Guida ai prompt MiniMax H3: controlla ogni input di riferimento

L'idea utile dietro un prompt MiniMax H3 non è «scrivi più dettagli». È «assegna un compito a ogni input». H3 può ricevere testo, immagini, video e audio come insieme unificato di riferimenti, così un creator può ricavare l'identità del prodotto da un'immagine fissa, il movimento da una clip, il ritmo dall'audio e la direzione della ripresa dal prompt. Questa flessibilità aiuta soltanto quando il modello può capire quale fonte controlla quale parte del risultato.

Questa guida ai prompt MiniMax H3 trasforma quel principio in un formato ripetibile. Imparerai ad assegnare un ruolo a ogni asset, evitare che i riferimenti si contraddicano, scrivere regole di conservazione e dividere una generazione di 4–15 secondi in beat temporizzati. Le sei template finali coprono video di prodotto, movimento di personaggi, dialogo, montaggio video, movimento UI e transizioni dal primo all'ultimo fotogramma.

MiniMax H3, Hailuo 3.0 o Hailuo 03?

L'attuale documentazione di MiniMax chiama il modello MiniMax H3 e indica MiniMax-H3 come identificatore ufficiale del modello API. Nelle notizie di lancio e nei cataloghi di terze parti potresti trovare anche Hailuo 3.0, Hailuo 03 o Hailuo-3.0, perché Hailuo è il brand di prodotto video di MiniMax.

Usa l'etichetta richiesta dalla superficie che hai davanti. Per l'API V2 ufficiale di MiniMax documentata al momento della pubblicazione, significa MiniMax-H3; non presumere che un alias di marketplace sia anche un identificatore API ufficiale valido. Questa guida usa MiniMax H3 per il modello e generazione con riferimenti per la modalità che combina input di immagini, video e audio. «Riferimento omni» descrive utilmente quel flusso di lavoro con media misti, ma l'API ufficiale lo chiama reference-to-video.

Conosci le tre modalità di generazione H3

La scelta della modalità corretta viene prima della scrittura del prompt.

L'attuale specifica ufficiale elenca output 2K e durate intere da 4 a 15 secondi. Ogni richiesta richiede un prompt testuale non vuoto, con un limite di 7,000 caratteri. Una richiesta con riferimenti può includere fino a nove immagini, tre video e tre clip audio, per non più di 12 asset totali. I video di riferimento sono limitati a 15 secondi complessivi, così come le clip audio di riferimento. Un riferimento audio non può essere inviato da solo: deve accompagnare almeno un'immagine o un video.

Il testo in video richiede un rapporto d'aspetto concreto. La generazione con riferimenti può usare un rapporto concreto oppure lasciare che H3 scelga in modo adattivo, mentre la generazione da primo/ultimo fotogramma segue l'immagine caricata. Le scelte di rapporto documentate sono 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16.

Esiste un confine rigido nel flusso di lavoro: la modalità primo/ultimo fotogramma e la generazione con riferimenti non possono essere combinate nella stessa richiesta API. Se contano fotogrammi di confine esatti, usa la modalità primo/ultimo fotogramma. Se contano di più trasferimento di identità, movimento, stile o audio, usa la generazione con riferimenti e descrivi in testo la composizione iniziale.

Costruisci un prompt H3 come mappa dei ruoli

L'API H3 riceve i media come elementi tipizzati con ruoli quali reference_image, reference_video e reference_audio. Questi ruoli tecnici identificano il tipo di media; il tuo prompt dovrebbe andare oltre e dichiarare la responsabilità creativa di ciascun asset.

Usa quest'ordine:

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.

Le etichette numerate sopra sono etichette semantiche per il brief, non la promessa che ogni interfaccia H3 esponga handle letterali Reference image 1. Nell'API ufficiale, i file sono elementi separati nell'array content. In un'interfaccia visiva, usa i nomi degli allegati o la sintassi di menzione offerti dalla superficie, mantenendo la stessa logica di un asset, un compito.

