مراجع من الصور والفيديو والصوت في موجّه واحد
يقبل MiniMax H3 في التوليد الواحد ما يصل إلى 9 صور مرجعية، و3 مقاطع فيديو مرجعية، و3 مقاطع صوتية، ويقرؤها معًا لا واحدًا تلو الآخر. وفي مثال من MiniMax نفسها يُطلب من النموذج في جملة واحدة أن ينسخ حركة الكاميرا من فيديو، وأن يجعل الشخصية من صورة تغني، وأن يطابق الغناء مع مقطع صوتي. والموجّه هو المكان الذي تقول فيه ما دور كل مرجع: «احتفظ بالوجه والكنزة الكحلية من الصورة الشخصية، واتبع حركة الكاميرا المنزلقة في الفيديو المرجعي، ودعه يغني اللحن من المقطع الصوتي على الميناء عند الغسق». ومن دون هذه الجملة يضطر النموذج إلى التخمين أي مُدخل يتحكم في ماذا. ولا يمكن الجمع بين المراجع وإطار أول أو أخير في التوليد نفسه، فاختر طريقة واحدة لكل مقطع، واختر H3 من قائمة النماذج للمقاطع المبنية على المراجع. واستخدم موادك الخاصة أو مواد لديك إذن باستخدامها، ولا سيما الوجوه والأصوات.
لقطة مفتاحية سينمائية لفيديو بنسبة 16:9، ثلاثية من ثلاث لوحات تفصل بينها خطوط داكنة رفيعة: إلى اليسار صورة شخصية بسيطة في الاستوديو لشاب بكنزة كحلية محبوكة أمام خلفية رمادية؛ وفي الوسط رسم لوحة قصصية بالقلم الرصاص لكاميرا تنزلق على امتداد رصيف ميناء؛ وإلى اليمين الشاب نفسه بالكنزة الكحلية نفسها يغني على رصيف الميناء عند الغسق بينما تتحرك الكاميرا بجانبه، وخلفه قوارب راسية ومصابيح. وجه وملابس متطابقة في كل اللوحات، ولوحة ألوان من الأزرق العميق والمرجاني، دون نصوص أو شعارات.
