MiniMax-H3-Prompt-Anleitung

Diese Anleitung folgt dem Leitfaden zum Prompt-Schreiben von MiniMax für H3 und seinem API-Leitfaden. Zum Modell siehe die Seite zu MiniMax H3.

Der Leitfaden von MiniMax teilt einen Prompt in drei Teile: eine Beschreibung entlang der Zeitachse (Stil, Bildaufbau, Motive, Handlung, Kamera, Sprechende und die Geräusche, die zu einer Handlung gehören), eine Klangkulisse für den ganzen Clip und Musik, die die Figuren nicht hören können.

1. 1Beginne mit dem Stil und dem ersten Bildaufbau: „Realfilm, filmisch, eine halbtotale Einstellung zeigt …“.
2. 2Nenne jedes Motiv mit den Details, die bleiben müssen: Alter, Kleidung, Farben, Position.
3. 3Schreib die Handlung der Reihe nach, mit der Kamerabewegung im Satz.
4. 4Beginne jede spätere Einstellung mit ihrer Schnittzeit: „[Shot 2] Bei 00:05.000 schneidet die Kamera auf …“.
5. 5Beschreibe jede Stimme einmal, dann den Satz in Anführungszeichen, mit seiner Sprache.
6. 6Schließe mit der Klangkulisse, dann der Musik, oder sag, dass es keine gibt.

Der Leitfaden von MiniMax schreibt die Teile als beschriftete Felder, die Form, die sein Prompt-Umschreiber H3-Context-IR erzeugt; seine API-Beispiele sind einfache Sätze. So oder so: Behalte die Reihenfolge bei.

Der Leitfaden von MiniMax baut eine Bewegung aus ihrer Art, ihrer Reichweite (Amplitude) und ihrem Tempo (Geschwindigkeit) auf, geschrieben als Handlung im Satz, nicht als Label am Ende.

Der API-Leitfaden von MiniMax akzeptiert auch eine Kurzform: [pan], [zoom] oder [static] direkt nach der Beschreibung, für die es gilt. Der Kamera-Leitfaden von Hailuo ergänzt: eine Hauptbewegung pro Clip, beruhigt mit „langsam“ oder „dezent“.

Für ein ruhiges Bild schlägt der Leitfaden gegen unerwünschte Bewegung von Hailuo Rig-Begriffe vor, eine statische Einstellung oder ein Stativ; Handkamera bringt Zufall hinein. Ändert sich nur die Entfernung, sagt MiniMax: Bewege die Kamera, statt zu schneiden.

Jeder H3-Clip hat Stereoton, der mit dem Bild entsteht. MiniMax setzt Sätze und Handlungsgeräusche in die Beschreibung, dort, wo sie passieren; die Klangkulisse deckt den Rest ab; Musik kommt zuletzt. Siehe natives Audio.

• Beschreibe eine Stimme einmal: Alter, Tonhöhe, Klangfarbe, Tempo oder Akzent. MiniMax gibt jeder sprechenden Person eine ID, (S1) oder (S2), die über die Einstellungen hinweg bleibt.
• Lass die Sprechweise außerhalb der Anführungszeichen und nur die gesprochenen Worte darin: Sie sagt auf Französisch: „Bonjour, les croissants sortent du four.“
• Schreib für eine Sprecherstimme „sagt als Sprecherstimme aus dem Off“ und füge dann hinzu, dass die Lippen der Figur im Bild geschlossen bleiben.
• Schreib die Klangkulisse in einem bis vier Sätzen: Wind, Schritte, Atmen; kein Dialog.
• Schreib die Musik als Instrumente, Tempo und Lautstärke, nicht als Stimmungen, oder sag, dass es keine gibt.

Die Modellkarte von MiniMax nennt Dialoge, die in 11 Sprachen zuverlässig funktionieren: Arabisch, Chinesisch, Englisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch; andere funktionieren weniger beständig. Setz jeden Text auf Schildern oder Etiketten in doppelte Anführungszeichen, genau so, wie er lauten soll. Siehe Lip Sync.

