Panduan prompt MiniMax H3: kendalikan setiap input referensi

Ide berguna di balik prompt MiniMax H3 bukan “tulis lebih banyak detail.” Ide itu adalah “beri setiap input satu tugas.” H3 dapat menerima teks, gambar, video, dan audio sebagai satu set referensi terpadu, sehingga kreator dapat mengambil identitas produk dari still, gerakan dari klip, pacing dari audio, dan arahan shot dari prompt. Fleksibilitas itu hanya membantu ketika model dapat membedakan sumber mana yang mengontrol bagian mana dari hasil.

Panduan prompt MiniMax H3 ini mengubah prinsip itu menjadi format yang dapat diulang. Anda akan belajar cara mengikat setiap aset ke satu peran, mencegah referensi saling bertentangan, menulis aturan pelestarian, dan membagi generasi 4–15 seconds menjadi beat berwaktu. Enam template di akhir mencakup video produk, gerakan karakter, dialog, editing video, gerakan UI, dan transisi first-to-last-frame.

MiniMax H3, Hailuo 3.0, atau Hailuo 03?

Dokumentasi MiniMax saat ini menyebut model tersebut MiniMax H3 dan memberi pengenal model API resmi sebagai MiniMax-H3. Anda juga mungkin menemui Hailuo 3.0, Hailuo 03, atau Hailuo-3.0 dalam liputan peluncuran dan katalog pihak ketiga karena Hailuo adalah merek produk video MiniMax.

Gunakan label yang diminta oleh permukaan di depan Anda. Untuk API MiniMax V2 resmi yang didokumentasikan pada waktu publikasi, itu berarti MiniMax-H3; jangan asumsikan alias marketplace juga merupakan pengenal API resmi yang valid. Panduan ini memakai MiniMax H3 untuk model dan generasi referensi untuk mode yang menggabungkan input gambar, video, dan audio. “Omni reference” adalah deskripsi berguna untuk alur kerja media campuran itu, tetapi API resmi menyebutnya reference-to-video.

Kenali tiga mode generasi H3

Memilih mode yang tepat datang sebelum menulis prompt.

Spesifikasi resmi saat ini mencantumkan output 2K dan durasi bilangan bulat dari 4 hingga 15 seconds. Setiap permintaan membutuhkan prompt teks non-kosong, dengan batas 7,000 characters. Permintaan referensi dapat mencakup hingga sembilan gambar, tiga video, dan tiga klip audio, dengan tidak lebih dari 12 aset total. Video referensi dibatasi 15 seconds secara agregat, demikian juga klip audio referensi. Referensi audio tidak dapat dikirim sendirian; referensi itu harus menyertai setidaknya satu gambar atau video.

Text-to-video membutuhkan rasio aspek konkret. Generasi referensi dapat memakai rasio konkret atau membiarkan H3 memilih secara adaptif, sementara generasi first/last-frame mengikuti gambar yang diunggah. Pilihan rasio yang didokumentasikan adalah 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16.

Ada satu batas alur kerja yang keras: mode first/last-frame dan generasi referensi tidak dapat digabung dalam permintaan API yang sama. Jika frame batas yang tepat penting, gunakan mode first/last-frame. Jika transfer identitas, gerakan, gaya, atau audio lebih penting, gunakan generasi referensi dan deskripsikan komposisi pembuka dalam teks.

Bangun prompt H3 sebagai peta peran

API H3 menerima media sebagai item bertipe dengan peran seperti reference_image, reference_video, dan reference_audio. Peran teknis itu mengidentifikasi jenis media; prompt Anda harus melangkah satu tingkat lebih jauh dan menyatakan tanggung jawab kreatif setiap aset.

Gunakan urutan ini:

DELIVERABLE
What the final clip is for, its duration, and its format.

ROLE MAP
Reference image 1 = subject identity and immutable appearance.
Reference image 2 = environment or visual style only.
Reference video 1 = body motion and timing only.
Reference audio 1 = rhythm and edit timing only.

