MiniMax: S2V 01

S2V 01 er MiniMax' motivreferansebaserte videomodell. Det oppgitte bildet styrer figurens utseende, mens teksten beskriver videoscenen og handlingen. Den dokumenterte referansetypen er et menneskeansikt, så klargjør portrettet som en identitetsveiledning for figuren du vil plassere i den genererte sekvensen.

Velg en referanse der det tiltenkte ansiktet er tydelig og lett å skille ut. Unngå å skjule kjennetegn bak en hånd, et stort tilbehør eller en kraftig beskjæring når trekkene er viktige for resultatet. Hold portrettet konsistent på tvers av relaterte opptak, slik at kilden som brukes til å styre figuren, forblir kjent. Referansen gir utseendeinformasjon; bruk prompten til å forklare scenen figuren skal opptre i.

Produsentens motivreferanseskjema godtar ett bilde i referansebildelisten. Støttede formater er JPG, JPEG, PNG og WebP, med filstørrelse under 20 MB. Kortsiden må overstige 300 piksler, og sideforholdet må være mellom 2:5 og 5:2. Behold den nøyaktige bildefilen sammen med genereringsposten fremfor å bytte til et annet portrett under en senere sammenligning.

Beskriv en scene med en tydelig rolle for personen i referansen. Figuren kan for eksempel gå inn i et stille verksted, se på et objekt på bordet og stoppe ved siden av det. Angi handlingen, miljøet og synsvinkelen som er viktig for det ferdige opptaket. Hvis ansiktet må forbli tydelig, planlegg utsnitt og bevegelse rundt dette kravet.

Tekstbeskrivelsen støtter opptil 2000 tegn. Bruk tegnene til konkrete instruksjoner: hva figuren gjør, hva som omgir den, og hva sluttvisningen skal vise. Beskriv klær eller scenedetaljer når de er viktige for historien, og undersøk deretter hvordan den genererte videoen kombinerer dem med den oppgitte identitetsreferansen. Hold referanserollen adskilt fra en forespørsel om å gjenskape hele portrettbakgrunnen som åpningsbilde.

Automatisk promptoptimalisering er dokumentert og aktivert som standard. Den kan deaktiveres når nærmere kontroll over den skriftlige beskrivelsen er nødvendig. Behold valget sammen med tekst og portrett når forskjellige scener sammenlignes. For å undersøke et likhetsproblem holdes scenebeskrivelsen uendret mens en forbedret referanse sammenlignes; for å undersøke handlingen holdes referansen uendret mens bevegelsesbeskrivelsen revideres.

Produsentens prosess returnerer en oppgaveidentitet før videoen er ferdig. Behold denne opprinnelige identiteten gjennom status- og resultattrinnene, og lagre deretter det ferdige klippet for gjennomgang og redigering. Behold portrett, prompt og resulterende video som én post, slik at et senere opptak kan sammenlignes med det faktiske materialet som styrte det tidligere resultatet.

Vurder figuren gjennom hele sekvensen, inkludert vendinger, gester og endringer i utsnitt. Kontroller ansiktskonsistens, tydeligheten i ønsket handling og forholdet mellom figuren og sceneobjektene. Velg klippet som best tjener opptakets formål, og identifiser et konkret avvik før inndataene revideres. En prosess med en tilbakevendende figur har nytte av å vurdere flere ferdige opptak side om side, med samme portrettreferanse og en tydelig registrering av hver scenebeskrivelse.