임은 대략 6초입니다.
/image1:name	setting	업로드한 사진을 사용합니다. 이미지에서 비디오일 때는 시작 장면이고, 참조 모드에서는 지정한 특징만 제공합니다. 최대 네 장(/image1부터 /image4까지).
Reply to a video	reference	5~10초 정도의 업로드된 비디오에 답장하면 그 비디오가 동작, 타이밍, 카메라, 배경을 제어하거나 네가 지정한 움직임만 빌릴 수 있습니다. 오디오 참조는 지원하지 않습니다.
WHO + WHERE + ACTION + CAMERA + SOUND	recipe	텍스트에서 비디오로 만드는 공식: 주제와 배경, 주된 행동과 반응, 한 가지 카메라 작업, 그리고 소리.
STARTING IMAGE + MOVEMENT + REACTION + CAMERA + SOUND	recipe	이미지에서 비디오로 만드는 공식: 사진에 있는 것을 이름 붙이고, 다음에 일어나는 일을 지시합니다.
integrated_multimodal_description	text	장면, 행동, 화자와 정확한 대사를 장면별로 적습니다.
overall_soundscape	text	장면 중 들리는 분위기와 물리적 소리.
non_diegetic_music	text	배경 음악. 음악을 원하지 않으면 N/A로 적습니다.
<d>[English] ... </d>	tag	정확한 말하는 내용을 감싸는 태그. 목소리와 전달 노트는 태그 밖에 둡니다.
(S1), (S2)	speaker ID	각 화자마다 일관된 라벨로, 그 사람이 말할 때마다 씁니다.

단계별 안내

모드를 고르세요. 사진 없으면 텍스트에서 비디오. 첫 프레임이 될 사진이 있으면 /image1:과 함께 이미지에서 비디오. 사진이나 비디오가 새 장면에 특징이나 움직임을 빌려줄 때는 참조 모드, 같은 명령어지만 다른 프롬프트를 씁니다.
기분 표현 대신 행동을 써보세요. "그녀는 안도한다"는 감정을 알려주지만, "걸쇠가 열리고 어깨가 내려가며 숨을 내쉰다"는 원인과 눈에 보이는 반응을 줍니다. 모든 근육을 지시하기보다 두세 개 연결된 행동을 선택하세요.
원인과 결과를 보여주세요. 움직임을 물리적으로 만드세요: 발이 바닥에 닿고, 무릎이 굽혀지고, 무게가 이동한 뒤 몸이 안정됩니다. 착지할 때는 착지 후 받침대가 눌리는 걸 묘사하세요.
카메라에 한 가지 명확한 임무를 주세요. 시작 시점, 움직임, 도착지를 정하세요: "허리 위에서 얼굴로 천천히 밀어오는 장면". 클로즈업은 방 전체를 보여줄 수 없으니 가장 중요한 걸 골라서 중요한 물체는 화면에 두세요.
장면을 만드는 빛을 설명하세요. 품질 좋은 단어 더미 대신 눈에 보이는 선택을 하세요: "책상 램프에서 얼굴로 따뜻한 빛, 뒤 창문으로 차가운 자연광". 한 가지 일관된 스타일을 고르세요.
이미지에서 비디오로 만들 때는 실제 있는 것부터 시작하세요. 시작 상태를 간단히 이름 붙이고("그녀가 양손으로 머그잔을 잡고 앉아 있다"), 그다음 움직임을 층층이 더하세요: 주된 행동 하나, 그에 따른 작은 반응(머리카락이 돌 때 따라 움직임, 소매가 접힘). 구도를 작업에 맞게 맞추고, 멈춘 프레임 대신 살아있는 반응으로 마무리하세요.
참조 모드에서는 장면을 설명하기 전에 각 참조에 역할을 주세요. 이미지 1: 얼굴과 머리. 이미지 2: 몸과 옷. 이미지 3: 배경. 이미지 4: 소품이나 다른 유용한 시점. 두 이미지가 다를 때 어느 쪽이 우선인지 말하고, 자세나 배경을 옮기지 말라고 할 때는 "참조 사진을 표시하거나 자세와 배경을 복사하지 마세요"를 추가하세요.
오디오는 마지막에 쓰고 공간을 남겨두세요. 대사를 의도한 멈춤과 함께 소리 내어 읽어보세요; 6초면 짧은 한 줄로 시작하세요. 목소리 질감과 전달, 분위기와 음악을 따로 설명하고, 주요 행동이 끝난 뒤 클립이 끝나도록 하세요.
말이 횡설수설 나오면 단순하게 하세요: 화자 한 명, 짧고 완전한 문장, "그녀가 제품에 대해 말한다" 대신 실제 말을 쓰고, </d> 앞에 구두점 넣기.
멈춤을 묘사하세요. "그녀가 입을 다물고 조용히 물건을 살핀다"와 조용하고 구체적인 배경 소리가 계속되면 H3가 침묵을 이상한 말로 채우지 않아요.
전체 참조 오디오 모드에서는 목소리를 명확히 연결하세요: <Audio 1>은 <Subject 1> (S1)의 음색만 제공하며, 원본 녹음의 말은 재사용하지 않습니다. 이 모드는 자체 6부분 형식이 있으니 아래 공식 참조 가이드를 보세요.

