Videomodell · MiniMax ·
MiniMax H3 ist ein Video-Modell von MiniMax. In Endless kostet es ab 84 Credits pro Video und ist verfügbar ab dem Plan Hobby.
Nutze es, um aus einem Prompt oder einem Bild ein Video zu machen, neben allen anderen Modellen in deinem Workspace.
Ab 84 Credits pro Video
MiniMax H3 generiert Bild und Ton gleichzeitig. MiniMax beschreibt es als omnimodales Modell, das Text, Bilder, Video und Audio in einem Kontext liest und Video mit nativem Stereo-Ton ausgibt. Das verändert, wie du schreibst: Der Prompt ist eine Zeitachse dessen, was zu sehen und zu hören ist, nicht nur eine Beschreibung des Bilds.
Der Schreibleitfaden von MiniMax gliedert jeden Prompt in drei Teile:
Bei fal, dem Anbieter, den Endless für H3 nutzt, schreibt der Endpoint deinen Prompt standardmäßig vor der Generierung in diese Struktur um. Du kannst in normalen Sätzen schreiben und bekommst darunter trotzdem einen strukturierten Prompt. Wenn du die drei Teile selbst schreibst, bestimmst du mehr darüber, was in welchem landet.
Eine kurze Vorlage:
[Stil], [Einstellungsgröße]. [Motiv und Ort]. [Handlung, der Reihe nach].
[Kamerabewegung]. Bei 00:04.000 schneidet die Kamera auf [nächste Einstellung].
Soundscape: [Atmosphäre und physische Geräusche].
Musik: [Instrumente und Tempo], oder keine Musik.
MiniMax empfiehlt, mit dem Gesamtstil und der ersten Komposition zu beginnen, zum Beispiel „Realfilm, filmisch, eine Halbtotale von …“. Weitere Stile im Leitfaden sind 2D-Animation, 3D CG, Claymation, Aquarell und Vintage-Film.
Bei mehr als einer Einstellung gibst du jedem Schnitt eine Zeit im Clip: „Bei 00:04.000 schneidet die Kamera auf eine Nahaufnahme von …“. Nimm einen einzelnen Timestamp, keinen Bereich, und lass die Zeiten aufsteigen. Ein Schnitt sollte neue Information bringen: ein neues Motiv, einen neuen Ort, Zustand, Blickwinkel oder Moment. Wenn du nur näher heranrücken oder den Winkel leicht ändern willst, nimm eine Kamerabewegung.
Der Leitfaden beschreibt Kamerabewegung in drei Teilen: Art der Bewegung, Amplitude und Tempo. Zu den Arten zählen Zoom in und out, Push in und Pull out, Schwenk, Seitwärtsfahrt nach links und rechts, Neigen, Kamera nach oben und unten, Bogenfahrt, Verfolgungsfahrt, statische Einstellung, POV, leichtes oder starkes Wackeln und Rollen. Ergänze „mit kleiner Amplitude“ oder „mit großer Amplitude“ sowie „in langsamem Tempo“ oder „in schnellem Tempo“ nur, wenn es wichtig ist. Schreib es als Satz: „Die Kamera fährt mit kleiner Amplitude und langsamem Tempo auf den Brief in ihren Händen zu.“
Stell jede sprechende Figur mit genug Details vor, um die Stimme festzulegen: Alter, Geschlecht, Tonlage, Klangfarbe, Tempo oder Akzent. Dann folgt die Zeile. Behalte dieselbe Beschreibung der Figur in allen Einstellungen bei. MiniMax nennt stabile Dialogunterstützung für 11 Sprachen: Arabisch, Chinesisch, Englisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch. Schreib jede Zeile in der Sprache, in der sie gesprochen werden soll.
Für eine Erzählung schreibst du, dass die Figur „als Voiceover aus dem Off“ spricht und ihre Lippen geschlossen bleiben, damit das Modell den Mund nicht animiert. Schilder, Beschriftungen und anderer Text im Bild stehen in doppelten Anführungszeichen, wortwörtlich.
In Endless nimmt H3 neben dem Prompt drei Arten von Eingaben an:
Öffne in deinem Workspace Video und wähle MiniMax H3 in der Modellauswahl.
Schreibe einen Prompt mit Motiv, Kamera und Bewegung oder starte mit einem Bild, das du hochlädst oder generierst.
Generiere und verfeinere dann im Chat oder auf einem Canvas. Jeder Clip wird in den Dateien deines Workspace gespeichert.
Nach Anwendungsfall gruppiert. Jeder öffnet sich in Endless mit MiniMax H3, bereit zum Bearbeiten und Generieren.
