一段提示詞同時用圖片、影片和音訊參考
MiniMax H3 一次生成最多可以接收 9 張參考圖、3 段參考影片和 3 段音訊,而且是放在一起理解,不是一個一個處理。
MiniMax 自己舉的例子,是用一句話要求模型照著影片裡的運鏡、讓圖片中的角色唱歌,並讓歌聲對上一段音訊。
在提示詞裡寫清楚每份素材的用途,否則模型只能用猜的:「保留人像照裡的臉,照參考影片的推軌運鏡,讓他唱出音訊裡的旋律」。
參考素材和首幀、尾幀不能在同一次生成裡一起用,所以每支影片只能選一種方式;用參考素材生成時,請選 H3。
請使用你自己的素材,或已取得授權的素材,涉及人臉和聲音時尤其要注意。

電影感 16:9 影片關鍵影格,用細細的深色間隔分開的三聯畫:左邊是一張樸素的棚拍肖像,一位穿海軍藍針織毛衣的年輕男子站在灰色背景前;中間是一張鉛筆分鏡草圖,畫的是鏡頭沿港邊碼頭推軌移動;右邊是同一位穿同一件海軍藍毛衣的年輕男子在黃昏的港邊碼頭上唱歌,鏡頭在他身旁跟著移動,身後是繫泊的船和路燈。三格裡的臉和衣著保持一致,深藍與珊瑚色配色,無文字,無標誌。








