BestAIVideo
MiniMax H3 verwandelt ein geschriebenes Briefing in ein Video von 4 bis 15 Sekunden und erzeugt den Stereoton zusammen mit dem Bild. Hier können Sie mit schlichtem Text beginnen, eine Einstellung mit Start- und Endbild verankern oder dem Modell Referenzbilder und Audioclips mitgeben und dann die Credit-Kosten prüfen, bevor Sie absenden.
MiniMax H3 liest Text, Bilder und Audio gemeinsam, sodass derselbe Generator eine Idee von der leeren Seite, ein Storyboard-Bild und eine Stimmung aus Ihrem eigenen Ton abdeckt. Das sind die Bedienelemente, die in der Praxis zählen.
Wählen Sie Text zu Video, die Generierung aus Start- und Endbild mit einem Pflicht-Startbild und einem optionalen Endbild oder die Omni-Referenz mit einem bis fünf Bildern. Jeder Modus zeigt nur die Eingaben, die er verwenden kann.
Spielen Sie schnelle Kompositionen in 768P durch und schalten Sie dasselbe Briefing dann auf 2K um, wenn Fell, Stoff oder Schrift auf einem großen Bildschirm bestehen müssen. 2K ist die Voreinstellung.
Wählen Sie eine beliebige ganzzahlige Dauer zwischen 4 und 15 Sekunden, sodass eine Produktenthüllung, ein Übergang oder eine kurze Szene genau den Raum bekommt, den sie braucht.
Dialoge, Raumklang, Effekte und Musik werden in Stereo zusammen mit dem Video erzeugt. Sie müssen keinen Audioschalter suchen, die Regie für den Ton gehört in Ihren Prompt.
MiniMax sagt, dass die Struktur des Prompts bei H3 wichtiger ist als bei den meisten Videomodellen, weil ein multimodales Sprachmodell Ihr Briefing liest. Behandeln Sie es wie eine kurze Drehnotiz und nicht wie eine Liste von Tags.
Beginnen Sie mit Motiv und Umgebung in einem Satz und nennen Sie dann die eine Handlung, die geschehen soll. Eine Einstellung mit einem Motiv und einer Bewegung lässt sich leichter beurteilen als eine überfüllte Szene.
Benennen Sie bei der Omni-Referenz, was jedes Bild beisteuert: die Figur, das Produkt, den Schauplatz oder den Stil. Audiodateien funktionieren genauso, ob sie nun eine Stimme, Musik oder Atmosphäre liefern.
MiniMax dokumentiert kurze Kamerahinweise in eckigen Klammern wie [pan], [zoom] und [static], die nach dem Szenentext stehen. Beschränken Sie sich auf eine Kamerabewegung pro Clip.
Stellen Sie jede Dialogzeile, jeden Effekt und jeden Musikeinsatz neben die Handlung, zu der er gehört. Prompts dürfen bis zu 7.000 Zeichen lang sein, das reicht reichlich für einen zeitlich gegliederten Tonplan.
Vor schwarzem Hintergrund zeigt der Clip, wie 2K einzelne Schuppen, ein durchscheinendes Augenlid und eine spiegelnde Iris scharf hält, während das Tier atmet, blinzelt und die Zunge züngeln lässt. Sein Prompt nennt Beleuchtung, Schärfentiefe und die einzelne natürliche Bewegung.
Die Kamera steigt an sich wiederholenden Fenstern und hängenden Lampen vorbei, während grünes und magentafarbenes Licht über Metallwände gleitet. Der Prompt schreibt den Ton als Weg, vom Summen des Aufzugs bis zu Kabeln, die über das Stereofeld klappern, und das ist die Art von Regie, der H3 folgen kann.
Eine sich drehende Schallplatte, ein regennasser Zug und eine rote Beweismappe werden mit bewegter Schrift und Halbtontextur zusammengeschnitten. Das ist eine nützliche Vorlage für einen Clip, der von Rhythmus und Match Cuts lebt und nicht von einer einzigen durchgehenden Handlung.
Eine Anfrage ist entweder von Einzelbildern oder von Referenzen geleitet. Wenn Sie sowohl ein festes Startbild als auch mehrere Referenzen brauchen, entscheiden Sie, was den Look bestimmt, und lassen Sie das andere in den Prompt-Text einfließen.
Ein Clip von 4 Sekunden fasst eine Geste. Jenseits von 10 Sekunden ist Platz für einen zweiten Moment oder einen Schnitt, doch schreiben Sie ihn der Reihe nach, damit das Modell nicht raten muss, was als Nächstes kommt.