SHOT
Subject, action, environment, lighting, and camera direction.

TIMELINE
Time-coded beats that add up to the selected duration.

PRESERVE
Features that must remain unchanged from named references.

EXCLUDE
A short list of the most damaging unwanted changes.

Label bernomor di atas adalah label semantik untuk brief Anda, bukan janji bahwa setiap antarmuka H3 menampilkan handle literal Reference image 1. Dalam API resmi, file-file itu adalah item terpisah dalam array content. Di antarmuka visual, gunakan nama lampiran atau sintaks mention apa pun yang disediakan permukaan itu, lalu jaga logika satu-aset-satu-tugas yang sama.

Beri setiap aset satu tugas utama

Sebuah referensi berisi lebih banyak informasi daripada yang biasanya ingin Anda transfer. Klip tarian berisi penampil, pakaian, lokasi, kamera, pencahayaan, gerakan, dan mungkin musik. Jika Anda meminta H3 untuk “ikuti videonya,” semua fitur itu bersaing dengan gambar karakter Anda.

Ikat secara sempit sebagai gantinya:

• Referensi gambar: identitas, wajah, wardrobe, geometri produk, logo, palet, atau desain lingkungan.
• Referensi video: gerakan tubuh, jalur kamera, timing aksi, interaksi fisik, atau ritme editing.
• Referensi audio: karakter suara, cadence, ritme musik, ambience, atau isyarat peristiwa.
• Prompt teks: adegan akhir, aturan transfer, timeline, prioritas, dan instruksi pelestarian.

Ketika satu aset harus mengerjakan dua tugas, sebutkan keduanya dan buat batasnya eksplisit: “Reference video 1 mengontrol jalur kamera dan timing aksi; abaikan penampil, wardrobe, lokasi, color grade, dan audionya.”

Cegah referensi saling bertarung

Konflik referensi biasanya adalah masalah instruksi sebelum menjadi masalah model. Dua gambar mungkin menampilkan jaket berbeda, klip gerakan mungkin memakai tipe tubuh berbeda, atau beat audio mungkin menyiratkan potongan yang bentrok dengan gerakan kamera tak terputus yang diminta.

Gunakan urutan prioritas tertulis setiap kali input tumpang tindih:

Priority order:
1. Reference image 1 controls character identity and wardrobe.
2. Reference video 1 controls movement and timing only.
3. Reference image 2 controls lighting palette and set design only.
4. The text prompt controls camera framing and final composition.

Lalu selesaikan kontradiksi alih-alih berharap H3 akan menyimpulkan preferensi Anda. Jika gambar identitas memiliki rambut terurai tetapi video gerakan memakai topi, nyatakan apakah karakter final mempertahankan rambut atau memakai topi. Jika referensi produk menampilkan label yang terbaca tetapi gambar gaya bersifat painterly, katakan bahwa stilisasi berlaku pada lingkungan sementara packaging tetap photorealistic.

Tiga kebiasaan mengurangi konflik:

1. Gunakan set referensi berguna yang paling kecil. Lebih banyak input menciptakan lebih banyak kemungkinan ketidaksepakatan. Tambahkan file hanya ketika file itu menyumbang informasi yang tidak dapat diekspresikan prompt secara andal.
2. Pisahkan konten dari gaya. Sebutkan referensi mana yang memiliki subjek dan mana yang memiliki treatment.
3. Pilih satu otoritas kamera. Transfer kamera dari video atau arahkan dalam teks. Jika Anda membutuhkan keduanya, nyatakan bahwa video menyediakan timing sementara teks menimpa framing.

Untuk alur kerja gejala-demi-gejala yang lebih luas, simpan 7 perbaikan prompt video AI di samping panduan ini saat Anda mengiterasi.

Tulis instruksi pelestarian yang dapat diperiksa

“Jaga agar konsisten” terlalu samar. Blok pelestarian harus menamai properti terlihat yang dapat Anda inspeksi di frame mana pun.

