Guide des prompts MiniMax H3 : vidéo 2K avec audio natif

Comment écrire vos prompts MiniMax H3 pour une vidéo 2K avec audio natif et texte lisible : rôle des références, plans minutés, son et coût en crédits.

Keira
Founder's Associate, VidGuy

8 min de lecture

Sur cette page

MiniMax H3 est un modèle vidéo multimodal « omni » : il accepte du texte, des images, des clips vidéo et de l'audio dans une même requête, et il génère l'image et le son ensemble, en une seule passe. Dans VidGuy, il produit de la vidéo 2K avec audio natif, de 4 à 15 secondes.

Tout se joue sur ce côté « omni ». La plupart des modèles vidéo prennent un prompt et parfois une image. H3 prend une petite pile de références et attend que vous lui disiez à quoi sert chacune. Si vous le faites bien, il est remarquablement docile. Si vous l'oubliez, vous obtenez un diaporama hors de prix.

Voici comment rédiger vos prompts concrètement. Les exemples de prompts restent en anglais, tels qu'ils ont été écrits : copiez-les ou adaptez-les.

La seule habitude qui compte : donnez un rôle à chaque référence

La plus grande différence entre un bon prompt H3 et un mauvais, c'est de savoir si vous avez dit au modèle ce que contrôle chaque fichier joint.

Ne faites pas ceci :

Make a video of this woman with this bag in this location.

Faites plutôt ceci :

Use Image 1 for the overall mood, location and film texture. Use Image 2 for the talent: preserve her face, the half-up black hair and the indigo ribbon exactly. Use Image 3 for the bag; the hardware and stitching must match.

Ce sont les trois mêmes images. La seconde version indique au modèle que l'Image 1 est une référence d'éclairage et d'étalonnage, que l'Image 2 est un verrou d'identité et que l'Image 3 est un produit qu'il ne doit pas redessiner. H3 respectera cette répartition. Sans elle, le modèle fait la moyenne de vos références et produit une bouillie dont vous ne pouvez pas identifier la cause.

La même logique s'applique à chaque type d'entrée :

  • Les images verrouillent l'identité et les détails. Visages, produits, décors, typographie.
  • Les clips vidéo transmettent le mouvement, le langage de caméra et le rythme. « Match the camera move in Video 1 » est une vraie consigne.
  • Les clips audio transmettent la voix. « Match the voice in Audio 1 » clone la diction, pas seulement le timbre.

En mode référence vers vidéo, vous pouvez joindre jusqu'à douze fichiers, soit environ neuf images, trois clips vidéo et trois clips audio. C'est beaucoup de contrôle, et tout est perdu si le prompt ne dit pas qui fait quoi.

Tapez les mots que vous voulez voir à l'écran

Un texte lisible à l'écran, c'est là que H3 surpasse clairement ses concurrents, et c'est le gain le plus facile pour un marketeur.

La règle est simple : si un mot doit être lisible, tapez-le. Le décrire vous donne des pixels en forme de texte. Le taper vous donne votre texte.

The words SUMMER DROP appear centred, in wide-tracked cinematic typography, not pure white, with restrained material texture, subtle illumination and a faint edge glow.

Ensuite, indiquez comment il se comporte, car le comportement par défaut est souvent trop chargé :

The type resolves with the focus: begin slightly blurred at low opacity, then fade into clarity over 0.3 to 0.5 seconds. No spins, bounces or large fly-ins.

Et dites ce que vous ne voulez pas. Les consignes négatives sont particulièrement efficaces ici :

No garbled characters, no misspellings, no non-Latin glyphs.

Cette dernière ligne mérite d'être ajoutée à chaque fois que vous mettez du texte à l'écran. C'est la différence entre un clip utilisable et une nouvelle génération.

Minutez tout ce qui dépasse un seul temps fort

H3 glisse volontiers vers le diaporama si vous lui donnez une liste d'actions sans notion de moment. Une liste de plans minutée règle le problème :

[0 to 2s] High-angle overhead shot of the desk, slow push in. [2 to 4s] Cut to her hands opening the box, shallow depth of field. [4 to 6s] Rack focus to the product, camera settles, title resolves.

Vous n'êtes pas obligé d'utiliser chaque seconde. Vous indiquez au modèle où tombent les temps forts, ce qui l'empêche de passer neuf secondes sur la première idée.

Un prompt peut atteindre environ 7 000 caractères : une liste de plans complète avec le design sonore tient donc sans peine dans une seule requête. Profitez de cet espace.

Dirigez la caméra comme un chef opérateur, pas comme un menu

H3 réagit bien mieux au vocabulaire de la prise de vue qu'aux noms d'effets. Décrivez le comportement physique de la caméra et de l'objectif :

Subtle handheld shake, then push in quickly and rack focus. Wide-angle lens with strong perspective distortion, backlit exposure breathing, slightly coarse noise in the shadows.

Les transitions fonctionnent de la même manière. Au lieu de « whip pan transition », décrivez ce que fait réellement la caméra :

Fast binocular-scan transition with whip movement, motion blur, optical smearing and a brief exposure flicker.

Nommer un effet vous donne l'idée moyenne que le modèle se fait de cet effet. Décrire la physique vous donne une image qui semble réellement tournée.

