Ein guter MiniMax H3-Prompt ist mehr als eine Sammlung von Moodboard-Begriffen. Definiere ein klares Motiv, einen verständlichen Schauplatz, eine gezielte Bewegung, die Kameraführung, optional eine Klangidee und einen Abschluss. Entferne anschließend alles, was von der Haupthandlung ablenkt.
Ordne deine Entscheidungen in der Reihenfolge der Wiedergabe. Eine dominante Bewegung und eine klare Kameraführung vermitteln meist mehr als zahlreiche widersprüchliche Anweisungen.
MiniMax H3 kann eine vollständige Szene erzeugen, ein festgelegtes Bild animieren, Anfangs- und Endbilder verbinden oder Omni-Referenzen folgen. Am zuverlässigsten steuerst du diese Möglichkeiten mit einer kurzen Regieanweisung in Wiedergabereihenfolge: Szene, Motiv, Handlung, Kamera, Klangidee und Ende.
Wenn das Modell zwischen fünf visuellen Stilen und drei Kamerabewegungen wählen muss, verliert die Aufnahme meist an Klarheit. Ordne die Entscheidungen in der Reihenfolge, in der das Publikum sie sehen soll.
Im reinen Textmodus erzeugt H3 die gesamte Welt. Mit einem Anfangsbild setzt es eine vorhandene Welt in Bewegung. Im Referenzmodus übernimmt es gezielt Merkmale. Schreibe passend zur gewählten Aufgabe.
Der Inhalt kann ähnlich aussehen, aber der Auftrag ist anders. Wähle den Modus, bevor du die Sprache verfeinerst.
Verwende dies, wenn MiniMax H3 Motiv, Umgebung und Eröffnungskomposition aus Text erfinden soll. Das Seitenverhältnis ist im reinen Textmodus erforderlich.
[Dauer und Seitenverhältnis-Intention]. [Motiv und bestimmendes Erscheinungsbild] in [konkreter Szene und Zeitpunkt]. [Primäre Aktion oder Veränderung über den Clip]. [Kamerapfad und Framing-Entwicklung]. [Licht, Farbpalette, Material, Atmosphäre]. [Optionaler Dialog oder Klangintention]. Ende auf [finaler Komposition oder emotionalem Beat].Verwende dies, wenn das Erstbild bereits Identität, Komposition und initiale Ästhetik festlegt.
[Das im Bild sichtbare Hauptmotiv] [führt eine klare Aktion aus]. [Umgebung oder sekundäre Elemente verändern sich]. [Kamerapfad] unter Beibehaltung des bestimmenden Erscheinungsbilds des Motivs und des ursprünglichen visuellen Stils. Optionaler Klang: [Stimme/Ambience-Hinweis]. Ende mit [finaler Pose oder Framing].Beschreibe, wie das festgelegte Anfangsbild in das Endbild übergeht, statt beide Bilder getrennt neu zu beschreiben.
Ausgehend vom Erstbild [Motivhandlung und Umgebungsübergang]. [Kamerabewegung und Timing]. Beibehaltung von [Identität, Objekt oder Stilvorgaben], während sich die Komposition natürlich in das vorgegebene Letztbild entwickelt.Ordne jede Referenz zu, bevor du Stiladjektive wiederholst. Mische keine Referenzrollen mit Erst-/Letztbild-Rollen.
Referenzbild(er) verwenden für [Figur / Produkt / Stil]. Referenzvideo verwenden für [Bewegung / Kamera / Rhythmus]. Referenzaudio verwenden für [Stimmtimbre / Ausdrucksweise], falls vorhanden. Eine [Dauer]-Aufnahme in [Szene] erstellen. Motivhandlung: [eine lesbare Aktion]. Kamera: [Pfad]. Referenzierte Identität konsistent halten. Ende auf [finalem Beat].Füge Details nur hinzu, wenn sie die Kontrolle verbessern. Jedes weitere Adjektiv konkurriert um Aufmerksamkeit mit der Bewegung.
Benenne die Hauptperson, das Produkt, die Kreatur oder die Form. Füge Erscheinungsdetails nur hinzu, wenn sie die Wiedererkennung beeinflussen.
Platziere das Motiv in einer konkreten Umgebung: Nachtstraße, Studio, Waldrand, Brückeninneres, stilisierte Welt.
Beschreibe die Aktion und wie sich die Szene entwickelt. Video braucht eine Veränderung über Zeit, keine Liste statischer visueller Tags.
Wähle Bildausschnitt und Kamerabewegung: statisch, Truck, Push, Pull, Aufwärtsfahrt, Schwenk, Orbit oder eine zurückhaltende Abfolge.
Wenn Dialog, Raumklang oder Stimmreferenz wichtig sind, nenne es. Kopple Audio-Referenzen mit visuellen Medien im R2VA-Modus.
Definiere, wie die Aufnahme enden soll: mit einem nahen Gesichtsausdruck, einer weiten Enthüllung, einer abgeschlossenen Drehung oder einem ruhigen Produktbild.