예시

텍스트에서 비디오로: 복사해서 써보기

/workflow /run:omni-eros-h3 /size:768x896 /length:145

One continuous medium shot inside a battered spaceship cockpit. A reptilian pilot in a faded orange flight suit pulls a landing lever. The cockpit shudders once. His shoulders relax and he says in a low, gravelly voice, "Still in one piece." The camera stays fixed. Amber instrument lights illuminate his face. Sound: low engine rumble, one heavy landing thump and the spoken line. No music. End on his relieved smile.

텍스트에서 비디오로: 프롬프트 업그레이드

Vague: A cinematic mechanic is surprised by a machine.

Stronger: Medium shot of a mechanic at a workbench. A brass device suddenly chirps. She freezes with the screwdriver raised, looks at the device, then breaks into a relieved smile. The camera stays fixed, keeping her hands and the device visible. Warm bench light. One chirp over quiet ventilation; no speech or music. Hold on her smile.

이미지에서 비디오로: 복사해서 써보기 (테이블에 앉은 성인; namehere를 업로드한 이미지 이름으로 바꾸세요)

/workflow /run:omni-eros-h3 /size:768x896 /length:145 /image1:namehere

Use image 1 as the opening scene. Keep the seated adult, clothing, table and background consistent. The subject looks up toward the camera, pauses in recognition, then gives a warm smile. Their shoulders relax as they say softly, "There you are." Keep the camera fixed at eye level. End with the smile settling naturally. Sound: quiet room ambience and that line only. No music.

이미지에서 비디오로: 프롬프트 업그레이드

Vague: Make her move naturally and look happy.

Stronger: Keep the seated subject and the existing room. She looks up from the mug, meets the camera with a brief pause, then smiles. Her shoulders relax while both hands stay around the mug. The camera remains fixed. Quiet room tone; no dialogue or music. Let the smile settle through the final moment.

참조 비디오: 한 정체성 이미지, 새 장면

/workflow /run:omni-eros-h3 /size:768x896 /length:145 /image1:namehere

Use image 1 only for the adult character identity: face, hair and body proportions. Create a new medium shot in a spaceship workshop. The character wears a charcoal utility jacket and presses one button on a brass device. It chirps; the character smiles with relief. Keep the camera fixed with warm bench lighting. Do not display the reference photograph or reuse its background or pose. Sound: ventilation and one electronic chirp. No speech or music.

참조 비디오: 답장한 비디오에서 캐릭터 교체

Vague: Use these images and put her in the video.

Stronger: Images 1 and 2 define one replacement character: face and hair from image 1; body proportions and outfit from image 2. Replace the woman standing on the left in the replied-to video. The video controls her actions, expressions, timing, camera and setting. The images provide no pose or camera instructions. Keep the other people consistent with the source.

오디오: 공식 세 필드 형식의 시작 프롬프트

integrated_multimodal_description: [Shot 1] A woman stands beside a workbench, holding a small wooden box. With a warm, measured voice, the woman (S1) says: <d>[English] This is where the story begins.</d> She closes her mouth and silently opens the box, looking inside for the rest of the shot.

overall_soundscape: A low workshop ventilation hum continues throughout. The wooden lid creaks softly as it opens.