Realfilm, filmisch. Eine Halbtotale einer kleinen Rösterei im Morgengrauen, ein Röster kippt frisch geröstete Bohnen in ein Kühlsieb aus Stahl. Die Kamera fährt langsam heran, während die Bohnen knistern und Rauch durch einen Lichtstrahl aufsteigt. Soundscape: knisternde Bohnen, ein brummender Ventilator, eine Metallschaufel, die schabt. Musik: ein langsames Akustikgitarren-Pattern, das am Ende ausblendet.
Filmisch. Eine Radfahrerin fährt bei Sonnenaufgang eine Küstenstraße entlang, seitlich begleitet in schnellem Tempo. Bei 00:04.000 schneidet die Kamera auf eine Nahaufnahme von Kette und Zahnrädern in Bewegung. Bei 00:07.000 schneidet sie auf eine Totale, als sie die Hügelkuppe erreicht und sich unten das Meer öffnet. Fahrtwind, Reifen auf Asphalt, Möwen. Musik: ein gleichmäßiger elektronischer Puls, der lauter wird.
Eine statische Nahaufnahme einer Keramiktasse auf einem Holztisch, während heißer Tee aus einer gusseisernen Kanne eingegossen wird. Dampf steigt auf und fängt das Fensterlicht. Ein Holzschild dahinter trägt die Aufschrift "OPEN 7 AM". Soundscape: fließendes Wasser, ein leises Klirren, Regen am Fenster. Keine Musik.
3D CG, hell und klar. Ein Paar kabellose Ohrhörer dreht sich langsam über einem weißen Sockel, dann schnappt das Case zu und die Kamera schwenkt mit langsamem Tempo im Bogen darum. Soundscape: ein leises magnetisches Klicken und ein tiefes Rauschen. Musik: minimalistische Synth-Töne in mittlerem Tempo.
Realfilm, warmes Abendlicht. Eine Bäckerin in einer mehlbestäubten Schürze zieht ein Blech Croissants aus einem Steinofen. Die Kamera fährt mit kleiner Amplitude nach rechts, während sie das Blech abstellt und lächelt. Soundscape: knarrende Ofentür, klapperndes Blech, leiser Straßenlärm. Musik: Kontrabass und Besenschlagzeug, leicht und langsam.
Realfilm. Zwei Nachbarn unterhalten sich an einem sonnigen Nachmittag über einen Gartenzaun. Der ältere Mann mit langsamer, rauer Stimme hält eine Tomate hoch und sagt: 'Die größte dieses Jahr.' Die junge Frau mit schneller, heller Stimme lacht und antwortet: 'Das sagst du jedes Jahr.' Soundscape: Bienen, ein Rasenmäher in der Ferne, raschelnde Blätter.
Filmisch. Ein Leuchtturmwärter sitzt im Lampenlicht an einem Schreibtisch und schreibt in ein Logbuch. Er erzählt als Voiceover aus dem Off, mit geschlossenen Lippen: 'Dritte Nacht Nebel. Heute Nacht keine Schiffe.' Die Kamera fährt langsam auf die Seite zu. Soundscape: Wellen an den Felsen, ein Nebelhorn in der Ferne, Federkratzen.
Ein Straßenverkäufer in Mexiko-Stadt reicht einem Kunden einen Becher Elote. Der Verkäufer, fröhlich und laut, sagt auf Spanisch: '¡Con todo, como te gusta!' Der Kunde antwortet lächelnd auf Englisch: 'Perfect, thank you.' Soundscape: Verkehr, Musik von einem Stand in der Nähe, Stimmengewirr.
In einem Auto, das nachts im Regen parkt. Die Fahrerin, eine Frau mit sanfter, müder Stimme, sieht den Beifahrer an und sagt: 'Wir können immer noch umkehren.' Der beifahrende Mann mit tiefer, ruhiger Stimme hält den Blick auf die Straße gerichtet und sagt: 'Nein. Wir fahren weiter.' Soundscape: Regen auf dem Dach, Scheibenwischer, ein leise laufender Motor.
Eine Lehrerin steht in einem sonnigen Klassenzimmer an der Tafel und wendet sich der Klasse zu. Mit warmer, klarer Stimme sagt sie auf Französisch: 'Bonjour à tous, on commence.' Bei 00:03.000 schneidet die Kamera auf die Schüler, die ihre Hefte aufschlagen. Soundscape: scharrende Stühle, umblätternde Seiten, Vögel draußen.
Image 1 ist die Hauptfigur, eine Frau im gelben Regenmantel. Image 2 ist ihr kleiner grauer Hund. Beide bleiben passend zu ihren Referenzen, während sie in der Dämmerung gemeinsam über einen nassen Kopfsteinplatz gehen und der Hund den Regen abschüttelt. Soundscape: leichter Regen, Pfoten auf Stein, ferne Kirchenglocken.
