Guía de prompts de MiniMax H3: controla cada entrada de referencia
Aprende a escribir prompts para MiniMax H3 con referencias de imagen, vídeo, audio y texto. Asigna un rol a cada recurso, evita conflictos y dirige un plano de vídeo con IA temporizado.
La idea útil detrás de un prompt de MiniMax H3 no es «escribir más detalle». Es «darle a cada entrada un solo trabajo». H3 puede recibir texto, imágenes, vídeo y audio como un conjunto unificado de referencias, de modo que un creador puede tomar la identidad del producto de una foto fija, el movimiento de un clip, el ritmo del audio y la dirección del plano del prompt. Esa flexibilidad solo ayuda cuando el modelo puede distinguir qué fuente controla qué parte del resultado.
Esta guía de prompts de MiniMax H3 convierte ese principio en un formato repetible. Aprenderás a vincular cada recurso a un rol, impedir que las referencias se contradigan entre sí, escribir reglas de preservación y dividir una generación de 4–15 segundos en tiempos codificados. Seis plantillas al final cubren vídeo de producto, movimiento de personaje, diálogo, edición de vídeo, motion de UI y transiciones de primer a último fotograma.
Nota
Esta es una guía de prompts basada en documentación, no un informe de generaciones de H3 evaluadas de forma independiente por OmniArt. Se apoya en la guía de generación H3 (Se abre en una pestaña nueva) actual de MiniMax y en la referencia oficial de la API (Se abre en una pestaña nueva). MiniMax H3 ya está disponible para los usuarios Creator+ de OmniArt, pero las capacidades documentadas por el proveedor no deben interpretarse como resultados de pruebas comparativas independientes.
¿MiniMax H3, Hailuo 3.0 o Hailuo 03?#
La documentación actual de MiniMax llama al modelo MiniMax H3 y da el identificador oficial del modelo de API como MiniMax-H3. También puedes encontrar Hailuo 3.0, Hailuo 03 o Hailuo-3.0 en coberturas de lanzamiento y catálogos de terceros porque Hailuo es la marca de producto de vídeo de MiniMax.
Usa la etiqueta que exija la superficie que tengas delante. Para la API V2 oficial de MiniMax documentada en el momento de publicación, eso significa MiniMax-H3; no asumas que un alias de marketplace sea también un identificador oficial válido de la API. Esta guía usa MiniMax H3 para el modelo y generación por referencia para el modo que combina entradas de imagen, vídeo y audio. «Referencia omni» es una descripción útil de ese flujo de trabajo de medios mixtos, pero la API oficial lo llama reference-to-video.
Conoce los tres modos de generación de H3#
Elegir el modo correcto va antes de escribir el prompt.
| Modo | Entradas | Úsalo cuando |
|---|---|---|
| Texto a vídeo | Prompt de texto obligatorio | La escena puede crearse solo a partir de la descripción |
| Imagen a vídeo de primer/último fotograma | Prompt obligatorio más un primer fotograma, un último fotograma, o ambos | Importa una composición exacta de apertura o de cierre |
| Generación por referencia | Prompt obligatorio más imágenes, vídeos o audio de referencia | Necesitas identidad, diseño, movimiento, cámara, voz, ritmo o estilo a partir de recursos subidos |
La especificación oficial actual lista salida 2K y duraciones enteras de 4 a 15 segundos. Toda solicitud exige un prompt de texto no vacío, con un límite de 7,000 caracteres. Una solicitud de referencia puede incluir hasta nueve imágenes, tres vídeos y tres clips de audio, con no más de 12 recursos en total. Los vídeos de referencia están limitados a 15 segundos en conjunto, igual que los clips de audio de referencia. Una referencia de audio no puede enviarse sola; debe acompañar al menos a una imagen o un vídeo.
El texto a vídeo exige una relación de aspecto concreta. La generación por referencia puede usar una relación concreta o dejar que H3 elija de forma adaptativa, mientras que la generación de primer/último fotograma sigue la imagen subida. Las relaciones documentadas son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16.
Hay un límite duro de flujo de trabajo: el modo de primer/último fotograma y la generación por referencia no pueden mezclarse en la misma solicitud de API. Si importan los fotogramas de borde exactos, usa el modo de primer/último fotograma. Si importan más la identidad, el movimiento, el estilo o la transferencia de audio, usa la generación por referencia y describe la composición de apertura en texto.
