MiniMax: H3 Max

Eine schnelle, nachtrainierte H3-Variante

MiniMax H3 Max ist eine nachtrainierte Variante des Basismodells MiniMax H3, optimiert auf schnellere Generierung, Prompt-Treue und audiovisuelle Qualität. fal Research entwickelte die Variante durch Nachtraining. Sie behält einen einheitlichen multimodalen Kontext und nativ synchronisierte Bild- und Tonausgabe bei. Geschwindigkeit ist ein Entwicklungsziel, keine feste Fertigstellungszeit für jeden Prompt, jede Dauer oder Anwendung.

Unterscheiden Sie Max vom ursprünglichen H3-System und von der separaten Variante Max Turbo. MiniMaxs aktuelle Schnittstelle führt Max mit 480P oder 768P, standardmäßig 768P, 24 Bildern pro Sekunde und einer ganzzahligen Dauer von 5 bis 15 Sekunden. Der dokumentierte Max-Ablauf bietet weder die 2K-Einstellung des ursprünglichen H3-Systems noch eine viersekündige Ausgabe.

Vom Prompt zur Einstellung

Jede Generierung enthält ein nicht leeres Textbriefing mit bis zu 7.000 Zeichen pro Textelement. Beschreiben Sie Motiv, Anfangskomposition, Handlung und Ergebnis und geben Sie Kamera- und Tonanweisungen klar an. Benennen Sie bei einer kurzen Objektenthüllung, was zuerst sichtbar sein soll, wie der Gegenstand ins Bild gelangt und wie die Einstellung endet.

Ein brauchbares Fünfsekundenbriefing könnte eine Keramiktasse auf einem Holztisch, eine Hand, die eine Untertasse danebenstellt, eine leichte Kamerafahrt nach vorne und das Geräusch von Keramik auf Holz beschreiben. Halten Sie die Handlung klein genug für die gewählte Dauer und prüfen Sie, ob Bewegung und Ton dasselbe Ereignis wiedergeben.

Bildgesteuerte Erstellung

Der Hersteller dokumentiert ein Anfangsbild, ein Endbild oder beide. Das erste Bild legt den Clipbeginn fest, das letzte den visuellen Endzustand. Erklären Sie die verbindende Bewegung einschließlich Änderungen an Pose, Objektposition, Kamera oder Licht. Vermeiden Sie bei einem Zweibildübergang ein Briefing, das zwischen den Endpunkten eine unvereinbare Szene einführt.

Bildgesteuerte Ausgabe leitet ihr Seitenverhältnis vom Eingabebild ab. Wählen Sie für reine Textarbeit ein konkretes Verhältnis aus 21:9, 16:9, 4:3, 1:1, 3:4 oder 9:16. Referenzgestützte Arbeit kann ein adaptives Verhältnis oder eine dokumentierte ausdrückliche Auswahl verwenden. Komponieren Sie Referenz oder Textszene für das Zielformat, statt anzunehmen, dieselbe Anordnung funktioniere im Hoch- und Querformat gleich gut.

Multimodale Referenzen

MiniMaxs aktuelles Max-Generierungsschema dokumentiert auch Referenzbilder, -videos und -ton. Nennen Sie, was jede Referenz beeinflussen soll: Figurenidentität, Umgebung, Bewegungsmuster, Kameraweg, Stimmklang oder Geräuscheigenschaft. Anfangs- und Endbildrollen sowie Referenzmedienrollen schließen sich in dieser Schnittstelle gegenseitig aus.

Benennen Sie für eine Figureneinstellung Aussehens- und Bewegungsreferenz getrennt und geben Sie anschließend Zielhandlung und gesprochenen Satz vor. Eine Stimmreferenz für den Vortrag unterscheidet sich vom Kopieren des gesamten Audiosignals. Beschreiben Sie ausdrücklich die zu erhaltenden Merkmale und gewünschten Änderungen und prüfen Sie den tatsächlichen audiovisuellen Clip anhand jeder Referenzrolle.

Prompt-Erweiterung

Die Max-spezifische Erweiterungseinstellung bietet disabled, balanced und quality; Standard ist balanced. Wählen Sie disabled, wenn das bereitgestellte Briefing ohne Erweiterung übernommen werden soll, oder einen dokumentierten Erweiterungsmodus, wenn zusätzliche Interpretation erwünscht ist. Behalten Sie das Originalbriefing, um durch die Erweiterung eingeführte Änderungen vom verlangten Inhalt unterscheiden zu können.

Beschreiben Sie den Ton als Teil der Szene. Benennen Sie physische Geräusche, Atmosphäre und gesprochene Wörter und trennen Sie sie von Hintergrundmusik, die nur das Publikum hört. Geben Sie den genauen Satz und den vorgesehenen Sprecher an, statt unbestimmten Dialog zu verlangen. Sehen und hören Sie das Ergebnis; ein überzeugendes Bild belegt keinen korrekten Wortlaut oder korrektes Timing.

Eingabevorbereitung und Grenzen

Das aktuelle Herstellerschema akzeptiert JPG-, JPEG-, PNG-, WebP-, HEIC- oder HEIF-Bilder bis jeweils 30 MB, mit Seiten von 256 bis 5.760 Pixeln und Seitenverhältnissen von 0,4 bis 2,5. Für Anfang und Ende ist je ein Bild zulässig; der Referenzmodus erlaubt bis zu neun Bilder. Sorgen Sie für klare Ansichten des Motivs und der erkennbar zu haltenden Details.

Referenzvideo erlaubt bis zu drei MP4- oder MOV-Clips von je 2–15 Sekunden und insgesamt höchstens 15 Sekunden bei 50 MB pro Datei. Dokumentiert sind H.264- oder H.265-Video, AAC- oder MP3-Ton, Seiten von 256 bis 5.760 Pixeln, Verhältnisse von 0,4 bis 2,5 und Bildraten von 23,976 bis 60. Referenzton erlaubt bis zu drei WAV- oder MP3-Clips von jeweils höchstens 15 MB und 2–15 Sekunden, insgesamt höchstens 15 Sekunden. Der Anfrageinhalt hat eine separate Grenze von 64 MB.

Verwenden Sie nur Referenzen, die zur Einstellung beitragen, und benennen Sie jeden Beitrag im Text. Ein kurzer relevanter Bewegungsclip ist als Vorgabe leichter nutzbar als eine lange Sammlung unzusammenhängender Ereignisse. Halten Sie gewünschte Dauer und Ausgabeauflösung ausdrücklich fest, damit das Ergebnis mit demselben Briefing verglichen werden kann.

Das fertige Ergebnis

Der asynchrone Herstellerablauf liefert eine Auftragskennung, bevor das fertige Video verfügbar ist. Seine Auftragsabfrage ruft Aufträge der vorangegangenen sieben Tage ab. Sichern Sie den tatsächlich zurückgegebenen Clip und seine Spezifikation für Schnitt oder weitere Prüfung; eine Auftragskennung ist kein audiovisuelles Ergebnis. Downloadadressen sind zeitlich begrenzt, daher sollten Sie für ein ausgewähltes Ergebnis die Datei selbst aufbewahren.

Prüfen Sie Motivkontinuität, Bewegung, sichtbaren Text, Dialog und Tontiming in der späteren Anzeigegröße. Geben Sie für ein weiteres kreatives Briefing konkretes Feedback: die veränderte Geste, den ausgelassenen Satz oder den anzupassenden Bildausschnitt. Das nutzbare Ergebnis ist eine kurze audiovisuelle Einstellung, verbunden mit den gelieferten Inhalten und ihren ausdrücklich definierten Referenzbeziehungen.