Faites la direction artistique du son : il sera généré de toute façon

C'est la capacité la plus souvent gâchée. H3 génère le son nativement, dans la même passe. Si vous ne le dirigez pas, vous obtenez quand même de l'audio, simplement un audio que personne n'a choisi.

Traitez-le comme un département à part entière :

Sound: a deep sub-bass pulse, distant metallic resonance, and one restrained hit as the title locks into focus.

Pour la musique, précisez l'instrumentation et la structure plutôt que le genre :

Low drone, tense string pizzicato, cool synth pulses, a low kick, sparse brushwork, fragments of walking bass.

« Cinematic music » est un souhait. La ligne ci-dessus est un brief.

Pour les dialogues, vous pouvez remplacer une réplique tout en gardant l'interprétation :

Replace the woman's line with the line from Audio 1, matched to her mouth movement.

Un modèle de prompt qui fonctionne

Assemblez dans cet ordre. Il correspond à la façon dont le modèle lit la requête.

  1. Rôles des références : ce que contrôle chaque fichier joint
  2. Liste de plans : temps forts minutés
  3. Caméra et objectif : comportement physique
  4. Verrous d'identité : les détails précis qui doivent rester intacts
  5. Texte à l'écran : tapé mot pour mot, avec son animation
  6. Son : musique, effets, dialogues
  7. Consignes négatives : ce qui ne doit pas arriver

Exemple complet :

Image 1 sets mood, location and film texture. Image 2 is the talent: preserve the face, freckles, and the rust-coloured jacket exactly. Image 3 is the product; do not redesign the label.

[0 to 3s] Wide shot of the rooftop at golden hour, slow dolly left. [3 to 7s] Cut in to her hands turning the bottle to camera, shallow focus. [7 to 10s] She looks up and smiles; camera settles; title resolves.

Anamorphic 40mm feel, gentle handheld float, warm backlight with visible haze, fine grain in the shadows.

The words FIELD NOTES appear lower-third, wide-tracked, warm off-white with a faint edge glow, fading from blur to clarity over 0.4 seconds.

Sound: soft rooftop ambience, distant traffic, a single warm synth swell landing with the title.

No text distortion, no garbled characters, no fly-in animation, no lens flares.

Combien ça coûte dans VidGuy

Dans VidGuy, H3 coûte 3 crédits par seconde, sur une plage de 4 à 15 secondes : un clip de 4 secondes coûte donc 12 crédits et un clip complet de 15 secondes en coûte 45. Il est disponible à partir du forfait Pro.

Comme H3 génère l'audio dans la même passe, ce prix inclut le design sonore. Comparez-le à la vraie alternative : générer un clip muet, puis payer séparément la musique, les effets et une voix off.

Les erreurs fréquentes

Fournir des références sans rôle. L'erreur la plus coûteuse, et la plus facile à corriger.

Croire que l'identité est préservée. Elle ne l'est pas, sauf si vous nommez les traits. « Preserve the half-up black hair, the silver crown, the indigo ribbon » : voilà ce qui garde un personnage stable sur tout un plan.

Laisser le son au hasard. Il est généré quoi qu'il arrive. Dirigez-le.

Aucune consigne négative. Une ligne comme « no soft dissolves, no morphs, no garbled text » évite la plupart des nouvelles générations.

Décrire le texte au lieu de le taper. Écrivez le mot, entre guillemets, exactement comme il doit apparaître.

Pas de minutage sur les plans à plusieurs temps forts. Sans lui, le rythme dérive et vous obtenez une seule idée étirée à l'excès.

Questions fréquentes

Quelle durée peut avoir une vidéo MiniMax H3 ? Dans VidGuy, de 4 à 15 secondes en une seule génération, à 24 images par seconde.

Quelle résolution produit MiniMax H3 ? De la 2K, soit environ 1440 pixels sur le petit côté, pour des formats allant du 21:9 au 9:16.

MiniMax H3 génère-t-il le son ? Oui, nativement et dans la même passe que l'image, y compris la musique, les effets et les dialogues avec synchronisation labiale. C'est une vraie différence avec la plupart des modèles vidéo, muets par défaut.

MiniMax H3 peut-il afficher un texte lisible ? Oui, et c'est l'un de ses points forts. Tapez les mots exacts au lieu de les décrire, et ajoutez une consigne négative contre les caractères déformés.

Combien de fichiers de référence puis-je joindre ? Jusqu'à douze en mode référence vers vidéo, soit environ neuf images, trois clips vidéo et trois clips audio. Indiquez le rôle de chacun dans le prompt.

MiniMax H3 est-il meilleur que Seedance ? Ils répondent à des besoins différents. H3 est le bon choix pour des contenus courts en haute résolution où le son et le texte à l'écran comptent. Seedance 2.5 est le bon choix quand vous avez besoin d'un plan continu bien plus long que quinze secondes. La plupart des équipes finissent par utiliser les deux.

Essayez-le

MiniMax H3 est disponible dès maintenant dans VidGuy Studio : ouvrez le sélecteur de modèle sous la zone de prompt et choisissez MiniMax H3 (Omni). Apportez vos références, donnez un rôle à chacune et tapez les mots que vous voulez faire lire.

Faites voir votre marque cette semaine.

VidGuy écrit, produit et publie des vidéos courtes pour votre marque. Vous validez chacune avant sa mise en ligne.

Commencer

À lire aussi

Tous les articles
Guide des prompts MiniMax H3 : vidéo 2K avec audio natif | VidGuy