MiniMax H3 공식 가이드를 한국어로 요약했어요. 프롬프트는 가능하면 영어로 작성하는 것이 좋습니다.
I2V 기본 형식
첫 줄에는 반드시 첫 프레임 정렬 문장을 넣고, 한 줄 띄운 뒤 세 개의 필드를 작성합니다.
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.
integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...
- integrated_multimodal_description: 장면·인물·행동·컷·카메라·대사·현장음을 시간 순서로 작성
- overall_soundscape: 전체 영상의 환경음·동작음·비언어 소리 (1~4문장)
- non_diegetic_music: 인물이 듣지 못하는 배경 음악 (1~3문장, 없으면 N/A)
첫 장면에서 출발하기
첫 장면의 스타일·인물·의상·색·사물·공간 관계를 유지한 채, 그 다음 행동으로 자연스럽게 이어가세요. 정지 이미지 설명을 반복하지 말고 첫 프레임 → 행동 시작 → 연속 동작 → 결과/반응 순서로 씁니다.
샷과 컷
[Shot 1]에는 타임스탬프를 붙이지 않습니다. 다음 컷부터는 반드시 시간이 증가하는 형식으로 시작합니다.
[Shot 2] At 00:03.500, the camera cuts to a close-up of ...
같은 대상의 거리나 각도만 조금 바뀌면 컷보다 카메라 이동을 사용하세요.
카메라 움직임
움직임 종류 + 진폭 + 속도를 자연스러운 영어 문장으로 씁니다.
The camera pushes in with small amplitude at slow speed toward the letter.
The camera pans right with large amplitude at fast speed.
대사와 화자
말하는 사람에게 (S1), (S2) 같은 고정 ID를 붙입니다. 대사는 반드시 아래 형식으로만 넣습니다.
The young woman with a quiet voice (S1) says: <d>[Korean] 다음 역에서 내릴게요.</d>
보이스오버는 says in an off-screen voiceover를 쓰고, 해당 인물의 입이 닫혀 있다는 설명을 바로 붙입니다. 화면에 보이는 간판·자막은 원문 그대로 큰따옴표 안에 넣습니다.
금지 사항
부정 프롬프트나 “피해야 할 것” 목록은 쓰지 마세요. H3는 CFG 1로 동작해 네거티브 프롬프트가 없습니다. 원하는 것을 긍정문으로 설명하세요.
R2V · Full-reference 기본 형식
레퍼런스 모드에서는 아래 6개 섹션을 순서대로 작성합니다.
subject_definitions:
<Subject 1> is ...
summary:
[reference generation] ...
retention_analysis:
<Subject 1> (appears in [Shot 1]): fully_preserved - ...
detailed_description:
<style sentence.>
[Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...
레퍼런스 라벨
- <Subject N>: 영상에 실제로 재사용할 인물·사물·배경·스타일·행동
- <Picture N>: 첫 프레임·키프레임·마지막 프레임·구도 앵커로 쓰는 이미지
- <Video N>: 편집·연속·카메라/리듬 구조의 원본 영상
- <Audio N>: 복사하거나 참조하는 오디오
이미지는 올린 순서대로 <Picture 1> … <Picture N>에 대응합니다. 인물/사물/배경은 각각 <Subject N>으로 정의하세요.
retention_analysis 표기
보이는 콘텐츠는 아래 네 가지 중 하나로만 표기합니다.
fully_preserved / partially_preserved / attribute_transfer / weak_reference
오디오는 fully_copy / partially_copy / reference / weak_reference를 사용합니다.
detailed_description
스타일 문장을 1~2개 먼저 쓰고, 그 아래에 [Shot 1]부터 재생 순서대로 장면을 씁니다. 각 샷에서 레퍼런스 라벨이 실제로 등장하는 위치와 역할을 자연스럽게 연결하세요.
The target video is in a cinematic, soft-lit style.
[Shot 1] A medium shot establishes <Subject 1> ...
사운드
overall_soundscape는 환경음·동작음·비언어 소리를 1~4문장으로, non_diegetic_music은 관객만 듣는 음악을 1~3문장으로 정리합니다.
대사
I2V와 동일하게 화자 ID와 <d>[Language] ...</d> 형식을 사용합니다. 레퍼런스 오디오의 대사를 그대로 쓸 때도 원문 언어와 단어를 유지하세요.