Assegna a ogni asset un compito principale

Un riferimento contiene più informazioni di quante normalmente desideri trasferire. Una clip di danza contiene performer, vestiti, luogo, camera, illuminazione, movimento e forse musica. Se chiedi a H3 di «seguire il video», tutte queste caratteristiche entrano in competizione con l'immagine del tuo personaggio.

Vincola invece in modo preciso:

• Riferimento immagine: identità, volto, guardaroba, geometria del prodotto, logo, palette o design dell'ambiente.
• Riferimento video: movimento del corpo, percorso della camera, timing dell'azione, interazione fisica o ritmo di montaggio.
• Riferimento audio: carattere vocale, cadenza, ritmo musicale, ambiente sonoro o cue di un evento.
• Prompt testuale: scena finale, regole di trasferimento, timeline, priorità e istruzioni di conservazione.

Quando un asset deve svolgere due compiti, nomina entrambi e rendi esplicito il confine: «Il video di riferimento 1 controlla il percorso della camera e il timing dell'azione; ignora performer, guardaroba, luogo, color grading e audio».

Evita che i riferimenti entrino in conflitto

Il conflitto tra riferimenti è di solito un problema di istruzioni prima che di modello. Due immagini possono mostrare giacche diverse, una clip di movimento può usare un tipo di corpo differente oppure un beat audio può implicare tagli incompatibili con un movimento di camera continuo richiesto.

Usa un ordine di priorità scritto ogni volta che gli input si sovrappongono:

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.

Risolvi poi le contraddizioni anziché sperare che H3 deduca la tua preferenza. Se l'immagine dell'identità mostra capelli sciolti ma il video di movimento mostra un cappello, indica se il personaggio finale conserva i capelli o indossa il cappello. Se un riferimento di prodotto mostra un'etichetta leggibile ma l'immagine di stile è pittorica, specifica che la stilizzazione si applica all'ambiente mentre il packaging rimane fotorealistico.

Tre abitudini riducono i conflitti:

1. Usa il più piccolo set di riferimenti utile. Più input creano più possibili disaccordi. Aggiungi un file solo se contribuisce con informazioni che il prompt non può esprimere in modo affidabile.
2. Separa contenuto e stile. Indica quale riferimento possiede il soggetto e quale il trattamento.
3. Scegli una sola autorità per la camera. Trasferisci la camera da un video oppure dirigila in testo. Se servono entrambi, specifica che il video fornisce il timing mentre il testo prevale sull'inquadratura.

Per un flusso più ampio, sintomo per sintomo, tieni accanto a questa guida le 7 correzioni ai prompt video AI durante l'iterazione.

Scrivi istruzioni di conservazione verificabili

«Mantienilo coerente» è troppo vago. Un blocco di conservazione dovrebbe nominare proprietà visibili che puoi controllare in qualsiasi fotogramma.

Per un personaggio:

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.

Per un prodotto:

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.

Gli ancoraggi positivi devono venire prima; le esclusioni sono una barriera di sicurezza, non l'intero prompt. Mantieni breve e specifico l'elenco negativo. Dieci divieti vaghi possono diluire le quattro invarianti che decidono davvero se una ripresa è utilizzabile.

Se lo stesso personaggio comparirà in più clip generate separatamente, mantieni identico in ogni prompt il blocco di identità e guardaroba. Il flusso di lavoro per personaggi coerenti spiega come costruire quel pacchetto di riferimenti riutilizzabile lungo una sequenza più ampia.

Dirigi il tempo, non solo il contenuto

H3 permette clip da 4 a 15 secondi, ma un paragrafo lungo non dice al modello quando accade ogni evento. Una timeline trasforma il prompt in un piano di ripresa compatto.

Per una clip di 10 secondi:

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.

Mantieni realizzabile ogni beat. Un'azione principale più un movimento di camera sono di solito più chiari di una catena di trasformazioni non correlate. Fai in modo che gli intervalli temporali sommino alla durata selezionata, colloca dettagli importanti del prodotto o del volto in un beat più lento e riserva l'ultimo mezzo secondo o secondo per un punto di montaggio stabile.

L'audio può condividere lo stesso orologio:

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.

