Референсы из изображений, видео и аудио в одном промпте
MiniMax H3 принимает за одну генерацию до 9 референсных изображений, 3 референсных видео и 3 аудиофрагментов и воспринимает их вместе, а не по очереди.
В собственном примере MiniMax одной фразой просит повторить движение камеры из видео, заставить персонажа с картинки петь и подстроить вокал под аудиофрагмент.
Укажите в промпте, зачем нужен каждый референс, иначе модели придётся угадывать: «сохрани лицо с портрета, повтори проезд камеры из референсного видео и пусть он поёт мелодию из аудиофрагмента».
Референсы нельзя совмещать с первым или последним кадром в одной генерации, так что выбирайте один подход на ролик, а для роликов на референсах берите H3.
Используйте свои материалы или материалы, на которые у вас есть права, особенно если это лица и голоса.
Кинематографичный ключевой кадр видео 16:9: триптих из трёх панелей, разделённых тонкими тёмными полосами: слева — простой студийный портрет молодого человека в тёмно-синем вязаном свитере на сером фоне; в центре — карандашная раскадровка, где камера проезжает вдоль причала в гавани; справа — тот же молодой человек в том же тёмно-синем свитере поёт на причале в сумерках, а камера движется рядом с ним, позади пришвартованные лодки и фонари. Одно и то же лицо и одежда на всех панелях, палитра глубокого синего и кораллового, без текста и логотипов.