Untuk karakter:

Preserve from reference image 1 throughout every frame: facial structure,
eye color, hairstyle and length, jacket cut, jacket color, and body proportions.
Do not replace the performer with the person from reference video 1.

Untuk produk:

Preserve from reference image 1: bottle silhouette, cap shape, label placement,
navy wordmark, coral seal, material finish, and relative proportions.
No duplicate product, redesigned packaging, extra text, or changing logo.

Jangkar positif harus datang lebih dulu; pengecualian adalah pagar pengaman, bukan seluruh prompt. Jaga daftar negatif tetap pendek dan spesifik. Sepuluh larangan samar dapat melarutkan empat invariant yang benar-benar memutuskan apakah take dapat digunakan.

Jika karakter yang sama akan muncul di beberapa klip yang dihasilkan terpisah, jaga blok identitas dan wardrobe identik di setiap prompt. Alur kerja karakter konsisten menjelaskan cara membangun paket referensi yang dapat digunakan ulang di sepanjang sekuens yang lebih panjang.

Arahkan waktu, bukan hanya konten

H3 memungkinkan klip dari 4 hingga 15 seconds, tetapi paragraf panjang tidak memberi tahu model kapan setiap peristiwa terjadi. Timeline mengubah prompt menjadi rencana shot yang ringkas.

Untuk klip 10 seconds:

0–2 seconds: locked medium-wide establishing shot; subject holds still.
2–6 seconds: subject performs the referenced action at the source tempo.
6–9 seconds: camera makes one slow 20-degree arc to the right.
9–10 seconds: subject settles; hold a clean final composition for the edit.

Jaga setiap beat tetap dapat dicapai. Satu aksi utama plus satu gerakan kamera biasanya lebih jelas daripada rantai transformasi yang tidak terkait. Biarkan rentang waktu menjumlah ke durasi yang dipilih, tempatkan detail produk atau wajah penting dalam beat yang lebih lambat, dan cadangkan setengah second atau second terakhir untuk titik edit yang stabil.

Audio dapat berbagi jam yang sama:

At 2.0 seconds, the first downbeat starts the hand movement.
At 6.0 seconds, the bass hit motivates the camera arc.
From 9.0 seconds, let the music tail continue under the held final frame.

Untuk lebih banyak kosakata lensa, cahaya, dan kamera, lihat panduan prompt video AI sinematik.

Enam template prompt MiniMax H3

Ganti detail dalam kurung siku, lampirkan hanya aset yang terdaftar, dan sesuaikan label dengan antarmuka yang Anda gunakan. Template ini adalah titik awal terstruktur berdasarkan mode input H3 yang didokumentasikan; template ini bukan pemenang benchmark yang diklaim atau output yang dijamin.

Template 1: Product reveal dengan referensi gerakan dan musik

• Mode: Reference generation
• Aset: Satu gambar produk bersih, satu video gerakan kamera, referensi musik opsional

Create a 10-second 9:16 product reveal for a paid social placement.

Role map:
- Reference image 1 controls the product's exact design, proportions, packaging,
  colors, materials, label placement, and wordmark.
- Reference video 1 controls camera path and acceleration only. Ignore its subject,
  location, lighting, color grade, and audio.
- Reference audio 1 controls beat and edit timing only.

Scene: The product stands centered on a warm-violet studio plinth. Soft lilac key
light from camera left, restrained coral rim light, subtle atmospheric haze.

Timeline:
- 0–2 seconds: static wide reveal on the first soft beat.
- 2–7 seconds: transfer the smooth push-and-arc movement from reference video 1.
- 7–9 seconds: one narrow highlight travels across the product surface.
- 9–10 seconds: camera settles; hold the label front-facing and readable.

Preserve reference image 1 exactly: silhouette, cap, material finish, label layout,
brand colors, and wordmark. Keep one product only. No redesigned packaging,
duplicate objects, extra text, warped label, or abrupt camera shake.