MiniMax H3 akzeptiert ganzzahlige Werte von 4 bis 15 Sekunden. Eine fünfsekündige Produktpräsentation und eine zwölfsekündige Figurenszene brauchen eine unterschiedliche Handlungsdichte. Presse keine Drei-Akt-Geschichte in einen kurzen Clip.
Die Formulierungen können ähnlich aussehen, doch die Aufgabe von MiniMax H3 ändert sich mit den verwendeten Medienrollen.
Nutze die verfügbaren Tokens für Erscheinungsbild, Umgebung und Anfangskomposition. Im reinen Textmodus darf ratio nicht den Wert adaptive haben.
Beschreibe nicht jeden Pixel neu. Steuere Bewegung, Kamera, Lichtwechsel und was konsistent bleiben muss.
Beschreibe die Logik des Übergangs: Was bewegt oder verwandelt sich, und wie verhält sich die Kamera zwischen den vorgegebenen Kompositionen?
Lege fest, welche Datei Gesicht, Kleidung, Bewegung, Kamerasprache oder Stimme steuert. Verwende in derselben Anfrage keine Rollen für Anfangs- oder Endbilder.
Das Hochladen der Medien allein reicht nicht. Weise jeder Referenz im Prompt eine konkrete Aufgabe zu.
Sag es explizit, wenn mehrere Bilder konkurrieren könnten.
Halte Referenzclips kurz und fokussiert – dokumentierte Limits sind 2–15s pro Clip.
Audio kann nicht allein verwendet werden; kombiniere es mit Bild- oder Videoreferenzen.
Falls ja, teile den Ablauf in zwei Aufträge. In der öffentlichen Schnittstelle schließen sich diese Modi gegenseitig aus.
Entferne zuerst entbehrliche Adjektive, bevor du Referenzen streichst.
Falls nicht, verliert die Bewegung häufig ihr Ziel, statt sauber zu enden.
Zeitangaben helfen MiniMax H3, Prioritäten zu erkennen. Nutze sie zur Inszenierung der Aufnahme, nicht zur Mikrokontrolle jedes einzelnen Bildes.
Zeige in der ersten Sekunde, wen wir sehen und wo sich die Szene befindet. Beginne nicht mitten im Chaos, sofern das Anfangsbild die Szene nicht bereits eindeutig erklärt.
Mittleres Fenster: die Bewegung, die die Generierung von Video statt eines Stills rechtfertigt.
Wenn du zwei Kameraideen brauchst, ordne sie nacheinander an – etwa erst Truck, dann Push –, statt beide gleichzeitig zu priorisieren.
Schließe etwa mit einem gehaltenen Ausdruck, einem ruhigen Produktbild, einer weiten Enthüllung oder einer abgeschlossenen Geste ab.
Dies sind neu verfasste strukturelle Beispiele. Tausche Motiv und Setting aus, während du die Hierarchie beibehältst.
Eine Handlung, eine Kamerabewegung und ein emotionaler Abschluss.
Erstelle eine 8-sekündige filmische Nachtaufnahme im Format 16:9. Ein Kurier in reflektierender Jacke fährt durch eine regennasse Kreuzung in der Stadt. Wasser spritzt von den Reifen, während sich Neonreflexionen über den Asphalt ziehen. Die Kamera fährt neben dem Fahrrad mit und schwenkt anschließend sanft auf den konzentrierten Gesichtsausdruck des Kuriers. Kühle blaue Lichtquellen mit zurückhaltenden Magenta-Akzenten und realistische nasse Oberflächen. Leises Reifenrauschen und entfernter Verkehr. Ende mit einer klar erkennbaren Dreiviertel-Nahaufnahme des Gesichts.Lass das Erstbild das Produktdesign besitzen, während der Prompt Licht und Kamerabewegung steuert.
Die Uhr bleibt zentriert, während ein schmaler Streifen warmen Lichts über das gebürstete Metallgehäuse wandert. Feiner Nebel bewegt sich langsam hinter dem Produkt. Die Kamera truckt leicht nach rechts, während sie die Uhrengeometrie und die dunkle Marmoroberfläche beibehält. Kein Redesign des Zifferblatts. Ende auf einem sauberen Dreiviertel-Produktwinkel mit vollständig lesbarem Zifferblatt.Beschreibe die Entwicklung zwischen zwei vorgegebenen Kompositionen.
Ausgehend vom Erstbild geht das Model vorwärts, während Studiosoftboxen in regennasse Straßenpraktiken übergehen. Stoffbewegung bleibt natürlich und die Identität konsistent. Die Kamera zieht sich langsam zurück, während die Umgebung den Übergang in das vorgegebene Letztbild vollendet. Ende exakt auf dieser letzten Komposition mit eingefrorener Haltung.Ordne Referenzen zu, bevor du Stiladjektive wiederholst.
