MiniMax H3 Yönlendirme: metinden videoya, resimden videoya, referans video ve ses
Genel bakış
MiniMax H3, tek bir promptla kendi sesleri, efektleri ve müziğiyle kısa bir klip yapar. PirateDiffusion’da bir iş akışı olarak çalışır: komutu yaz, ardından sahne açıklamasını ekle ve çekim bir resimden başlamalıysa ya da bir resimden ödünç alınacaksa onu iliştir. Altı saniye bir an, tam bir film değil, bu yüzden aşağıdaki her prompt küçük bir sahneyi başı, değişimi ve net sonu ile anlatır.
Metinden videoya için resim gerekmez: kelimelerin konuyu, ortamı ve eylemi oluşturur. Formül KİM + NEREDE + EYLEM + KAMERA + SES. Konuyu ve ortamı tanımla, onlara bir ana eylem ve bir tepki ver, kameranın ne yapacağını seç ve istediğin seslerle bitir.
Resimden videoya, yüklediğin ve /image1: ardından ismini yazdığın bir resimle başlar. Formül BAŞLANGIÇ RESMİ + HAREKET + TEPKİ + KAMERA + SES olur: mevcut kimliği, kıyafeti ve ortamı koru, konunun nasıl hareket ettiğini, bu harekete ne tepki verdiğini ve çekimin nerede bittiğini anlat.
Videoya referans, aynı iş akışını farklı bir promptla kullanır: dört adede kadar resim seçilen özellikleri (yüz ve saç, vücut ve kıyafet, ortam, bir obje) verir, açılış sahnesini tanımlamak yerine, ayrıca yaklaşık 5-10 saniyelik kısa bir yüklenmiş videoya yanıt vererek onun eylemini, zamanlamasını, kamerasını ve ortamını ödünç alabilirsin.
Ses yazılır, yüklenmez. Temel metin ve resim iş akışları için resmi prompt formatı üç alandan oluşur: integrated_multimodal_description sahne, eylemler, konuşmacılar ve tam diyalog için; overall_soundscape ortam ve fiziksel sesler için; non_diegetic_music ise müzik için, müzik istemediğinde N/A yazılır. Konuşulan kelimeler <d>[English] ... </d> etiketleri içine alınır, ses ve anlatım notları dışarıda kalır, her konuşmacı tutarlı bir kimlik (örneğin (S1)) kullanır. Belirsiz konuşma yönlendirmeleri mırıldanmanın başladığı yerdir.
Başvuru
Ad | Tür | Ne olduğu |
|---|---|---|
/workflow /run:omni-eros-h3 | command | PirateDiffusion’da H3 iş akışını başlatır. Sahne açıklaması komuttan sonra gelir. |
/size:768x896 | setting | Klibin genişlik x yükseklik piksel cinsinden. |
/length:145 | setting | Kare sayısı, saniye değil. Varsayılan 24 fps’de 145 kare yaklaşık altı saniyedir. |
/image1:name | setting | Yüklenmiş bir resmi kullanır. Resimden videoya’da açılış sahnesidir; referans modunda sadece ona atadığın özellikleri verir. En fazla dört resim (/image1’den /image4’e kadar). |
Reply to a video | reference | Yaklaşık 5-10 saniyelik yüklenmiş bir videoya yanıt vermek, onun eylemini, zamanlamasını, kamerasını ve ortamını kontrol etmesini sağlar ya da sadece adını verdiğin hareketi ödünç alır. Ses referansları desteklenmez. |
WHO + WHERE + ACTION + CAMERA + SOUND | recipe | Metinden videoya formülü: konu ve ortam, bir ana eylem ve tepki, bir kamera işi, sonra sesler. |
STARTING IMAGE + MOVEMENT + REACTION + CAMERA + SOUND | recipe | Resimden videoya formülü: resimde ne olduğunu adlandır, sonra ne olacağını yönet. |
integrated_multimodal_description | text | Sahne, eylemler, konuşmacılar ve tam diyalog, çekim çekim. |
overall_soundscape | text | Çekim sırasında duyulan ortam ve fiziksel sesler. |
non_diegetic_music | text | Arka plan müziği. Müzik istemediğinde N/A yaz. |
<d>[English] ... </d> | tag | Tam konuşulan kelimeleri sarar. Ses ve anlatım notları etiketlerin dışında kalır. |
(S1), (S2) | speaker ID | Her konuşmacı için tutarlı bir etiket, o kişi her konuştuğunda kullanılır. |
Adım adım
- Modu seç. Resim yoksa: metinden videoya. İlk kare olması gereken bir resim varsa: /image1: ile resimden videoya. Özellik veya hareket ödünç vermesi gereken resimler ya da video varsa: referans modu, aynı komut, farklı prompt.