Die API von MiniMax nimmt bis zu 7.000 Zeichen an, und die Prompts seines Umschreibers laufen auf Hunderte Wörter hinaus: Verwende sie auf das, was gesehen und gehört wird, Moment für Moment.

Setz die Schnittzeiten wie MiniMax: keine Zeit bei der ersten Einstellung, eine spätere Zeit bei jeder folgenden und an jedem Schnitt etwas Neues. Der allgemeine Prompt-Leitfaden von Hailuo empfiehlt für die meisten Plattformen 20 bis 50 Wörter; die eigenen Beispiele für H3 sind länger, probier also beides.

Auf DreamBench rendert H3 21:9, 16:9, 9:16 für Reels und Shorts, 1:1 und 4:3; die App Hailuo AI von MiniMax bietet zusätzlich 3:4.

Die API von MiniMax nimmt ein Startbild, ein Endbild oder beides an; das Bild legt das Format des Clips fest. Siehe Bild-zu-Video und Start- und Endbild.

1. 1Geh vom Bild aus: die junge Frau am regennassen Zugfenster.
2. 2Sag, wie die Handlung beginnt: Die Kamera fährt langsam seitlich nach rechts, als sie vom Brief aufblickt.
3. 3Ende mit einem Ergebnis: Sie faltet den Brief entlang seines Knicks.

Das eigene Beispiel von MiniMax verlangt eine Veränderung: „Zieh die Schärfe auf die Menschen im Hintergrund und lass mehr Dampf aus der Ramen-Schüssel aufsteigen.“ Der Composer von DreamBench hat kein Feld für Start- oder Endbild: In einem Film zeichnet er jedes Startbild aus deinen Referenzen, und der Prompt sagt, wie der Clip endet.

Der Referenzmodus von MiniMax nimmt bis zu 9 Bilder, 3 Videos und 3 Audioclips an, insgesamt 12 Dateien; seine Funktionsbeispiele benennen jede Datei im Prompt: „Image 2: Figur. Image 3: Tasche.“ Referenzen und Start- oder Endbilder lassen sich nicht kombinieren.

• Beschreibe jede Figur in jeder Einstellung mit denselben Worten: „ein Bäcker mittleren Alters mit grauem Bart und grüner Schürze“.
• Halte die Stimmbeschreibung jeder sprechenden Person und ihre ID über die Einstellungen hinweg gleich.
• Behalte Kleidung, Requisiten, Tageszeit und Licht bei.

DreamBench schickt H3 keine Referenzbilder, -videos oder -audios. In einem Film wird jede Figur, jeder Ort und jede Requisite einmal als Blatt gezeichnet, und das Startbild jedes Clips aus den Blättern, die er braucht. Siehe Figurenkonsistenz und Referenz-zu-Video.

MiniMax hat H3 für Multi-Shot-Videos trainiert, und sein Leitfaden timt Schnitte innerhalb eines Clips. Über 15 Sekunden hinaus oder um eine Einstellung einzeln neu zu machen, mach aus jeder Einstellung einen eigenen Clip. Siehe Multi-Shot-Video.

• Innerhalb eines Clips: Nummeriere die Einstellungen, time jeden Schnitt nach dem ersten, beschreibe Motive identisch.
• Über Clips hinweg: je ein Moment, an jedem Übergang ein neuer Bildausschnitt, die Atmosphäre läuft durch.

Auf DreamBench beschreibst du den Film und wählst MiniMax H3: DreamBench schreibt jede Einstellung als einen durchgehenden Clip von bis zu 12 Sekunden, zeichnet sein Startbild und schneidet die Clips zusammen; generiere jeden mit einer Notiz neu. Auf der Seite „Video“ erreichen deine Einstellungslabels H3 so, wie du sie geschrieben hast.

Füge sie auf der Seite „Video“ von DreamBench oder in jedes Tool für MiniMax H3 ein. Jedes ist ein Clip.

