MiniMax H3 Lite Reference to Video : quoi lui donner

Nous avons assez utilisé MiniMax H3 Lite Reference to Video pour l'affirmer : le prompt compte moins que ce que vous placez dans les emplacements de référence. Le modèle prend des images de vos sujets, éventuellement de courts clips et du son, et écrit une scène autour d'eux. Avec de bonnes entrées, le résultat reste reconnaissable. Avec de mauvaises, vous payez un clip d'un inconnu. Voici le guide que nous aurions aimé avoir au départ, organisé autour de deux questions : qu'y mettre, et comment vérifier avant le lancement coûteux.

Ce que les entrées acceptent vraiment

Seul le prompt est obligatoire, mais il faut aussi fournir au moins une image ou une vidéo de référence : ce n'est donc jamais du simple texte vers vidéo. Voici ce que prend chaque emplacement, d'après la page du modèle.

• Images de référence : jusqu'à neuf. Chaque côté doit mesurer entre 256 et 5760 pixels, et le rapport largeur/hauteur doit être compris entre 0,4 et 2,5 : les bandeaux très fins et les bandes très hautes sont donc exclus.
• Vidéos de référence (Avancé) : jusqu'à trois, en MP4 ou MOV, 50 Mo chacune au maximum. Les clips sont ramenés à une courte plage fixe et le jeu partage un plafond de durée cumulée : les clips trop longs sont coupés, les plus courts sont allongés.
• Audio de référence (Avancé) : jusqu'à trois fichiers WAV ou MP3, 15 Mo chacun. L'audio n'est pas coupé pour vous, et il ne peut pas être la seule référence.
• Réglages : format d'image de l'ultra-large au vertical, un choix de deux résolutions et une durée en secondes entières.

Composez le jeu de références comme un casting

Pensez chaque image comme un rôle. Un portrait net pour la personne, une photo pour l'objet, une pour le lieu. L'exemple de la page du modèle fait exactement cela : un pâtissier dans une image et un oiseau rouge dans une autre, le prompt les nommant première et deuxième image. Comme les références sont numérotées, dites-le dans le prompt. « Le chef de l'image un » vaut mieux que « l'homme ».

Vérifiez avant le lancement coûteux

1. 01Relisez le jeu à blanc. Alignez vos images côte à côte et demandez-vous : chacune joue-t-elle un rôle différent, et l'une contredit-elle une autre (deux vestes différentes, deux ambiances lumineuses) ? Retirez la perdante.
2. 02Lancez les réglages les moins chers. Choisissez la plus petite résolution et la durée la plus courte. Le prix sur le bouton Générer suit les deux : un brouillon coûte une fraction d'un rendu final.
3. 03Jugez d'abord l'identité, ensuite le mouvement. Si le visage, la tenue ou un signe distinctif dérive dans le brouillon, corrigez les références, pas le prompt. Les problèmes de mouvement se règlent à peu de frais avec des mots.
4. 04Ensuite seulement, montez en gamme : la plus grande résolution, la durée plus longue, le format d'image dans lequel vous publierez.

Des prompts prêts à l'emploi

Quand choisir autre chose

Si vous avez déjà la première image exacte, image vers vidéo avec le même modèle est l'outil le plus direct. Si vous n'avez aucune référence, utilisez texte vers vidéo. Pour une comparaison plus large, le guide des modèles vidéo et la liste complète des modèles aident. Nos notes sur les jeux de références s'appliquent aussi ici.

La limite, en toute honnêteté

Les références orientent le résultat ; elles ne garantissent pas une copie. Avec neuf images, le modèle doit jongler avec de nombreuses consignes, et de petits détails comme le texte imprimé, les logos et les motifs fins peuvent s'adoucir ou changer. L'emplacement audio ne synchronise pas non plus les lèvres tout seul : voyez-le comme un guide d'ambiance et de rythme plutôt que comme un doublage. Quand un détail doit être exact au pixel près, corrigez-le dans une image fixe et animez à partir de celle-ci.