Untuk persiapan still-image yang datang sebelum prompt ini, gunakan alur kerja foto-ke-video-produk.

Template 2: Transfer gerakan karakter tanpa drift identitas

• Mode: Reference generation
• Aset: Satu gambar karakter, satu video gerakan, gambar lingkungan opsional

Create an 8-second 16:9 cinematic character performance.

Priority order:
1. Reference image 1 controls face, hair, body proportions, and wardrobe.
2. Reference video 1 controls body choreography and action timing only.
3. Reference image 2 controls the environment palette and architecture only.
4. This prompt controls framing and lighting.

The character from reference image 1 performs the complete movement from reference
video 1 in a moonlit station based on reference image 2. Medium full shot, camera
locked at chest height, soft directional light, realistic weight and foot contact.

Timeline:
- 0–1 seconds: character holds the starting pose.
- 1–7 seconds: perform the reference choreography once at its original tempo.
- 7–8 seconds: settle naturally and look toward camera left.

Preserve facial structure, hairstyle, coat shape, coat color, boots, and body
proportions from reference image 1 in every frame. Do not inherit the motion video's
performer, face, clothing, background, camera movement, or audio. No extra limbs,
sliding feet, costume changes, or cuts.

Template 3: Performa dialog dengan referensi suara

• Mode: Reference generation
• Aset: Satu gambar karakter, satu klip audio suara atau dialog yang diotorisasi

Create a 9-second 16:9 single-character dialogue shot.

Role map:
- Reference image 1 controls the speaker's appearance, wardrobe, and room design.
- Reference audio 1 controls spoken timing, cadence, emotional progression, and pauses.

Shot: Medium close-up, eye-level, 50 mm cinematic framing. The speaker begins calm,
briefly smiles after the central pause, then finishes with quiet confidence. Natural
blinks and restrained hand movement. Camera remains static; soft room tone underneath.

Timeline:
- 0–1 seconds: silent eye contact and a small inhale.
- 1–8 seconds: performance follows reference audio 1 exactly in timing and pauses.
- 8–9 seconds: mouth closes, expression settles, hold for the edit.

Preserve face, hairstyle, skin tone, jacket, background layout, and lighting direction
from reference image 1. Keep one speaker. No camera move, cutaway, background speech,
new words, exaggerated gestures, or wardrobe changes.

Template 4: Ganti lingkungan video sumber

• Mode: Reference generation
• Aset: Satu video sumber, satu gambar lingkungan, gambar subjek opsional

Create a 12-second 16:9 environmental replacement based on the source clip.

Role map:
- Reference video 1 controls shot length, subject action, physical timing, camera path,
  framing progression, and interaction with the ground.
- Reference image 1 controls the replacement environment, architecture, palette,
  weather, and lighting mood.
- Reference image 2 controls the subject's face and wardrobe, if supplied.

Replace the source video's location with the environment from reference image 1.
Preserve the original action and camera movement continuously. Match subject lighting,
contact shadows, reflections, and atmospheric perspective to the new environment.

Timeline follows reference video 1. Maintain one continuous shot with the original
action beats and no added event.

Preserve the source subject's position, scale, motion, and ground contact. Preserve
identity and wardrobe from reference image 2 when present. Do not copy the original
background, signage, bystanders, color grade, or source audio. No cuts, teleporting,
floating feet, or changing architecture.

Template 5: Gerakan UI bermerek yang disinkronkan ke beat

• Mode: Reference generation
• Aset: Satu gambar layout UI, satu video gaya gerakan, referensi audio opsional

Create a 7-second 1:1 UI motion-design clip for a product announcement.

Priority order:
1. Reference image 1 controls exact layout, hierarchy, component positions, text,
   logo, colors, corner shapes, and typography appearance.
2. Reference video 1 controls transition character and easing only.
3. Reference audio 1 controls the timing of three motion beats only.

