MiniMax H3 Lite de referencia a vídeo: qué darle

Hemos usado MiniMax H3 Lite de referencia a vídeo las veces suficientes para decir esto: el prompt importa menos que lo que pones en las ranuras de referencia. El modelo toma fotos de tus sujetos y, si quieres, clips cortos y audio, y escribe una escena a su alrededor. Si las entradas son buenas, el resultado sigue siendo reconocible. Si no, pagas por un clip de un desconocido. Esta es la guía que nos habría gustado tener al principio, organizada en torno a dos preguntas: qué entra y cómo comprobarlo antes de la ejecución cara.

Qué aceptan realmente las entradas

Solo el prompt es obligatorio, pero además debes aportar al menos una imagen o un vídeo de referencia, así que en la práctica nunca es un simple texto a vídeo. Esto es lo que admite cada ranura, tal como figura en la página del modelo.

• Imágenes de referencia: hasta nueve. Cada lado debe medir entre 256 y 5760 píxeles, y la proporción entre ancho y alto debe estar entre 0,4 y 2,5, así que los banners muy finos y las tiras muy altas quedan fuera.
• Vídeos de referencia (Avanzado): hasta tres, MP4 o MOV, de 50 MB como máximo cada uno. Los clips se ajustan a un rango corto y fijo, y el conjunto comparte un límite de duración total: los clips más largos se recortan y los más cortos se alargan.
• Audio de referencia (Avanzado): hasta tres archivos WAV o MP3, de 15 MB cada uno. El audio no se recorta por ti y no puede ser la única referencia.
• Ajustes: relación de aspecto desde ultra panorámica hasta vertical, dos resoluciones a elegir y una duración en segundos enteros.

Monta el conjunto de referencias como un casting

Piensa en cada imagen como un papel. Un retrato limpio para la persona, una foto para el objeto, otra para el lugar. El ejemplo de la página del modelo hace justo eso: un pastelero en una imagen y un pájaro rojo en otra, y el prompt los nombra como la primera y la segunda imagen. Como las referencias están numeradas, dilo en el prompt. "El chef de la imagen uno" funciona mejor que "el hombre".

Compruébalo antes de la ejecución cara

1. 01Lee el conjunto en seco. Coloca tus imágenes una junto a otra y pregúntate: ¿cada una es un papel distinto y hay algo que contradiga a otra (dos chaquetas distintas, dos ambientes de luz)? Quita la que sobre.
2. 02Usa los ajustes más baratos. Elige la resolución menor y la duración más corta. El precio del botón Generar sigue a ambas, así que un borrador cuesta una fracción de un resultado final.
3. 03Juzga primero la identidad y después el movimiento. Si la cara, la ropa o una marca se desvían en el borrador, arregla las referencias, no el prompt. Los problemas de movimiento se corrigen barato con palabras.
4. 04Solo entonces sube de nivel: la resolución mayor, la duración más larga y la relación de aspecto en la que vas a publicar.

Prompts listos para usar

Cuándo elegir otra cosa

Si ya tienes el primer fotograma exacto, imagen a vídeo del mismo creador es la herramienta más directa. Si no tienes ninguna referencia, usa texto a vídeo. Para una comparación más amplia, la guía de modelos de vídeo y la lista de modelos completa ayudan. Nuestras notas sobre conjuntos de referencias también valen aquí.

La limitación, con franqueza

Las referencias orientan el resultado, pero no garantizan una copia. Con nueve imágenes el modelo tiene que manejar muchas instrucciones, y detalles pequeños como el texto impreso, los logotipos y los patrones finos pueden suavizarse o cambiar. La ranura de audio tampoco hace que el habla se sincronice con los labios por sí sola, así que úsala como guía de ambiente y ritmo, no como doblaje. Cuando un detalle deba ser exacto al píxel, arréglalo en una imagen fija y anima a partir de ella.