Drei getimte Einstellungen: die Bäckerei am Morgen

12 Sekunden, 16:9. [Shot 1] Realfilm, filmisch, eine halbtotale Einstellung einer Straßenbäckerei vor Sonnenaufgang. Ein Bäcker mittleren Alters mit grauem Bart und grüner Schürze legt einen Laib auf die Theke, während die Kamera langsam heranfährt. Der Bäcker, mit ruhiger, rauer Stimme, sagt auf Englisch: „First batch of the morning.“ [Shot 2] Bei 00:05.000 schneidet die Kamera auf eine statische Nahaufnahme von aufsteigendem Dampf, während er den Laib aufschneidet. [Shot 3] Bei 00:09.000 schneidet das Bild auf die Hand einer Kundin, die eine Papiertüte nimmt. Soundscape: Bleche klirren, die Türglocke läutet einmal. Music: eine sanfte Akustikgitarre, die am Ende ausklingt.

Produkt mit Etikett: eine Teedose

8 Sekunden, 1:1. Realfilm, eine nahe Einstellung einer Teedose auf einem Eichentisch, Morgenlicht von links. Auf dem Deckel steht „HIGHLAND BREAKFAST“ in goldenen Großbuchstaben. Eine Hand hebt den Deckel, und ein Löffel schöpft dunkle Blätter; die Kamera fährt langsam heran, die Schrift scharf. Soundscape: das leise Ploppen des Deckels, raschelnde Blätter. Music: keine.

Dialog: zwei Sprechende im Nachtbus

10 Sekunden, 16:9. Realfilm, eine statische Zweiereinstellung auf dem Oberdeck eines Nachtbusses, Stadtlichter ziehen vorbei. Ein junger Mann in gelber Regenjacke, mit schneller, nervöser Stimme, sagt auf Englisch: „I think we missed our stop.“ Die Frau neben ihm, mit tiefer, amüsierter Stimme, blickt nicht von ihrem Buch auf: „Two stops ago.“ Soundscape: das Brummen des Motors, Regen auf dem Dach. Music: keine.

Ein Satz auf Spanisch: der Obststand

6 Sekunden, 9:16. Realfilm, eine statische halbnahe Einstellung an einem Marktstand in der Mittagssonne. Eine ältere Frau in gestreifter Schürze hält eine Mango in die Kamera und sagt mit warmer, flotter Stimme auf Spanisch: „¡Prueba este, está dulcísimo!“ Soundscape: Stimmengewirr auf dem Markt, eine knisternde Papiertüte. Music: keine.

Sprecherstimme: ein vorgelesener Brief

10 Sekunden, 16:9. Realfilm, eine nahe Einstellung eines alten Mannes in brauner Strickjacke, der bei Lampenlicht einen handgeschriebenen Brief liest. Die Kamera fährt langsam seitlich nach links. Der alte Mann, mit sanfter, tiefer Stimme, sagt als Sprecherstimme aus dem Off: „Ich erinnere mich noch an den Weg zu deinem Haus.“ Seine Lippen bleiben geschlossen. Soundscape: eine tickende Uhr, Regen am Fenster. Music: spärliches Klavier in langsamem Tempo.

Nahaufnahme-Ton: Brot auf einem Brett

6 Sekunden, 9:16. Realfilm, eine statische Detailaufnahme eines Sauerteiglaibs auf einem Brett. Ein Wellenschliffmesser sägt in drei langsamen Zügen hindurch, und die Scheibe fällt ab. Soundscape: die Kruste knistert unter der Klinge, nah und knackig. Music: keine.

Stereo in Bewegung: eine Straßenbahn quer durchs Bild

10 Sekunden, 21:9. Realfilm, eine statische Totale eines gepflasterten Platzes in der Abenddämmerung. Eine rote Straßenbahn fährt links ins Bild, rattert hindurch und verlässt es rechts, wobei sie einmal klingelt. Soundscape: das Rumpeln wandert in Stereo von links nach rechts, Räder quietschen in der Kurve. Music: keine.

Animation: ein Roboter aus Knete

8 Sekunden, 1:1. Claymation, ein kleiner blauer Knetroboter mit einem runden Auge auf einer Werkbank. Er nimmt eine Schraube, dreht sie in seine eigene Brust und hüpft stolz. Eine Bogenfahrt umkreist ihn langsam. Soundscape: Knete quietscht, ein metallisches Klicken. Music: ein leichtes Xylofon in hüpfendem Tempo.