Schalten Sie den Clip einmal stumm, um die Bewegung zu beurteilen, und hören Sie dann mit verdecktem Bild zu. Probleme bei Timing und Balance sind leichter zu hören, wenn man beides trennt.
Bauen Sie mit einem Prompt für Bild und Ton einen 15 Sekunden langen Vorspann mit Schrift, Schnitten und musikalischem Puls für ein Pitch-Deck oder einen Festival-Teaser.
Animieren Sie ein Packshot-Foto aus einem Startbild oder ergänzen Sie ein Endbild, damit das Produkt in der Position zur Ruhe kommt, die Ihr Layout erwartet.
Nutzen Sie das Seitenverhältnis 9:16, um Figurenmotiven eine langsame Kameradrift, eine atmende Schleife oder einen sanften Lichtwechsel zu geben.
Schicken Sie dieselben Referenzbilder durch mehrere Briefings, um Farbe, Kamera und Musikrichtung zu testen, bevor Sie sich festlegen.
Skizzieren Sie einen Cutscene-Moment, einen Oberflächenmoment oder den Auftritt einer Kreatur in 768P und stellen Sie nur die freigegebenen Einstellungen in 2K fertig.
Verbinden Sie einen klaren visuellen Schritt mit einem gesprochenen Satz oder einem Effekt, damit eine kurze Konzeptlektion mit bereits vorhandenem Audio ankommt.
MiniMax H3, auch Hailuo 3.0 oder Hailuo 03 genannt, ist das multimodale Videomodell von MiniMax. Es liest Text, Bilder und Audio als einen gemeinsamen Kontext und liefert Video mit Stereoton, der zeitgleich erzeugt wird.
Text zu Video, die Generierung aus Start- und Endbild und die Omni-Referenz. Die Generierung aus Einzelbildern braucht ein Startbild und akzeptiert ein optionales Endbild. Die Omni-Referenz braucht mindestens ein Bild und nimmt bis zu fünf entgegen, dazu bis zu drei optionale Audiodateien.
Nutzen Sie 768P, solange Sie über Komposition und Bewegung noch entscheiden, denn so iterieren Sie günstiger. Wechseln Sie für den finalen Durchgang zu 2K, besonders wenn Textur, kleine Schrift oder Produktdetails zählen.
Jede ganze Sekundenzahl von 4 bis 15. Die Voreinstellung sind 6 Sekunden, passend für eine einzelne Handlung. Nutzen Sie die längeren Dauern für Sequenzen mit Schnitten oder einem Aufbau im Ton.
Ja. Stimmen, Atmosphäre, Effekte und Musik werden in Stereo zusammen mit dem Video erzeugt, es gibt also nichts hochzuladen, es sei denn, Sie wollen den Ton mit eigenen Audioreferenzen steuern.
Ja. Laden Sie ein Startbild hoch, um die Einstellung zu eröffnen, oder ergänzen Sie ein Endbild, damit das Video zwischen zwei festgelegten Looks wandert. Das Seitenverhältnis folgt dem Bild, das Sie hochladen.
Ein bis fünf Bilder in JPG, PNG, WebP, HEIC oder HEIF und bis zu drei WAV- oder MP3-Dateien. Ein Bild ist erforderlich, und das Seitenverhältnis lässt sich auf adaptiv stellen, damit die Ausgabe Ihren Referenzen folgt.
Die Textgenerierung bietet 21:9, 16:9, 4:3, 1:1, 3:4 und 9:16, wobei 16:9 die Voreinstellung ist. Der Referenzmodus ergänzt eine adaptive Option, und der Modus mit Einzelbildern folgt dem hochgeladenen Bild.
Beschreiben Sie Motiv und Umgebung, dann eine Handlung, dann die Kamerabewegung, dann den Ton. Kurze Hinweise in eckigen Klammern wie [static] oder [pan] können auf den Szenentext folgen, und jede Referenz sollte einen genannten Zweck haben.
Verwenden Sie saubere, gut beleuchtete Bilder, auf denen das Motiv nicht abgeschnitten ist, und halten Sie den Stil über alle hinweg einheitlich. Schneiden Sie Stille aus dem Audio, damit sich eine Stimme, ein Musikeinsatz oder ein Atmosphärenteppich leicht erkennen lässt.
Prüfen Sie zuerst Identität und Komposition, dann ob die Handlung innerhalb der gewählten Länge endet. Danach achten Sie auf Kontinuität der Kamera, Hände und feine Details und zuletzt auf das Timing der Dialoge und die Stereobalance.
Wählen Sie Text, Einzelbilder oder Referenzen, entscheiden Sie sich für 768P oder 2K und sehen Sie die Credit-Kosten, bevor Sie absenden.