Animate the interface from reference image 1 without redesigning it. Begin with the
main panel at rest. Use the restrained slide-and-scale transition quality from
reference video 1. Keep the camera orthographic and the background static.

Timeline:
- 0–1 seconds: complete layout at rest.
- 1–3 seconds: cards enter in sequence on beat one.
- 3–5 seconds: primary control changes state on beat two.
- 5–6 seconds: one subtle emphasis pulse on beat three.
- 6–7 seconds: complete interface holds sharp and readable.

Preserve every word, logo shape, component proportion, spacing relationship, and brand
color from reference image 1. No invented labels, misspelled text, extra panels,
perspective tilt, camera movement, glow overload, or elastic distortion.

Template 6: Transformasi first-to-last-frame yang tepat

• Mode: First/last-frame image-to-video
• Aset: Satu gambar first-frame dan satu gambar last-frame; tanpa media referensi

Create a 10-second transformation from the supplied first frame to the supplied last
frame. Preserve the subject's identity and the camera's fixed position throughout.

Timeline:
- 0–2 seconds: hold the first-frame composition; only subtle ambient movement.
- 2–7 seconds: the scene transforms progressively from the center outward. Materials
  change continuously with believable physical contact and no hard cut.
- 7–9 seconds: remaining details resolve into the last-frame design.
- 9–10 seconds: arrive exactly at the supplied last frame and hold it cleanly.

One continuous locked shot. Preserve subject scale, face, silhouette, horizon, lens,
and framing during the transition. No reference-style transfer, new characters,
camera movement, jump cut, flicker, or overshoot beyond the final composition.

Jangan lampirkan gambar, video, atau audio referensi dari template lain ke permintaan ini. API resmi memperlakukan generasi first/last-frame dan generasi referensi sebagai mode yang saling eksklusif.

Urutan iterasi praktis

Jangan mengubah instruksi identitas, gerakan, kamera, gaya, dan audio setelah satu render yang mengecewakan. Itu membuat mustahil untuk mempelajari instruksi mana yang membantu.

Iterasi dalam tiga pass:

1. Kunci peran dan invariant. Gunakan set referensi terkecil dan verifikasi bahwa subjek atau produk tetap dikenali.
2. Kunci aksi dan timeline. Tambahkan sumber gerakan atau beat berwaktu, jaga gaya tetap sederhana.
3. Tambahkan treatment. Perkenalkan lingkungan, pencahayaan, grade, isyarat audio, dan detail finishing setelah dua lapisan pertama stabil.

Ketika hasil menyimpang, sederhanakan sebelum menambah lebih banyak bahasa negatif. Hapus referensi yang paling tidak penting, perpendek timeline, atau beri satu sumber tugas yang lebih sempit. Bandingkan beberapa varian terhadap checklist yang sama: identitas, geometri, gerakan, kamera, timing audio, dan stabilitas final-frame.

Memulai dari OmniArt

MiniMax H3 saat ini tidak dikonfirmasi sebagai pilihan di dalam OmniArt, jadi artikel ini tidak menaut ke rute pembuatan H3 atau mengklaim alur kerja H3 OmniArt. Periksa lineup model video OmniArt saat ini untuk model yang tersedia hari ini.

Metode peta peran tetap dapat ditransfer dengan baik ke model video berbasis referensi yang didukung: siapkan satu gambar identitas, satu sumber gerakan, dan blok pelestarian pendek sebelum membuka workspace. Jaga prompt tetap netral-model sampai brief kreatif stabil, lalu sesuaikan label lampiran dan sintaks khusus fitur ke model yang benar-benar Anda pilih. Itu memberi Anda lembar arahan yang dapat digunakan ulang sekarang dan prompt H3 yang bersih jika model bergabung dengan OmniArt nanti.

Untuk tarif API resmi, penagihan video referensi, dan contoh biaya yang dikerjakan, gunakan panduan harga dan spesifikasi MiniMax H3. Panduan itu memakai halaman harga MiniMax sendiri alih-alih tarif reseller.