Construye un prompt de H3 como un mapa de roles#
La API de H3 recibe los medios como elementos tipados con roles como reference_image, reference_video y reference_audio. Esos roles técnicos identifican el tipo de medio; tu prompt debe ir un nivel más allá y enunciar la responsabilidad creativa de cada recurso.
Usa este orden:
Las etiquetas numeradas de arriba son etiquetas semánticas para tu brief, no una promesa de que cada interfaz de H3 exponga asas literales de Reference image 1. En la API oficial, los archivos son elementos separados en el array content. En una interfaz visual, usa los nombres de adjunto o la sintaxis de mención que ofrezca esa superficie, y mantén la misma lógica de un recurso, un trabajo.
Dale a cada recurso un trabajo principal#
Una referencia contiene más información de la que sueles querer transferir. Un clip de baile contiene un intérprete, ropa, localización, cámara, iluminación, movimiento y quizá música. Si pides a H3 que «siga el vídeo», todas esas características compiten con tu imagen de personaje.
Vincula de forma estrecha en su lugar:
- Referencia de imagen: identidad, cara, vestuario, geometría del producto, logo, paleta o diseño del entorno.
- Referencia de vídeo: movimiento corporal, trayectoria de cámara, timing de la acción, interacción física o ritmo de edición.
- Referencia de audio: carácter de la voz, cadencia, ritmo musical, ambiente o una señal de evento.
- Prompt de texto: la escena final, las reglas de transferencia, la línea de tiempo, las prioridades y las instrucciones de preservación.
Cuando un recurso deba hacer dos trabajos, nómbralos ambos y deja el límite explícito: «Reference video 1 controla la trayectoria de cámara y el timing de la acción; ignora su intérprete, vestuario, localización, grade de color y audio.»
Evita que las referencias peleen entre sí#
El conflicto de referencias suele ser un problema de instrucciones antes que un problema del modelo. Dos imágenes pueden mostrar chaquetas distintas, un clip de movimiento puede usar un tipo de cuerpo diferente, o un beat de audio puede implicar cortes que chocan con un movimiento de cámara ininterrumpido solicitado.
Usa un orden de prioridad escrito siempre que las entradas se solapen:
Después resuelve las contradicciones en lugar de esperar que H3 infiera tu preferencia. Si la imagen de identidad tiene el pelo suelto pero el vídeo de movimiento lleva sombrero, indica si el personaje final conserva el pelo o lleva el sombrero. Si una referencia de producto muestra una etiqueta legible pero la imagen de estilo es pictórica, di que la estilización se aplica al entorno mientras el packaging permanece fotorrealista.
Tres hábitos reducen el conflicto:
- Usa el conjunto de referencias más pequeño que sea útil. Más entradas crean más desacuerdos posibles. Añade un archivo solo cuando aporte información que el prompt no pueda expresar de forma fiable.
- Separa el contenido del estilo. Nombra qué referencia posee el sujeto y cuál posee el tratamiento.
- Elige una sola autoridad de cámara. O bien transfieres la cámara desde un vídeo o la diriges en texto. Si necesitas ambas, indica que el vídeo aporta el timing mientras el texto anula el encuadre.
Para un flujo de trabajo más amplio síntoma a síntoma, ten a mano 7 arreglos de prompt para vídeo con IA junto a esta guía mientras iteras.
Escribe instrucciones de preservación que se puedan comprobar#
«Manténlo consistente» es demasiado vago. Un bloque de preservación debe nombrar propiedades visibles que puedas inspeccionar en cualquier fotograma.
Para un personaje:
Para un producto:
Los anclajes positivos deben ir primero; las exclusiones son un guardarraíl, no el prompt entero. Mantén la lista negativa corta y específica. Diez prohibiciones vagas pueden diluir los cuatro invariantes que de verdad deciden si una toma es usable.
Si el mismo personaje aparecerá en varios clips generados por separado, mantén el bloque de identidad y vestuario idéntico en cada prompt. El flujo de trabajo de personaje consistente explica cómo construir ese paquete de referencia reutilizable a lo largo de una secuencia más larga.
Dirige el tiempo, no solo el contenido#
H3 permite clips de 4 a 15 segundos, pero un párrafo largo no le dice al modelo cuándo ocurre cada evento. Una línea de tiempo convierte el prompt en un plan de plano compacto.
Para un clip de 10 segundos:
Mantén cada beat alcanzable. Una acción principal más un movimiento de cámara suele ser más claro que una cadena de transformaciones sin relación. Deja que los rangos de tiempo sumen la duración seleccionada, coloca los detalles importantes del producto o del rostro en un beat más lento y reserva el último medio segundo o segundo para un punto de edición estable.