- Duygu etiketlerini davranışla değiştir. "Rahatladı" H3’e duyguyu söyler; "mandal açılır, omuzları düşer ve nefes verir" sebep ve görünür tepki verir. Her kası yönetmek yerine iki ya da üç bağlı davranış seç.
- Sebep ve sonucu göster. Hareketi fiziksel yap: ayaklar yere temas eder, dizler bükülür, ağırlık kayar, sonra beden yerleşir. İnişte, iniş sonrası amortisörlerin sıkışmasını anlat.
- Kameraya net bir görev ver. Başlangıç görünümünü, hareketi ve varış noktasını belirt: "belden yukarıdan yüze yavaş itme." Yakın çekim tüm odayı gösteremez; en önemli şeyi seç ve önemli nesneleri kadraja al.
- Görünümü yaratan ışığı anlat. Kaliteli kelimeler yığını yerine görünür seçimler yap: "yüzüne masa lambasından sıcak ışık, arkasındaki pencereden serin gün ışığı." Tutarlı bir stil seç.
- Resimden videoya’da, gerçekten orada olanla başla. Açılış durumunu kısa adlandır ("her iki eliyle bardağı tutuyor"), sonra hareketi katman katman ekle: bir ana eylem, sonra ona bağlı küçük bir tepki (saç dönüşü takip eder, kol katlanır). Kadrajı işe göre ayarla ve donmuş kare yerine canlı tepkiyle bitir.
- Referans modunda, sahneyi anlatmadan önce her referansa bir görev ver. Resim 1: yüz ve saç. Resim 2: vücut ve kıyafet. Resim 3: ortam. Resim 4: obje ya da başka faydalı açı. İki resim çelişirse hangisinin kazanacağını söyle ve "referans fotoğraflarını gösterme ya da pozlarını ve arka planlarını kopyalama" ekle.
- Sesi en sona yaz ve ona yer bırak. Diyaloğu planlanan duraklamalarla yüksek sesle oku; altı saniye için kısa bir satırla başla. Ses dokusunu ve anlatımı anlat, sonra ortam ve müziği ayrı yaz, ana eylemin bitmesini bekle.
- Konuşma anlamsız çıkarsa basitleştir: bir konuşmacı, kısa tam cümle, "üründen bahsediyor" yerine gerçek kelimeler, </d> öncesi noktalama.
- Duraklamaları anlat. "Ağzını kapatır ve sessizce nesneyi inceler" artı sessiz, somut arka plan sesi H3’ün sessizliği gereksiz kelimelerle doldurmasını engeller.
- Tam referans ses modunda, sesi açıkça bağla: <Audio 1> sadece <Subject 1> (S1)’in ses tınısını verir, orijinal kayıttaki kelimeler kullanılmaz. Bu modun kendi altı bölümlü formatı var; resmi referans kılavuzuna bak.
Örnekler
Metinden videoya: kopyala ve dene
/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.
Metinden videoya: prompt geliştirme
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.
Resimden videoya: kopyala ve dene (bir yetişkin masada oturuyor; namehere yerine yüklediğin resim adını yaz)
/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.
Resimden videoya: prompt geliştirme
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.
Videoya referans: bir kimlik resmi, yeni sahne
/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.
Videoya referans: yanıt verilen videoda karakter değişimi
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.
Ses: resmi üç alanlı başlangıç promptu
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
İpuçları
- Bir eylem, bir kamera seçimi ve bir kısa satırla başla. Tepkiye zaman tanı.
- Bir ritim kaybolursa, daha fazla talimat eklemeden önce rakip eylemi çıkar. Sonraki renderda bir şeyi değiştir ki neyin işe yaradığını anla.
