MiniMax H3

참조 이미지나 비디오 입력을 연결하면 시작·끝 프레임은 함께 사용할 수 없습니다. 그래서 한 프롬프트에는 키프레임 형식과 참조 자료 형식 중 하나만 씁니다.

• 소리는 On/Off 설정 없이 항상 영상과 함께 생성되므로, 배경음과 음악도 프롬프트의 소리 항목에서 정합니다.
• 프롬프트는 최대 7,000자까지 입력할 수 있습니다. 텍스트 노드를 연결해 프롬프트를 넣을 때도 7,000자를 넘는 부분은 모델에 전달되지 않습니다.

지원하는 입력과 길이·비율·해상도는 비디오 모델에서 확인할 수 있습니다.

세 필드를 아래 순서로 쓰고, 필드 사이에 빈 줄을 둡니다.

integrated_multimodal_description: [Shot 1] ...

overall_soundscape: ...

non_diegetic_music: ...

세 필드는 모두 영어로 씁니다. 원래 언어를 그대로 두는 것은 <d> 안의 대사와 화면에 보이는 글자뿐입니다.

정렬 문장은 연결한 프레임에 따라 정해져 있습니다. 문장 아래에 빈 줄을 하나 두고, 이어서 세 필드를 써서 프롬프트를 완성합니다.

시작 프레임만 연결할 때

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

목표 영상의 0.00초 지점에서 [Shot 1]에 속한 <Picture 1>을 그대로 참조합니다.

시작 프레임과 끝 프레임을 함께 연결할 때

How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.

참조 이미지와 목표 영상의 정렬: Picture 1(Shot 1)은 목표 영상의 0.00초 지점에, Picture 2(Shot N)는 S.SS초 지점에 맞춥니다.

• N은 실제 마지막 샷 번호이고, S.SS는 영상 길이를 소수점 두 자리로 쓴 값입니다. 비디오 노드에서 길이를 8초로 설정했다면 8.00입니다.
• 시작 프레임이 Picture 1, 끝 프레임이 Picture 2입니다.
• 끝 프레임 이미지는 마지막 샷에 속합니다. Shot 1에 붙이지 않습니다.
• 시작 프레임과 끝 프레임을 함께 쓸 때는 단일 샷으로 구성하는 것이 좋습니다.
• 프롬프트만 쓸 때는 정렬 문장을 쓰지 않습니다.

The young woman with a quiet, breathy voice (S1) says: <d>[English] I get off at the next station.</d>

조용하고 숨소리가 섞인 목소리의 젊은 여자(S1)가 말합니다. "다음 역에서 내려요."

화면 밖에서 들리는 목소리는 says in an off-screen voiceover라고 정확히 쓰고, 바로 뒤에 그 인물의 입이 닫혀 있다고 적습니다. 이렇게 쓰면 화면 속 인물에 입 모양이 잘못 붙는 것을 막을 수 있습니다.

참조 자료의 번호

• 참조 이미지는 비디오 노드에 연결한 순서대로 <Picture 1>, <Picture 2>…가 됩니다. 연결을 끊었다가 다시 연결한 이미지는 가장 마지막 번호가 됩니다.
• 비디오 입력은 캔버스에서 연결한 영상이 먼저 번호를 받고, 노드에 직접 올린 영상이 그다음 번호를 받습니다.

[Shot 1] 첫머리에 스타일과 초기 구도를 밝힙니다. 스타일은 Live-action, cinematic, 2D-animated, 3D CG, claymation, watercolor, vintage film처럼 씁니다.

두 번째 샷부터는 컷 시간을 쓰고, 샷이 이어질수록 시간이 늘어나도록 씁니다.

[Shot 2] At 00:03.500, the camera cuts to a close-up of her hands.

[Shot 2] 00:03.500에 그녀의 손 클로즈업으로 컷이 바뀝니다.

컷은 인물·공간·상태·시점·시간이 바뀔 때만 나눕니다. 거리나 각도만 바꾸려면 컷 대신 카메라를 움직입니다.

카메라 움직임은 대괄호 명령어 없이 문장 안에 포함해 씁니다.

The camera pushes in with small amplitude at slow speed toward the letter in her hands.

카메라가 그녀의 손에 들린 편지를 향해 작은 폭으로 천천히 밀고 들어갑니다.

쓸 수 있는 움직임은 Zoom In/Out Push In/Pull Out Pan Left/Right Truck Left/Right Tilt Up/Down Pedestal Up/Down Arc Shot Tracking Shot Static Shot Shake Slightly/Strongly POV Roll Clockwise/Counterclockwise입니다.