El audio puede compartir el mismo reloj:
Para más vocabulario de lente, luz y cámara, consulta la guía de prompts de vídeo cinematográfico con IA.
Seis plantillas de prompt de MiniMax H3#
Sustituye los detalles entre corchetes, adjunta solo los recursos listados y adapta las etiquetas a la interfaz que uses. Estas plantillas son puntos de partida estructurados basados en los modos de entrada documentados de H3; no se presentan como ganadoras de benchmarks ni como salidas garantizadas.
Plantilla 1: presentación de producto con referencias de movimiento y música#
- Modo: Generación por referencia
- Recursos: Una imagen limpia del producto, un vídeo de movimiento de cámara, referencia de música opcional
Para la preparación de la imagen fija que precede a este prompt, usa el flujo de trabajo de foto a vídeo de producto.
Plantilla 2: transferencia de movimiento de personaje sin deriva de identidad#
- Modo: Generación por referencia
- Recursos: Una imagen de personaje, un vídeo de movimiento, imagen de entorno opcional
Plantilla 3: interpretación de diálogo con una referencia de voz#
- Modo: Generación por referencia
- Recursos: Una imagen de personaje, un clip de audio de voz o diálogo autorizado
Advertencia
Solo sube una voz que poseas o para la que tengas permiso explícito de uso. Que un modelo acepte audio de referencia no te da derechos para imitar la voz de otra persona.
Plantilla 4: sustituir el entorno de un vídeo fuente#
- Modo: Generación por referencia
- Recursos: Un vídeo fuente, una imagen de entorno, imagen de sujeto opcional
Plantilla 5: motion de UI de marca sincronizado a un beat#
- Modo: Generación por referencia
- Recursos: Una imagen de layout de UI, un vídeo de estilo de motion, referencia de audio opcional
Plantilla 6: transformación exacta de primer a último fotograma#
- Modo: Imagen a vídeo de primer/último fotograma
- Recursos: Una imagen de primer fotograma y una imagen de último fotograma; sin medios de referencia
No adjuntes las imágenes, vídeos o audio de referencia de las otras plantillas a esta solicitud. La API oficial trata la generación de primer/último fotograma y la generación por referencia como modos mutuamente excluyentes.
Un orden práctico de iteración#
No cambies las instrucciones de identidad, movimiento, cámara, estilo y audio después de un solo render decepcionante. Eso hace imposible saber qué instrucción ayudó.
Itera en tres pases:
- Fija roles e invariantes. Usa el conjunto de referencias más pequeño y verifica que el sujeto o el producto siga siendo reconocible.
- Fija la acción y la línea de tiempo. Añade la fuente de movimiento o los beats temporizados, manteniendo el estilo simple.
- Añade el tratamiento. Introduce entorno, iluminación, grade, señales de audio y detalles de acabado después de que las dos primeras capas estén estables.
Cuando un resultado se desvíe, simplifica antes de añadir más lenguaje negativo. Elimina la referencia menos importante, acorta la línea de tiempo o dale a una fuente un trabajo más estrecho. Compara varias variantes con la misma lista de comprobación: identidad, geometría, movimiento, cámara, timing de audio y estabilidad del fotograma final.
Cómo empezar desde OmniArt#
MiniMax H3 está disponible para los usuarios Creator+ de OmniArt. Abre el creador de vídeo MiniMax H3, elige H3 y selecciona el modo que corresponda al encargo: Video para una generación estándar, Transition para un plano entre el primer y el último fotograma o Reference para combinar referencias de imagen, vídeo y audio. La interfaz actual ofrece salidas de 5–15 segundos a 768p / 1440p.
El modo Referencia admite hasta 9 imágenes, 3 vídeos y 3 archivos de audio. Las referencias de audio requieren al menos una imagen o un vídeo. OmniArt no muestra actualmente un control de audio independiente para H3. El audio de referencia sirve de guía, pero no garantiza una banda sonora lista en cada resultado; revisa el archivo entregado.
Cuesta 8 (768p) / 12 (2K) créditos por segundo de salida. En Reference, el vídeo de referencia añade 8 (768p) / 12 (2K) créditos por cada segundo redondeado hacia arriba; se incluyen cinco imágenes, cada imagen posterior cuesta 4 créditos y el audio de referencia no añade créditos. guía de precios y especificaciones de MiniMax H3
