BestAIVideo
MiniMax H3 transforme un brief écrit en vidéo de 4 à 15 secondes et génère un son stéréo avec l'image. Vous pouvez partir d'un simple texte, ancrer un plan avec une première et une dernière image, ou confier au modèle des images et des extraits audio de référence, puis vérifier le coût en crédits avant l'envoi.
MiniMax H3 lit ensemble texte, images et audio : le même générateur couvre donc une idée née d'une page blanche, une image de storyboard et une ambiance construite à partir de votre propre son. Voici les commandes qui comptent en pratique.
Choisissez texte vers vidéo, génération par images clés avec une première image obligatoire et une dernière image facultative, ou Référence Omni avec une à cinq images. Chaque mode n'affiche que les entrées qu'il peut utiliser.
Testez vos compositions rapidement en 768P, puis repassez le même brief en 2K quand la fourrure, le tissu ou les lettres doivent tenir sur un grand écran. La 2K est la sélection par défaut.
Choisissez n'importe quelle durée entière entre 4 et 15 secondes, pour qu'une révélation de produit, une transition ou une courte scène dispose exactement de la place dont elle a besoin.
Dialogues, ambiance de la pièce, effets et musique sont générés en stéréo en même temps que la vidéo. Inutile de chercher un interrupteur audio : la direction sonore doit donc figurer dans votre prompt.
MiniMax explique que la structure du prompt compte davantage sur H3 que sur la plupart des modèles vidéo, car un modèle de langage multimodal lit votre brief. Traitez-le comme une courte note de tournage plutôt que comme une liste de mots-clés.
Ouvrez sur le sujet et le décor en une phrase, puis sur l'unique action qui doit se produire. Un plan avec un seul sujet et un seul mouvement se juge plus facilement qu'une scène chargée.
En Référence Omni, nommez ce que chaque image apporte : le personnage, le produit, le lieu ou le style. Les fichiers audio fonctionnent de la même façon, qu'ils fournissent une voix, de la musique ou une ambiance.
MiniMax documente de courtes indications de caméra entre crochets, comme [pan], [zoom] et [static], placées après le texte de la scène. Limitez-vous à un seul mouvement de caméra par clip.
Placez chaque réplique, chaque effet ou chaque repère musical à côté de l'action à laquelle il appartient. Les prompts peuvent atteindre 7 000 caractères, ce qui suffit largement pour un plan sonore minuté.
Posé sur un fond noir, le clip montre comment la 2K garde nettes chaque écaille, une paupière translucide et un iris réfléchissant pendant que l'animal respire, cligne des yeux et agite la langue. Son prompt nomme l'éclairage, la profondeur de champ et le seul mouvement naturel.
La caméra s'élève devant des rangées de fenêtres et des lampes suspendues, pendant que des lumières vertes et magenta glissent sur des parois métalliques. Le prompt écrit le son comme un trajet, du bourdonnement de l'ascenseur aux câbles qui cliquettent dans le champ stéréo, le genre de direction que H3 sait suivre.
Un disque qui tourne, un train sous la pluie et un dossier de preuves rouge s'enchaînent avec du texte animé et une texture de trame. C'est un modèle utile pour un clip qui repose sur le rythme et les raccords plutôt que sur une seule action continue.
Une demande est soit pilotée par des images clés, soit par des références. Si vous avez besoin à la fois d'une première image fixe et de plusieurs références, décidez laquelle définit l'aspect et laissez l'autre passer par le texte du prompt.
Un clip de 4 secondes convient à un seul geste. Au-delà de 10 secondes, vous pouvez vous offrir un second temps fort ou une coupe, mais écrivez-le dans l'ordre pour que le modèle n'ait pas à deviner la suite.
Coupez le son une fois pour juger le mouvement, puis écoutez en masquant l'image. Les problèmes de rythme et d'équilibre s'entendent mieux quand on sépare les deux.
Construisez une ouverture de 15 secondes avec texte, coupes et pulsation musicale pour une présentation ou une bande-annonce de festival, avec un seul prompt pour l'image et le son.
Animez un packshot à partir d'une première image, ou ajoutez une dernière image pour que le produit se pose dans la position attendue par votre mise en page.
Utilisez le format 9:16 pour donner à une illustration de personnage une lente dérive de caméra, une boucle de respiration ou un léger changement de lumière.
Passez les mêmes images de référence dans plusieurs briefs pour tester la couleur, la caméra et la direction musicale avant de vous engager sur l'une d'elles.
Dégrossissez un temps fort de cinématique, un moment d'interface ou l'entrée d'une créature en 768P, puis ne finalisez en 2K que les plans approuvés.
Associez une étape visuelle claire à une réplique ou à un effet pour qu'une courte leçon sur un concept arrive avec son audio déjà en place.
MiniMax H3, aussi appelé Hailuo 3.0 ou Hailuo 03, est le modèle vidéo multimodal de MiniMax. Il lit texte, images et audio comme un seul contexte et renvoie une vidéo avec un son stéréo généré en même temps.
Texte vers vidéo, génération par images clés et Référence Omni. La génération par images clés exige une première image et accepte une dernière image facultative. La Référence Omni exige au moins une image et en accepte jusqu'à cinq, plus jusqu'à trois fichiers audio facultatifs.
Utilisez le 768P tant que vous hésitez sur la composition et le mouvement, car c'est la façon la moins chère d'itérer. Passez en 2K pour la passe finale, surtout quand la texture, les petits textes ou le détail du produit comptent.
N'importe quel nombre entier de secondes de 4 à 15. La valeur par défaut est de 6 secondes, qui convient à une seule action ; réservez les durées plus longues aux séquences avec coupes ou montée sonore.
Oui. Voix, ambiance, effets et musique sont générés en stéréo avec la vidéo : il n'y a donc rien à importer, sauf si vous voulez orienter le son avec vos propres références audio.
Oui. Importez une première image pour lancer le plan, ou ajoutez une dernière image pour que la vidéo voyage entre deux aspects définis. Le format d'image suit l'image que vous importez.
De une à cinq images au format JPG, PNG, WebP, HEIC ou HEIF, et jusqu'à trois fichiers WAV ou MP3. Une image est obligatoire, et le format peut être réglé sur adaptatif pour que la sortie suive vos références.
La génération à partir de texte propose 21:9, 16:9, 4:3, 1:1, 3:4 et 9:16, avec 16:9 par défaut. Le mode référence ajoute une option adaptatif, et le mode images clés suit l'image importée.
Décrivez le sujet et le décor, puis une action, puis le mouvement de caméra, puis le son. De courtes indications entre crochets comme [static] ou [pan] peuvent suivre le texte de la scène, et chaque référence doit avoir un rôle déclaré.
Utilisez des images propres et bien éclairées où le sujet n'est pas coupé, et gardez un style cohérent entre elles. Supprimez les silences de l'audio pour qu'une voix, un repère musical ou une nappe d'ambiance soit facile à identifier.
Vérifiez d'abord l'identité et la composition, puis si l'action se termine bien dans la durée choisie. Regardez ensuite la continuité de la caméra, les mains et les détails fins, et enfin le rythme des dialogues et l'équilibre stéréo.
Choisissez texte, images clés ou références, sélectionnez 768P ou 2K, et consultez le coût en crédits avant l'envoi.