- Resmin destekleyebileceği hareketi seç: yakın portre bakış, gülümseme ya da kısa satır için uygun; tam vücut yürüyüş ya da dans için; obje etkileşimi için eller ve obje baştan görünür olmalı.
- Net bir resim ve küçük bir ilk hareket kullan. Bu işe yarayınca bir kamera hareketi ya da ikinci ritim ekle. Her şeyi birden değiştirmek hayal kırıklığı yaratır ve düzeltmesi zor olur.
- Yüz büyük dönüşte değişirse, sabit kamerayla daha küçük bir dönüş dene. Bir obje bükülür ya da kayarsa, önce el hareketini basitleştir, resmi ve diğer ayarları değiştirmeden karşılaştır.
- Yüz resmi kıyafeti belirlememeli, vücut resmi yüzün yerini almamalı. Net roller, "tam yap" talimatları listesinden iyidir. Karakteri açıklamak için dört resim yuvasına ihtiyacın yok, daha az referans yeterliyse.
- Referans modunda kimlik, hareket ve sesi ayrı değerlendir: güzel bir klip yine de işi kaçırabilir. Dönüşlere, üst üste binen bedenlere, ellere, kıyafet kenarlarına ve yansımalara dikkat et, ayrıca yanıt verilen video orijinal müziğini tutabilir.
- Diyalogsuz çekim için konuşmayı çıkar ve karakteri ağzı kapalı sessizce eylemi yaparken açıkça anlat.
- İstenmeyen vokaller devam ederse, daha kısa çekim ya da başka bir üretim dene. Kesin sessizlik gerekirse, üretilen parçayı sessize al ve istediğin sesi kurguya ekle.
Sorun giderme
Klip altı saniye boş ya da son kesilmiş
Neden olur
Prompt 145 karede tam bir hikaye, birkaç eylem ya da uzun bir diyalog istedi.
Nasıl düzeltilir
Bir eylem, bir kamera seçimi ve bir kısa satır. Ana eylemin klip bitmeden bitmesine izin ver, yeni bir olay yerine tepkiyle bitir ("gülümsemede kal"). Bir ritim kaybolursa, talimat eklemeden önce rakip eylemi çıkar.
Resimden videoya’da yüz değişir ya da obje bükülür
Neden olur
Büyük dönüş, karmaşık ya da küçük başlangıç resmi, ya da kare sayısına göre çok karmaşık el hareketi.
Nasıl düzeltilir
Yüzü ve elleri okunabilir, hareket yönünde boşluğu olan net bir resim seç. Sabit kamerayla daha küçük dönüş dene, el hareketini basitleştir, renderlar arasında sadece onu değiştir.
Referans modu fotoğrafın pozunu ya da arka planını kopyalar ya da iki yüzü karıştırır
Neden olur
Resimlere görev verilmedi ya da iki görünüm referansı çelişti ve hangisinin kazanacağı söylenmedi.
Nasıl düzeltilir
Her resme bir görev ver (resim 1 yüz ve saçı kontrol eder, resim 2 sadece kıyafeti), "referans fotoğraflarını gösterme ya da pozlarını ve arka planlarını kopyalama" ekle, iki referans hala çelişirse önce güçlü bir referans dene.
Yanıt verilen video orijinal müziğini korudu
Neden olur
Ses referansları desteklenmez ve yanıt verilen video kendi müziğini tutabilir; net görsel talimatlar ses davranışını değiştirmez.
Nasıl düzeltilir
Yeni sesleri, diyalogu ve efektleri promptta anlat, sonucu dinle ve değiştiğini varsayma, kesinlik gerekirse parçayı sessize al ve istediğin sesi kurguya ekle.
Anlamsız konuşma, ekstra kelimeler ve açılış vokal sesi
Neden olur
Rastgele mırıldanma, ekstra kelimeler ve garip açılış vokal sesi diğer H3 kullanıcıları tarafından da rapor edildi. Topluluk önerileri yardımcı olabilir ama evrensel doğrulanmış prompt çözümü yok.