Per altro vocabolario su lenti, luce e camera, consulta la guida ai prompt video AI cinematografici.

Sei template di prompt MiniMax H3

Sostituisci i dettagli tra parentesi, allega soltanto gli asset elencati e adatta le etichette all'interfaccia che usi. Queste template sono punti di partenza strutturati basati sulle modalità di input H3 documentate; non sono presentate come vincitrici di benchmark né come output garantiti.

Template 1: Rivelazione di prodotto con riferimenti di movimento e musica

• Modalità: Generazione con riferimenti
• Asset: Un'immagine pulita del prodotto, un video di movimento della camera, riferimento musicale facoltativo

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.

Per la preparazione dell'immagine fissa che precede questo prompt, usa il flusso di lavoro da foto a video di prodotto.

Template 2: Trasferimento di movimento del personaggio senza deriva di identità

• Modalità: Generazione con riferimenti
• Asset: Un'immagine del personaggio, un video di movimento, immagine ambientale facoltativa

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: Performance di dialogo con riferimento vocale

• Modalità: Generazione con riferimenti
• Asset: Un'immagine del personaggio, una clip audio autorizzata di voce o dialogo

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: Sostituisci l'ambiente di un video sorgente

• Modalità: Generazione con riferimenti
• Asset: Un video sorgente, un'immagine dell'ambiente, immagine del soggetto facoltativa

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: Movimento UI di brand sincronizzato a un beat

• Modalità: Generazione con riferimenti
• Asset: Un'immagine del layout UI, un video di stile di movimento, riferimento audio facoltativo

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: Trasformazione esatta dal primo all'ultimo fotogramma

• Modalità: Immagine in video da primo/ultimo fotogramma
• Asset: Un'immagine del primo fotogramma e una dell'ultimo; nessun media di riferimento

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.

Non allegare a questa richiesta immagini, video o audio di riferimento delle altre template. L'API ufficiale tratta la generazione da primo/ultimo fotogramma e la generazione con riferimenti come modalità mutuamente esclusive.

Un ordine di iterazione pratico

Non modificare istruzioni di identità, movimento, camera, stile e audio dopo un singolo rendering deludente. Renderebbe impossibile capire quale istruzione ha aiutato.

Itera in tre passaggi:

1. Blocca ruoli e invarianti. Usa il set di riferimenti più piccolo e verifica che soggetto o prodotto restino riconoscibili.
2. Blocca azione e timeline. Aggiungi la fonte di movimento o i beat temporizzati, mantenendo semplice lo stile.
3. Aggiungi il trattamento. Introduci ambiente, illuminazione, grading, cue audio e dettagli finali dopo che i primi due livelli sono stabili.

Quando un risultato deraglia, semplifica prima di aggiungere altro linguaggio negativo. Rimuovi il riferimento meno importante, accorcia la timeline oppure assegna a una fonte un compito più ristretto. Confronta più varianti con la stessa checklist: identità, geometria, movimento, camera, timing audio e stabilità dell'ultimo fotogramma.

Iniziare da OmniArt

MiniMax H3 non è attualmente confermato come selezionabile in OmniArt, quindi questo articolo non collega una rotta di creazione H3 né rivendica un flusso di lavoro OmniArt per H3. Consulta l'attuale lineup di modelli video OmniArt per i modelli disponibili oggi.

Il metodo della mappa dei ruoli si trasferisce comunque bene ai modelli video supportati che usano riferimenti: prepara un'immagine di identità, una fonte di movimento e un breve blocco di conservazione prima di aprire lo spazio di lavoro. Mantieni il prompt neutrale rispetto al modello finché il brief creativo non è stabile, poi adatta etichette degli allegati e sintassi specifica alle funzionalità del modello che selezioni davvero. Così avrai ora una scheda di regia riutilizzabile e un prompt H3 pulito se il modello entrerà in OmniArt più avanti.

Per tariffe API ufficiali, fatturazione dei video di riferimento ed esempi di costo svolti, usa la guida a prezzi e specifiche MiniMax H3. Usa la pagina prezzi di MiniMax anziché una tariffa di rivenditore.