진폭 with small/large amplitude와 속도 at slow/fast speed는 필요할 때만 붙입니다. 움직임마다 붙일 필요는 없습니다.

본문 항목의 이름은 integrated_multimodal_description이 아니라 detailed_description입니다.

라벨 고르기

참조 자료 안에 있는 것을 꺼내 쓰면 <Subject>, 파일 자체가 자리를 맡으면 <Picture>·<Video>를 씁니다.

예시

인물 사진과 카페 사진을 차례로 참조 이미지에 연결해, 여자가 카페에서 혼자 전화를 받는 8초 영상을 샷 2개로 만듭니다. 인물 사진을 먼저 연결했으므로 인물 사진이 <Picture 1>, 카페 사진이 <Picture 2>입니다.

1단계 — subject_definitions

파일마다가 아니라 따로 추적할 대상마다 한 줄씩 씁니다. 두 사진은 인물과 장소를 정의하는 용도이고 특정 프레임이 되는 것이 아니므로, <Picture N> 항목을 따로 만들지 않고 Subject 정의 안에서 출처로만 씁니다.

subject_definitions:
<Subject 1> is the young woman in <Picture 1>, with long dark hair and a blue cardigan.
<Subject 2> is the café interior in <Picture 2>, with a brick wall and a wooden counter.

<Subject 1>은 <Picture 1>의 젊은 여자로, 긴 검은 머리에 파란 카디건을 입고 있습니다. <Subject 2>는 <Picture 2>의 카페 내부로, 벽돌 벽과 나무 카운터가 있습니다.

2단계 — summary

대괄호 안에 작업 유형을 쓰고 시작한 뒤, 무엇을 만들지 한 문단으로 씁니다. 여기서 새 라벨을 만들지 않습니다.

파일을 연결했다고 유형이 자동으로 정해지지 않습니다. 영상을 연결했더라도 카메라 움직임만 참조한다면 reference generation입니다.

이번 예시는 사진으로 인물과 장소를 만들므로 reference generation입니다.

summary:
[reference generation] The target video shows <Subject 1> sitting alone in <Subject 2> and answering a phone call across two shots.

목표 영상은 <Subject 1>이 <Subject 2>에 혼자 앉아 있다가 전화를 받는 모습을 두 샷에 걸쳐 보여 줍니다.

3단계 — retention_analysis

1단계에서 정의한 라벨마다 한 줄씩 씁니다. 어느 샷에 나오는지 → 마커 → 무엇이 유지되는지 순서입니다.

retention_analysis:
<Subject 1> (appears in [Shot 1], [Shot 2]): fully_preserved - her identity, long dark hair, and blue cardigan are retained.
<Subject 2> (appears in [Shot 1]): partially_preserved - the brick wall and wooden counter are retained, but the lighting shifts to evening.

<Subject 1>([Shot 1], [Shot 2]에 등장)은 인물의 정체성과 긴 검은 머리, 파란 카디건을 그대로 유지합니다. <Subject 2>([Shot 1]에 등장)는 벽돌 벽과 나무 카운터를 유지하되 조명이 저녁으로 바뀝니다.

• 마커는 1단계에서 정한 역할 안에서만 고릅니다. 카페 조명이 저녁으로 바뀐 것은 장소 자체의 특성이 변한 것이므로 partially_preserved입니다. 인물이 전화를 받는 것은 원래 없던 사건이 더해진 것이지 특성이 바뀐 것이 아니므로 fully_preserved를 그대로 둡니다.
• 이 항목에는 (S1) 같은 화자 번호를 쓰지 않습니다.

4단계 — detailed_description

영상 본문입니다. 재생 순서대로 화면·동작·카메라·대사·현장음을 씁니다.

• 맨 앞에 스타일을 한두 문장으로 쓰고, 다음 줄에서 [Shot 1]을 시작합니다.
• 라벨은 처음 등장하는 곳과 그 역할이 적용되는 곳에 넣습니다.
• [Shot 1]에는 시간을 붙이지 않고, 두 번째 샷부터 At 00:04.000 형식으로 컷 시간을 씁니다.

detailed_description:
The target video is in a cinematic, muted-color style with soft evening light.
[Shot 1] A medium-wide shot establishes <Subject 2>, the café interior with its brick wall and wooden counter, now lit by low evening light from the street. <Subject 1> (S1), the young woman with long dark hair and a blue cardigan, sits alone at the counter with a phone face-down beside her cup. The camera pushes in with small amplitude at slow speed as the phone vibrates and she turns it over.
[Shot 2] At 00:04.000, the shot cuts to a close-up of <Subject 1> (S1) raising the phone to her ear. She answers, <d>[English] I didn't think you'd call.</d> She closes her lips and looks toward the window.