Nasıl düzeltilir
Bir konuşmacı, kısa tam cümle, </d> öncesi noktalama, duraklamalar için açık sessiz eylem ve somut arka plan sesi, tam referans modunda net ses bağlama. Vokaller devam ederse, daha kısa çekim ya da başka üretim dene, ya da parçayı sessize al ve sesi kurguya ekle.
Sorular
/length saniye mi?
Hayır, kare sayısı. Varsayılan 24 fps’de 145 kare yaklaşık altı saniyedir. Bunu başı, değişimi ve sonu olan bir an olarak düşün.
Resimden videoya ile referans mod arasındaki fark nedir?
Aynı komut her ikisini de çalıştırır; prompt karar verir. Resimden videoya’da resim açılış sahnesidir ve içindekiler korunur. Referans modda resimler sadece atadığın özellikleri verir (yüz, kıyafet, ortam, obje) ve yeni açılış kompozisyonu, eylem ve ortamı sen anlatırsın.
Referans video kullanabilir miyim?
Evet. Yaklaşık 5-10 saniyelik kısa bir video yükle ve komutla yanıtla. Görevini söyle: karakter değişimi için resim görünümü kontrol eder, video eylem, zamanlama, kamera ve ortamı; yeni sahne için sadece ödünç almak istediğin hareketi adlandır.
H3’e ses örneği verebilir miyim?
Temel iş akışında hayır: ses referansları desteklenmez, ses, diyalog ve efektleri kelimelerle anlat. MiniMax’ın referans kılavuzunda anlatılan tam referans ses modu, ses klibini konuşmacıya bağlar ve kendi altı bölümlü prompt formatı vardır.
Diyaloğu kelimesi kelimesine yazmalı mıyım?
Evet. Gerçek kelimeleri <d>[English] ... </d> etiketleri içine yaz. "Üründen bahsediyor" gibi açıklamalar H3’ün doğaçlama yapmasına yol açar.
Hiç konuşma olmayan çekim nasıl alırım?
Diyaloğu çıkar ve karakteri ağzı kapalı sessizce eylemi yaparken açıkça anlat. Ortamı sessiz, somut bir sesle devam ettir. İstenmeyen vokaller devam ederse, daha kısa çekim, başka üretim dene ya da parçayı sessize al ve kendi sesini kurguya ekle.
Bağlantılar ve kaynaklar
- PirateDiffusion (runs the omni-eros-h3 workflow from Telegram)AD
- MiniMax's official prompt writing guide
- Firsthand reports and workarounds (community discussion)
- Official dialogue rules and reference-mode format
- MiniMax H3 models in the catalog
Bu rehberdeki modeller
Yazan
Uzun olanları yazar. On yıl kurumsal yazılımda çalıştı, şimdi ComfyUI iş akışınızın 94 düğümü olmasının ve birinin tüm işi yapmasının nedenini açıklıyor. Kapalı modelin, ücretsiz deneme gibi bir tezat olduğunu düşünüyor. Rehberlerini imzalar çünkü gerçekten okur.
Mark White tarafından tüm rehberler
İlgili rehberler
MiniMax H3 video istemleri: resmi yapı
14 Eyl 2026
ComfyUI düğümleri: dokümantasyon ve sorun giderme
2 Haz 2026
PirateDiffusion: Telegram'dan herhangi bir modeli çalıştır, GPU gerekmez
3 Eki 2026
MiniMax H3 için Daha İyi İnsan Hareketi: doğal, tutarlı vücut hareketi
1 Eki 2026
Diğer rehberler
MiniMax H3 Turbo LoRA'ları: larryvrh paketi ile 4-8 adımlı video
1 Eki 2026
2026'nın En İyi Açık Kaynak AI Video Modelleri: Gerçekten İndirebilecekleriniz
14 Eki 2026
Wan2GP Nasıl Kurulur: Düşük VRAM’li GPU’larda AI video ve görüntüler
8 Eki 2026
AI video için ne kadar VRAM gerekir? Wan 2.2, HunyuanVideo 1.5 ve LTX-2 GPU boyutuna göre (2026)
6 Eki 2026
MiniMax H3 Combat BASE V2: dövüş hareketi, darbe ve drama
1 Eki 2026