non_diegetic_music: N/A

팁

한 가지 행동, 한 가지 카메라 선택, 한 줄 짧은 대사로 시작하세요. 반응이 자리 잡을 시간을 주세요.
비트가 사라지면 경쟁하는 행동을 제거한 뒤 지시를 더하세요. 다음 렌더링에서 한 가지를 바꿔 어떤 게 도움이 됐는지 확인하세요.
사진이 지원할 수 있는 움직임을 고르세요: 클로즈업 인물은 시선, 미소, 짧은 대사에 적합하고, 전신 사진은 걷거나 춤추기에 좋으며, 물체와 상호작용은 손과 물체가 처음부터 보여야 합니다.
선명한 이미지와 작은 첫 움직임을 쓰세요. 그게 잘 되면 카메라 움직임 하나나 두 번째 비트를 추가하세요. 한꺼번에 다 바꾸면 실망스러운 결과를 고치기 어려워요.
큰 회전 중 얼굴이 바뀌면 고정 카메라로 작은 회전을 시도하세요. 물체가 구부러지거나 미끄러지면 손 움직임을 먼저 단순화하고, 비교를 위해 이미지와 다른 설정은 그대로 두세요.
얼굴 이미지는 옷차림을 결정하지 말고, 몸 이미지는 얼굴을 대체하지 마세요. 명확한 역할 분담이 "정확하게 만들어라"는 긴 지시보다 낫습니다. 캐릭터를 설명하는 참조가 적으면 네 장 모두 쓸 필요 없어요.
참조 모드에서는 정체성, 움직임, 오디오를 따로 판단하세요: 예쁜 클립도 과제를 놓칠 수 있어요. 회전, 겹치는 몸, 손, 옷 가장자리, 반사 등을 보고, 답장한 비디오는 원래 사운드트랙을 유지할 수 있으니 꼭 들어보세요.
대사가 없는 장면은 대사를 빼고, 캐릭터가 입을 다문 채 조용히 행동하는 걸 명확히 묘사하세요.
원치 않는 음성이 계속 나오면 짧은 장면이나 다른 생성 시도를 하거나, 트랙을 음소거하고 편집에서 원하는 소리를 넣으세요.

화자 한 명, 짧고 완전한 문장, </d> 앞에 구두점, 구체적 배경음과 함께 명확한 침묵 행동 지시, 전체 참조 모드에서 명확한 음성 연결. 그래도 음성이 나오면 짧은 장면이나 다른 생성 시도, 또는 트랙 음소거 후 편집에서 소리 추가.

질문

/length는 초 단위인가요?

아니요, 프레임 단위입니다. 기본 24fps에서 145프레임은 대략 6초입니다. 시작, 변화, 끝이 있는 한 순간으로 생각하세요.

이미지에서 비디오와 참조 모드의 차이는 무엇인가요?

같은 명령어를 쓰지만 프롬프트가 다릅니다. 이미지에서 비디오는 사진이 시작 장면이고 그 안의 모든 걸 유지합니다. 참조 모드는 사진이 얼굴, 옷, 배경, 소품 같은 지정한 특징만 제공하고, 새 시작 구도, 행동, 배경을 설명합니다.

참조 비디오를 쓸 수 있나요?

네. 5~10초 정도 짧은 비디오를 업로드하고 그 비디오로 답장하세요. 역할을 말하세요: 캐릭터 교체면 이미지는 외모를, 비디오는 행동, 타이밍, 카메라, 배경을 제어합니다; 새 장면이면 빌릴 움직임만 이름을 말하세요.

H3에 음성 샘플을 줄 수 있나요?

기본 워크플로우에서는 오디오 참조를 지원하지 않으니 목소리, 대사, 효과를 글로 설명하세요. MiniMax 참조 가이드에 설명된 전체 참조 오디오 모드는 오디오 클립을 화자에 연결하는 6부분 프롬프트 형식을 가집니다.

대사를 한 글자도 빠짐없이 써야 하나요?

네. 실제 말을 <d>[English] ... </d> 태그 안에 적으세요. "그녀가 제품에 대해 말한다" 같은 설명은 H3가 즉흥으로 만듭니다.

대사가 전혀 없는 장면은 어떻게 만드나요?

대사를 빼고, 캐릭터가 입을 다문 채 조용히 행동하는 걸 명확히 묘사하세요. 분위기는 조용하고 구체적인 소리가 계속되게 하세요. 원치 않는 음성이 계속 나오면 짧은 장면, 다른 생성, 또는 트랙 음소거 후 편집에서 소리 추가를 시도하세요.

링크 및 출처

이 가이드의 모델

MiniMax H3 모델

작성자

Mark White

긴 글을 씁니다. 10년간 엔터프라이즈 소프트웨어에 몸담았고 지금은 ComfyUI 워크플로우에 노드가 94개나 있는데 그중 하나가 모든 작업을 하는 이유를 설명하는 데 시간을 보냅니다. 폐쇄형 모델은 무료 체험처럼 모순된 말이라고 생각합니다. 자신이 실제로 읽은 가이드에 서명합니다.

Mark White의 모든 가이드