MiniMax: H3 Max

Una variante rapida di H3 perfezionata tramite post-addestramento

MiniMax H3 Max è una variante del modello base MiniMax H3 perfezionata tramite post-addestramento, ottimizzata per generazione più veloce, aderenza al prompt e qualità audiovisiva. La variante è stata sviluppata tramite post-addestramento da fal Research. Mantiene un contesto multimodale unificato e immagini e suono sincronizzati nativamente. La velocità è una priorità di progettazione, non un tempo fisso di completamento per ogni prompt, durata o applicazione.

Mantieni Max distinto dal sistema H3 originale e dalla variante separata Max Turbo. L’interfaccia attuale di MiniMax elenca Max a 480P o 768P, con 768P come valore predefinito, 24 fotogrammi al secondo e durata espressa in secondi interi, da 5 a 15 secondi. Il flusso Max documentato non offre l’impostazione 2K del sistema H3 originale né un output di quattro secondi.

Dal prompt all’inquadratura

Ogni generazione comprende un brief testuale non vuoto, fino a 7.000 caratteri per elemento di testo. Descrivi soggetto, composizione iniziale, azione e risultato, poi rendi chiare le indicazioni di camera e suono. Per una breve rivelazione di un oggetto, identifica che cosa deve vedere prima lo spettatore, come l’oggetto entra nel campo e come deve finire l’inquadratura.

Un brief utile di cinque secondi può descrivere una tazza di ceramica su un tavolo di legno, una mano che le posa accanto un piattino, un piccolo avanzamento della camera e il suono della ceramica che incontra il legno. Mantieni l’azione abbastanza contenuta per la durata selezionata e controlla che movimento e suono restituiti seguano lo stesso evento.

Creazione guidata da fotogrammi

Il produttore documenta un fotogramma iniziale, uno finale o entrambi. Una prima immagine definisce dove inizia la clip; un’ultima immagine definisce lo stato visivo finale. Spiega il movimento che le collega, compresi cambiamenti di posa, posizione degli oggetti, camera o illuminazione. Per una transizione tra due fotogrammi, evita un brief che introduca una scena incompatibile tra i suoi estremi.

L’output guidato da fotogrammi ricava il rapporto d’aspetto dall’immagine di ingresso. Per lavori con solo testo, scegli un rapporto concreto tra 21:9, 16:9, 4:3, 1:1, 3:4 o 9:16. Il lavoro guidato da riferimenti può usare un rapporto adattivo o una delle scelte esplicite documentate. Componi il riferimento o la scena scritta per il fotogramma di destinazione invece di presumere che la stessa disposizione funzioni altrettanto bene in verticale e in orizzontale.

Riferimenti multimodali

Lo schema attuale di generazione Max di MiniMax documenta anche immagini, video e audio di riferimento. Specifica ciò che ciascuno deve influenzare: identità di un personaggio, ambiente, schema di movimento, traiettoria della camera, timbro vocale o caratteristica sonora. I ruoli di primo/ultimo fotogramma e quelli dei media di riferimento si escludono a vicenda in quell’interfaccia.

Per un’inquadratura di personaggio, identifica separatamente il riferimento dell’aspetto e quello del movimento, poi fornisci l’azione desiderata e la battuta. Un riferimento vocale che definisce l’interpretazione è diverso dalla copia del suo intero segnale audio. Rendi esplicite nel brief le caratteristiche da preservare e i cambiamenti da apportare, e confronta la clip audiovisiva effettiva con ogni ruolo di riferimento.

Espansione del prompt

L’impostazione di espansione specifica di Max offre le scelte disabled, balanced e quality, con balanced come valore predefinito. Scegli disabled quando il brief fornito deve essere trasmesso senza espansione; usa una modalità di espansione documentata quando desideri un’interpretazione aggiuntiva. Conserva il brief originale, così un cambiamento introdotto durante l’espansione può essere distinto dal contenuto richiesto.

Descrivi il suono come parte della scena. Identifica suoni fisici, ambiente sonoro ed eventuali parole pronunciate e distinguili dalla musica di sottofondo udibile soltanto dal pubblico. Fornisci la battuta esatta e il parlante previsto invece di chiedere dialoghi non specificati. Ascolta il risultato oltre a guardarlo; un’immagine convincente non dimostra che le parole pronunciate o i tempi siano corretti.

Preparazione degli input e limiti

Lo schema attuale del produttore accetta immagini JPG, JPEG, PNG, WebP, HEIC o HEIF, fino a 30 MB ciascuna, con lati da 256 a 5.760 pixel e rapporti da 0.4 a 2.5. I ruoli iniziale e finale consentono un’immagine ciascuno; la modalità riferimenti consente fino a nove immagini. Mantieni una vista chiara del soggetto e dei dettagli che devono restare identificabili.

Il video di riferimento consente fino a tre clip MP4 o MOV, ciascuna di 2–15 secondi e complessivamente di non più di 15 secondi, con un limite di 50 MB per file. Sono documentati video H.264 o H.265, audio AAC o MP3, lati da 256 a 5.760 pixel, rapporti da 0.4 a 2.5 e frame rate da 23.976 a 60. L’audio di riferimento consente fino a tre clip WAV o MP3, ciascuna fino a 15 MB e di 2–15 secondi, complessivamente di non più di 15 secondi. Il corpo della richiesta ha un limite separato di 64 MB.

Usa soltanto riferimenti che contribuiscono all’inquadratura e identifica ogni contributo nel testo. Una clip di movimento breve e pertinente è più facile da usare come indicazione di una lunga raccolta di eventi non collegati. Mantieni esplicite la durata prevista e la risoluzione di output, così il risultato può essere confrontato con lo stesso brief.

Il risultato finito

Il flusso asincrono del produttore restituisce un identificatore di attività prima che il video completato sia disponibile. L’interfaccia di interrogazione recupera le attività dei sette giorni precedenti. Salva la clip effettivamente restituita e la sua specifica per il montaggio o un ulteriore controllo; un identificatore di attività non è il risultato audiovisivo. Gli indirizzi di download sono limitati nel tempo, quindi conserva il file stesso quando mantieni un risultato selezionato.

Controlla continuità del soggetto, movimento, testo visibile, dialogo e tempi del suono alle dimensioni in cui verrà usata la clip. Usa riscontri concreti per un altro brief creativo: il gesto cambiato, la battuta omessa o l’inquadratura da adattare. Il risultato utile è una breve ripresa audiovisiva collegata al contenuto fornito e ai suoi rapporti espliciti tra riferimenti.