MiniMax H3 Lite de referência para vídeo: o que fornecer

Já usamos o MiniMax H3 Lite de referência para vídeo vezes suficientes para dizer isto: o prompt importa menos do que aquilo que você coloca nos campos de referência. O modelo recebe fotos dos seus personagens e, se quiser, clipes curtos e áudio, e escreve uma cena em torno deles. Com as entradas certas, o resultado continua reconhecível. Com as erradas, você paga por um clipe de um estranho. Este é o passo a passo que gostaríamos de ter tido no começo, organizado em duas perguntas: o que entra e como conferir antes da execução cara.

O que as entradas realmente aceitam

Só o prompt é obrigatório, mas você também precisa fornecer pelo menos uma imagem ou um vídeo de referência, então na prática nunca é um simples texto para vídeo. Veja o que cada campo aceita, direto da página do modelo.

• Imagens de referência: até nove. Cada lado deve ter entre 256 e 5760 pixels, e a proporção entre largura e altura deve ficar entre 0,4 e 2,5, então banners muito finos e tiras muito altas ficam de fora.
• Vídeos de referência (Avançado): até três, MP4 ou MOV, com no máximo 50 MB cada. Os clipes são ajustados a uma faixa curta e fixa, e o conjunto compartilha um limite de duração total: clipes mais longos são cortados e os mais curtos são estendidos.
• Áudio de referência (Avançado): até três arquivos WAV ou MP3, de 15 MB cada. O áudio não é cortado para você e não pode ser a única referência.
• Ajustes: proporção de tela de ultrapanorâmica a vertical, duas resoluções à escolha e uma duração em segundos inteiros.

Monte o conjunto de referências como um casting

Pense em cada imagem como um papel. Um retrato limpo para a pessoa, uma foto para o objeto, outra para o lugar. O exemplo da página do modelo faz exatamente isso: um confeiteiro numa imagem e um pássaro vermelho em outra, com o prompt chamando-os de primeira e segunda imagem. Como as referências são numeradas, diga isso no prompt. "O chef da imagem um" funciona melhor do que "o homem".

Confira antes da execução cara

1. 01Leia o conjunto a seco. Coloque as imagens lado a lado e pergunte: cada uma é um papel diferente e há algo que contradiz outra (duas jaquetas diferentes, dois climas de luz)? Tire a que sobra.
2. 02Rode com os ajustes mais baratos. Escolha a resolução menor e a duração mais curta. O preço no botão Gerar acompanha as duas, então um rascunho custa uma fração de um resultado final.
3. 03Julgue primeiro a identidade, depois o movimento. Se o rosto, a roupa ou uma marca mudarem no rascunho, corrija as referências, não o prompt. Problemas de movimento se resolvem barato com palavras.
4. 04Só então aumente: a resolução maior, a duração mais longa e a proporção em que você vai publicar.

Prompts prontos

Quando escolher outra coisa

Se você já tem o primeiro quadro exato, imagem para vídeo do mesmo criador é a ferramenta mais direta. Se não tem nenhuma referência, use texto para vídeo. Para uma comparação mais ampla, o guia de modelos de vídeo e a lista de modelos completa ajudam. Nossas notas sobre conjuntos de referências também valem aqui.

A limitação, com honestidade

As referências orientam o resultado, mas não garantem uma cópia. Com nove imagens o modelo precisa lidar com muitas instruções, e detalhes pequenos como texto impresso, logotipos e padrões finos podem suavizar ou mudar. O campo de áudio também não faz a fala sincronizar com os lábios por conta própria, então use-o como guia de clima e ritmo, não como dublagem. Quando um detalhe precisar ser exato ao pixel, corrija-o numa imagem estática e anime a partir dela.