차분한 색감에 부드러운 저녁 빛이 도는 시네마틱 스타일입니다. [Shot 1] 미디엄 와이드 숏으로 <Subject 2>를 보여 줍니다. 벽돌 벽과 나무 카운터가 있는 카페 안은 거리에서 들어오는 낮은 저녁 빛에 물들어 있습니다. 긴 검은 머리에 파란 카디건을 입은 <Subject 1>(S1)이 카운터에 혼자 앉아 있고, 컵 옆에는 휴대폰이 뒤집혀 놓여 있습니다. 휴대폰이 진동하고 그녀가 휴대폰을 뒤집는 동안 카메라가 작은 폭으로 천천히 밀고 들어갑니다. [Shot 2] 00:04.000에 <Subject 1>(S1)이 휴대폰을 귀에 대는 클로즈업으로 컷이 바뀝니다. 그녀가 "전화할 줄 몰랐어."라고 받고, 입을 다문 채 창밖을 바라봅니다.

• 인물이 직접 말하면 라벨과 화자 번호를 둘 다 붙입니다(<Subject 1> (S1)). 라벨은 누구인지, 화자 번호는 누가 말하는지를 가리킵니다.
• 중요한 Subject는 처음 등장할 때만 특징을 서술하고, 이후 샷에서는 라벨만 다시 씁니다. 다시 정의하지 않습니다.
• 분량은 영어 350~500단어가 적당합니다. 위 예시는 구조를 보여 주기 위해 짧게 줄인 것이며, 실제로는 샷마다 구도·조명·동작·소리를 더 자세히 씁니다.

5단계 — 소리 두 항목

overall_soundscape에는 영상 전체의 배경음·동작음·비언어적 소리를 영어 1~4문장으로 씁니다. non_diegetic_music에는 관객만 듣는 배경음악을 악기·속도·리듬 중심으로 1~3문장 쓰고, 음악이 없으면 N/A를 씁니다.

overall_soundscape: Low café room tone continues throughout, with a distant espresso machine and quiet street traffic outside. The phone vibrates once against the wooden counter.

non_diegetic_music: Sparse piano notes at a slow tempo, joined by a sustained low string that fades out before the final line.

카페의 낮은 실내 소음이 내내 이어지고, 멀리서 에스프레소 머신 소리와 밖의 조용한 차 소리가 들립니다. 휴대폰이 나무 카운터 위에서 한 번 진동합니다. / 느린 템포로 드문드문 울리는 피아노에 낮은 현악기의 긴 음이 더해지고, 마지막 대사 전에 사라집니다.

대사와 가사는 본문의 <d> 안에만 쓰고, 소리 항목에서 반복하지 않습니다.

완성본

다섯 단계를 하나로 합친 프롬프트입니다.

subject_definitions:
<Subject 1> is the young woman in <Picture 1>, with long dark hair and a blue cardigan.
<Subject 2> is the café interior in <Picture 2>, with a brick wall and a wooden counter.

summary:
[reference generation] The target video shows <Subject 1> sitting alone in <Subject 2> and answering a phone call across two shots.

retention_analysis:
<Subject 1> (appears in [Shot 1], [Shot 2]): fully_preserved - her identity, long dark hair, and blue cardigan are retained.
<Subject 2> (appears in [Shot 1]): partially_preserved - the brick wall and wooden counter are retained, but the lighting shifts to evening.

detailed_description:
The target video is in a cinematic, muted-color style with soft evening light.
[Shot 1] A medium-wide shot establishes <Subject 2>, the café interior with its brick wall and wooden counter, now lit by low evening light from the street. <Subject 1> (S1), the young woman with long dark hair and a blue cardigan, sits alone at the counter with a phone face-down beside her cup. The camera pushes in with small amplitude at slow speed as the phone vibrates and she turns it over.
[Shot 2] At 00:04.000, the shot cuts to a close-up of <Subject 1> (S1) raising the phone to her ear. She answers, <d>[English] I didn't think you'd call.</d> She closes her lips and looks toward the window.

overall_soundscape:
Low café room tone continues throughout, with a distant espresso machine and quiet street traffic outside. The phone vibrates once against the wooden counter.

non_diegetic_music:
Sparse piano notes at a slow tempo, joined by a sustained low string that fades out before the final line.