MiniMax: H3 Max

Eine schnelle, nachtrainierte H3-Variante

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

Unterscheiden Sie Max vom ursprünglichen H3-System und der separaten Variante Max Turbo. Die aktuelle MiniMax-Schnittstelle führt Max mit 480P oder 768P auf, mit 768P als Standard, 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, Ausgangskomposition, Handlung und Ergebnis und geben Sie anschließend Kamera und Ton klar vor. Legen Sie bei einer kurzen Objektenthüllung fest, was das Publikum zuerst sehen soll, wie das Objekt ins Bild gelangt und wie die Einstellung enden soll.

Ein hilfreiches fünfsekündiges Briefing könnte eine Keramiktasse auf einem Holztisch beschreiben, eine Hand, die daneben eine Untertasse abstellt, eine kleine Kamerafahrt nach vorn und den Klang von Keramik auf Holz. Begrenzen Sie die Handlung so, dass sie in die gewählte Dauer passt, und prüfen Sie, ob erzeugte Bewegung und Ton demselben Ereignis folgen.

Erstellung mit Einzelbildvorgaben

Der Hersteller dokumentiert ein Anfangsbild, ein Endbild oder beide. Das erste Bild legt den Ausgangspunkt des Clips fest, das letzte den endgültigen visuellen Zustand. Erläutern Sie die verbindende Bewegung, einschließlich Änderungen an Pose, Objektposition, Kamera oder Beleuchtung. Vermeiden Sie bei einem Übergang zwischen zwei Bildern ein Briefing, das zwischen den Endpunkten eine unvereinbare Szene einführt.

Bei bildgeführter Ausgabe bestimmt das Eingabebild das Seitenverhältnis. Wählen Sie für reine Textaufgaben ein konkretes Verhältnis aus 21:9, 16:9, 4:3, 1:1, 3:4 oder 9:16. Referenzgeführte Aufgaben können ein adaptives Verhältnis oder eine der dokumentierten ausdrücklichen Optionen nutzen. Komponieren Sie Referenz oder geschriebene Szene für das Zielformat, statt davon auszugehen, dass dieselbe Anordnung im Hoch- und Querformat gleichermaßen funktioniert.

Multimodale Referenzen

Das aktuelle Max-Generierungsschema von MiniMax dokumentiert außerdem Referenzbilder, -videos und -audio. Geben Sie an, was sie jeweils beeinflussen sollen: Figurenidentität, Umgebung, Bewegungsmuster, Kamerabahn, Stimmklang oder eine Klangeigenschaft. Die Rollen als Anfangs-/Endbild und als Referenzmedium schließen sich in dieser Schnittstelle gegenseitig aus.

Benennen Sie bei einer Figurenaufnahme die Erscheinungsreferenz und die Bewegungsreferenz getrennt und geben Sie anschließend Zielhandlung und gesprochenen Satz vor. Eine Stimmreferenz, die die Sprechweise festlegt, ist etwas anderes als das Kopieren ihres vollständigen Audiosignals. Beschreiben Sie ausdrücklich, welche Eigenschaften erhalten bleiben und welche Änderungen erfolgen sollen, und prüfen Sie den tatsächlichen audiovisuellen Clip anhand jeder Referenzrolle.

Prompt-Erweiterung

Die Max-spezifische Erweiterungseinstellung bietet disabled, balanced und quality; balanced ist die Standardeinstellung. Wählen Sie disabled, wenn das bereitgestellte Briefing ohne Erweiterung weitergegeben werden soll. Nutzen Sie einen dokumentierten Erweiterungsmodus, wenn zusätzliche Interpretation erwünscht ist. Bewahren Sie das Originalbriefing auf, damit sich eine durch die Erweiterung eingeführte Änderung vom angeforderten Inhalt unterscheiden lässt.

Beschreiben Sie Ton als Teil der Szene. Benennen Sie physische Geräusche, Atmosphäre und gesprochene Wörter und trennen Sie sie von Hintergrundmusik, die ausschließlich das Publikum hört. Geben Sie den genauen Satz und die gewünschte sprechende Person vor, statt um unspezifischen Dialog zu bitten. Hören Sie das Ergebnis auch an; ein überzeugendes Bild belegt weder korrekten gesprochenen Wortlaut noch korrektes Timing.

Vorbereitung und Grenzen der Eingaben

Das aktuelle Herstellerschema akzeptiert Bilder als JPG, JPEG, PNG, WebP, HEIC oder HEIF mit bis zu 30 MB pro Datei, Seitenlängen von 256 bis 5.760 Pixeln und Seitenverhältnissen von 0,4 bis 2,5. Die Anfangs- und Endbildrollen erlauben jeweils ein Bild; der Referenzmodus erlaubt bis zu neun Bilder. Sorgen Sie für eine klare Sicht auf Motiv und Details, die erkennbar bleiben müssen.

Als Referenzvideo sind bis zu drei MP4- oder MOV-Clips erlaubt, jeweils 2–15 Sekunden und zusammen höchstens 15 Sekunden lang, mit maximal 50 MB pro Datei. Dokumentiert sind H.264- oder H.265-Video, AAC- oder MP3-Audio, Seitenlängen von 256 bis 5.760 Pixeln, Seitenverhältnisse von 0,4 bis 2,5 und Bildraten von 23,976 bis 60. Referenzaudio erlaubt bis zu drei WAV- oder MP3-Clips mit jeweils bis zu 15 MB und 2–15 Sekunden, zusammen höchstens 15 Sekunden. Für den Anfragekörper gilt eine gesonderte 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 Ablauf des Herstellers gibt eine Auftragskennung zurück, bevor das fertige Video verfügbar ist. Seine Schnittstelle zur Auftragsabfrage ruft Aufträge aus den vorangegangenen sieben Tagen ab. Speichern Sie den tatsächlich zurückgegebenen Clip und seine Spezifikation für Schnitt oder weitere Prüfung; eine Auftragskennung ist nicht das audiovisuelle Artefakt. Download-Adressen sind zeitlich begrenzt. Bewahren Sie daher die Datei selbst auf, wenn Sie ein ausgewähltes Ergebnis behalten möchten.

Prüfen Sie Motivkontinuität, Bewegung, sichtbaren Text, Dialog und Ton-Timing in der Größe, in der der Clip eingesetzt wird. Formulieren Sie konkrete Rückmeldungen für das nächste kreative Briefing: die veränderte Geste, den ausgelassenen Satz oder den anzupassenden Bildausschnitt. Das nutzbare Ergebnis ist eine kurze audiovisuelle Einstellung, die sich auf den bereitgestellten Inhalt und dessen ausdrücklich festgelegte Referenzbeziehungen bezieht.