App-Animation: ein Banking-Bildschirm

8 Sekunden, 9:16. 3D-CG, ein Smartphone-Bildschirm auf fliederfarbenem Hintergrund. Eine Kontostandskarte gleitet nach oben und zeigt „2.480,00 £“, drei Zahlungen fallen herein, und neben „Miete bezahlt“ erscheint ein grünes Häkchen. Die Kamera fährt langsam heran. Soundscape: sanftes Tippen, ein Glockenton beim Häkchen. Music: ein minimalistischer elektronischer Puls.

Sport: ein Ruderer im Morgengrauen

8 Sekunden, 16:9. Realfilm, ein Skuller in weißem Trikot rudert im Morgengrauen über einen nebligen See. Eine Kamerafahrt folgt auf Wasserhöhe, dann hebt sich die Kamera, während das Boot vorbeigleitet. Soundscape: eintauchende Ruder, der gleitende Rollsitz, ein rufender Vogel. Music: keine.

Trailer im Hochformat: der Leuchtturm

15 Sekunden, 9:16. [Shot 1] Realfilm, filmisch, eine Totale eines Leuchtturms, über dem Sturmwellen brechen. [Shot 2] Bei 00:04.000 schneidet die Kamera auf eine junge Leuchtturmwärterin mit kurzem rotem Haar und Ölzeugmantel an der Reling; sie ruft auf Englisch, mit heiserer Stimme: „The light’s gone out!“ [Shot 3] Bei 00:09.000 schneidet das Bild auf ihre Hand, die im dunklen Lampenraum ein Streichholz anzündet. Soundscape: heulender Wind, donnernde Wellen. Music: tiefe Streicher, die anschwellen und bei der Flamme abbrechen.

Ein einzeiliger Prompt mit Kameraanweisung

5 Sekunden, 16:9. Ein Fuchs trabt in der Abenddämmerung über ein verschneites Feld [static], bleibt stehen und taucht dann kopfüber in den Schnee [zoom]. Leiser Wind, ein dumpfer Aufprall.

Die meisten schwachen H3-Prompts sind zu kurz, nicht falsch.

• Ein Prompt, zweimal ausgeführt, ergibt zwei Clips.
• Laut MiniMax lassen sich visuelle Details in manchen Szenen noch verbessern: Halte wichtige Details groß im Bild, in 1080p.
• Jeder Clip hat Ton; für Stille verlang Raumton und schalte ihn in einem Schnittprogramm stumm.
• Eine echte Person oder ein echtes Produkt lässt sich nicht aus Worten erkennen; dafür braucht es ein Bild, das du verwenden darfst.
• Eine Generierung endet nach 15 Sekunden, und auf der Seite „Video“ von DreamBench wird ein Prompt über 5.000 Zeichen abgelehnt.

• Ein Clip: Wähle auf der Seite „Video“ MiniMax H3, füge deinen Prompt ein, wähle 5, 6, 8, 10, 12 oder 15 Sekunden, das Format und 720p oder 1080p. Er geht so an H3, wie du ihn geschrieben hast.
• Ein Prompt: Der KI-Video-Prompt-Generator schreibt einen für jedes Modell, in der Reihenfolge einer Shotlist; er hat kein Preset für H3 und schreibt nur den Prompt.
• Ein Film: Beschreib ihn, füge bis zu 8 Referenzbilder hinzu und wähle MiniMax H3; DreamBench schreibt, zeichnet und schneidet jede Einstellung, und du kannst jede einzelne neu generieren.
• Nicht angeboten: Start- oder Endbilder, an H3 geschickte Referenzen, Videobearbeitung oder 3:4.

MiniMax H3 ist in jedem Tarif enthalten. Der Composer zeigt den Preis in Credits, bevor du generierst; beim ersten Mal erstellst du ein kostenloses Konto und wählst einen Tarif. Für ein anderes Modell siehe die Prompt-Anleitung für Grok Imagine 1.5, Veo 3.1 oder Kling 3.0; für Prompts nur aus Worten Text-zu-Video.