MiniMax H3 Lite reference to video: cosa dargli in pasto

Abbiamo usato MiniMax H3 Lite reference to video abbastanza volte da poterlo dire: il prompt conta meno di ciò che metti negli slot di riferimento. Il modello prende immagini dei tuoi soggetti, volendo brevi clip e audio, e scrive una scena attorno a loro. Se gli input sono giusti, il risultato resta riconoscibile. Se sono sbagliati, paghi una clip con uno sconosciuto. È la guida che avremmo voluto avere all'inizio, organizzata attorno a due domande: cosa inserire e come controllarlo prima della run costosa.

Cosa accettano davvero gli input

Solo il prompt è obbligatorio, ma devi fornire anche almeno un'immagine o un video di riferimento, quindi in pratica non è mai un semplice text to video. Ecco cosa accetta ogni slot, direttamente dalla pagina del modello.

• Immagini di riferimento: fino a nove. Ogni lato deve stare tra 256 e 5760 pixel e il rapporto larghezza-altezza deve essere compreso tra 0.4 e 2.5, quindi banner molto sottili e strisce molto alte sono esclusi.
• Video di riferimento (Avanzate): fino a tre, MP4 o MOV, al massimo 50 MB ciascuno. Le clip vengono adattate a un breve intervallo fisso e il set condivide un unico limite di durata complessiva: le clip più lunghe vengono tagliate, quelle più corte allungate.
• Audio di riferimento (Avanzate): fino a tre file WAV o MP3, 15 MB ciascuno. L'audio non viene tagliato per te e non può essere l'unico riferimento.
• Impostazioni: formato dall'ultra-largo al verticale, una scelta tra due risoluzioni e una durata in secondi interi.

Costruisci il set di riferimenti come un casting

Pensa a ogni immagine come a un ruolo. Un ritratto pulito per la persona, una foto per l'oggetto, una per il luogo. L'esempio nella pagina del modello fa proprio questo: un pasticcere in un'immagine e un uccello rosso in un'altra, con il prompt che li chiama prima e seconda immagine. Poiché i riferimenti sono numerati, dillo nel prompt. "Lo chef dell'immagine uno" batte "l'uomo".

Controlla prima della run costosa

1. 01Rileggi il set a secco. Metti le immagini una accanto all'altra e chiediti: ognuna è un ruolo diverso e qualcosa ne contraddice un'altra (due giacche diverse, due atmosfere di luce)? Togli la perdente.
2. 02Usa le impostazioni più economiche. Scegli la risoluzione più piccola e la durata più breve. Il prezzo sul pulsante Genera segue entrambe, quindi una bozza costa una frazione della versione finale.
3. 03Giudica prima l'identità, poi il movimento. Se il volto, l'abito o un segno distintivo si allontanano nella bozza, correggi i riferimenti, non il prompt. I problemi di movimento si sistemano a poco prezzo con le parole.
4. 04Solo allora ingrandisci: la risoluzione maggiore, la durata più lunga, il formato in cui pubblicherai.

Prompt pronti

Quando scegliere altro

Se hai già il primo fotogramma esatto, image to video dello stesso produttore è lo strumento più diretto. Se non hai alcun riferimento, usa text to video. Per un confronto più ampio, la guida ai modelli video e l'elenco completo dei modelli aiutano. Anche le nostre note sui set di riferimenti valgono qui.

Il limite, detto con onestà

I riferimenti guidano il risultato; non garantiscono una copia. Con nove immagini il modello deve destreggiarsi tra molte istruzioni, e piccoli dettagli come testo stampato, loghi e motivi fini possono ammorbidirsi o cambiare. Lo slot audio, inoltre, non fa sincronizzare il parlato con le labbra da solo, quindi trattalo come una guida per atmosfera e tempi più che come un doppiaggio. Quando un dettaglio deve essere esatto al pixel, sistemalo in un'immagine fissa e anima da quella.