Referenzbilder verwenden für Gesicht und Garderobe der Figur. Referenzvideo verwenden für entspannten Geh-Rhythmus. Referenzaudio verwenden für warmes mittleres Stimmtimbre. Eine 10-sekündige Mittlere Einstellung auf einer windigen Küstenpromenade zur Goldenen Stunde erstellen. Die Figur geht auf die Kamera zu, lächelt einmal und sagt eine kurze freigeistige Zeile. Kamera fährt rückwärts mit. Identität und Garderobe konsistent halten. Ende auf einer stabilen mittleren Nahaufnahme.Die meisten schwachen MiniMax H3-Prompts brauchen nicht mehr Wörter, sondern ein eindeutigeres Motiv, eine klarere Handlung, den passenden Modus oder eine klare Priorität bei der Kameraführung.
Ersetze „filmisch, schön, 4K, dramatisch“ durch ein Motiv, das in einer klar definierten Szene eine sichtbare Handlung ausführt.
Wenn das Erstbild bereits existiert, hör auf, Garderobe und Hintergrund von Grund auf neu aufzubauen, es sei denn, die Veränderung ist beabsichtigt.
Lege fest, welche Datei Gesicht, Bewegung oder Stimme steuert. Nicht zugewiesene Referenzen erzeugen unnötiges Rauschen.
Wähle einen dominanten Pfad. Wenn ein zweiter nötig ist, platziere ihn später als Sequenz.
Gib der Aufnahme einen Auftrag. Baue längere Sequenzen aus mehreren generierten Clips.
Teile den Ablauf auf. In der öffentlichen MiniMax-H3-Schnittstelle schließen sich diese Modusfamilien gegenseitig aus.
Lies den Prompt einmal als Regisseur und einmal als Timeline.
Nur Text, Anfangsbild, Anfangs- und Endbild oder Omni-Referenz – wähle genau einen Modus.
Ein Betrachter sollte wissen, was er beobachten soll, bevor die Kamera sich bewegt.
Nenne Ort, Zeit, Wetter oder Produktionskontext, wenn es das visuelle Ergebnis verändert.
Beschreibe, wie sich eine Handlung, Verwandlung, Mimik oder ein Ereignis in der Umgebung über die Zeit entwickelt.
Sequenziere sekundäre Bewegungen; staple keine Widersprüche.
Ein klarer Abschluss gibt der Bewegung ein Ziel und verhindert, dass sie ausläuft.
Natürlich formulierte Kameraanweisungen reichen für viele MiniMax H3-Aufnahmen aus. Wenn Präzision wichtig ist, verwende wenige Befehle und ordne sie nacheinander an.
truck lefttruck rightBewege die Kamera seitlich unter Beibehaltung der Blickrichtung.
pan leftpan rightDrehe links oder rechts von einer relativ fixen Position.
push inpull outBewege sich physisch auf das Motiv zu oder davon weg.
riselowerHebe oder senke die Kamera, ohne sie dabei zu neigen.
tilt uptilt downDrehe die Sicht nach oben oder unten.
tracking shotfollowBewege die Kamera mit dem Motiv, sodass sich die Umgebung verändert und der Bildausschnitt dennoch klar bleibt.
zoom inzoom outÄndere die scheinbare Brennweite, statt die Kamera durch den Raum zu bewegen.
static shotlocked offHalte die Kamera ruhig und lass die Performance den Clip tragen.
subtle handheldrestrained shakeVerwende sparsam, damit die Motivbewegung lesbar bleibt.
Länge ist kein Selbstzweck. Beschreibe Motiv, Schauplatz, Bewegung, Kameraführung, optional die Klangidee und das Ende ausreichend genau. Entferne anschließend Anweisungen, die mit der Haupthandlung konkurrieren. Das dokumentierte Limit beträgt 7.000 Zeichen.
Das Erstbild etabliert bereits Motiv, Komposition und Stil. Konzentriere den Prompt auf Bewegung, Kameraverhalten, Umgebungsveränderung und die Merkmale, die konsistent bleiben müssen.
Ordne jeder Referenz einen Auftrag zu – Gesicht, Garderobe, Bewegung, Kamera-Rhythmus oder Stimme – bevor du Stiladjektive hinzufügst. Halte die Gesamtmedien innerhalb dokumentierter Limits und mische niemals Referenzrollen mit Erst-/Letztbild-Rollen.
Du kannst die gewünschte Sprechweise im Prompt angeben. Referenzaudio kann im Referenzmodus das Timbre steuern, wenn es mit visuellen Medien kombiniert wird. Halte den gesprochenen Text kurz genug für die gewählte Dauer.
Informationen zu content-Rollen, duration, ratio und der Statusverarbeitung findest du im MiniMax H3 API-Leitfaden auf dieser Website und in der offiziellen MiniMax V2-Dokumentation.
Wähle zuerst den Modus, triff eine gezielte Kameraentscheidung und vergleiche das Ergebnis, bevor du die Komplexität erhöhst.