Image 1 ist Kostüm und Gesicht der Heldin. Image 2 ist die Wüstenschlucht als Schauplatz. Die Heldin geht mittags in die Schlucht, bleibt stehen und schirmt die Augen ab, um zum Horizont zu blicken. Die Kamera fährt langsam nach oben und zeigt die Schluchtwände. Wind und herabfallende Steine.
Image 1 ist die Maskottchen-Figur. Behalte ihre Farben und Proportionen bei, während sie vor einem Spielzeugladenfenster der Kamera zuwinkt, dann springt und mit einem kleinen Wippen landet. Soundscape: ein quietschender Schritt und Kinderlachen in der Nähe. Musik: eine verspielte Xylophon-Melodie.
Image 1 ist der Koch. Image 2 ist das Restaurant von innen. Der Koch geht mit einem Teller durch den Gastraum, stellt ihn an einem Tisch ab und sagt mit stolzer, warmer Stimme: 'Das Tagesgericht heute Abend.' Die Kamera begleitet ihn seitlich. Soundscape: leises Stimmengewirr, klirrendes Besteck.
Image 1 definiert den visuellen Stil, eine Aquarellillustration. Image 2 ist die Fuchsfigur. In diesem Aquarellstil trabt der Fuchs durch einen verschneiten Wald, bleibt stehen, um die Luft zu wittern, und springt über einen umgestürzten Baumstamm. Soundscape: knirschender Schnee, Wind in den Kiefern.
Die Frau im Bild hebt den Blick vom Buch zum Fenster, während das Nachmittagslicht über ihr Gesicht wandert. Die Kamera fährt mit kleiner Amplitude und langsamem Tempo heran. Kleidung, Stuhl und Raum bleiben, wie sie sind. Soundscape: eine tickende Uhr, umblätternde Seiten.
Ausgehend von diesem Straßenfoto gehen die Lichter der Läden nacheinander an, während der Abend anbricht. Eine Straßenbahn fährt von links nach rechts vorbei und Passanten setzen sich in Bewegung. Die Kamera bleibt statisch. Soundscape: Straßenbahnklingel, Schritte, ferner Verkehr.
Der Hund im Bild neigt den Kopf und rast dann mit flatternden Ohren über das Gras auf die Kamera zu. Die Kamera fährt in schnellem Tempo zurück, um ihn im Bild zu halten. Soundscape: Hecheln, raschelndes Gras, ein kurzes Bellen.
Ausgehend von diesem Produktfoto dreht sich der Flaschenverschluss von selbst auf und ein feiner Nebel sprüht nach oben und fängt das Licht. Die Kamera schwenkt eine Vierteldrehung um die Flasche. Der Text auf dem Etikett bleibt exakt wie im Bild. Soundscape: ein leises Zischen und ein Klicken.
Aus dieser Berglandschaft jagen Wolken über die Gipfel und Schatten fegen durchs Tal, während das Licht vom Morgen in die Abenddämmerung übergeht. Die Kamera neigt sich langsam zum Fluss hinunter. Soundscape: Wind, der ferne Ruf eines Adlers. Musik: tiefe, gehaltene Streicher.
Video 1 liefert die Tanzbewegung. Image 1 ist die Tänzerin. Die Tänzerin aus Image 1 führt die Choreografie aus Video 1 bei Sonnenuntergang auf einem Dach aus, dahinter die Skyline. Soundscape: Wind und die Stadt unten. Musik: ein beschwingter Elektro-Track.
Video 1 liefert die Kamerabewegung und das Tempo. Bilde dieselbe Kamerafahrt durch einen stillen Wald im Morgengrauen nach, mit Nebel zwischen den Bäumen und durchbrechendem Licht. Soundscape: Vogelgesang und tropfende Blätter.
Video 1 ist die Bewegungsreferenz für einen Läufer. Image 1 ist der Athlet. Der Athlet aus Image 1 läuft mit Schrittlänge und Timing von Video 1 bei Ebbe einen Strand entlang. Soundscape: Wellen, Atmen, Füße, die auf nassen Sand klatschen.
Video 1 liefert das Timing der Gesten. Image 1 ist ein Cartoon-Roboter. Der Roboter wiederholt das Winken und Verbeugen aus Video 1 vor einer Werkbank voller Werkzeuge. Soundscape: leises Servosurren und ein fröhlicher Piepton.
Video 1 gibt den Rhythmus der Schnitte vor. Image 1 ist der Sneaker. Bau eine kurze Produktsequenz mit demselben Schnittrhythmus: der Sneaker auf Beton, eine Nahaufnahme der Schnürsenkel, eine Totale eines Skaters, der ihn trägt. Musik: ein druckvoller Drumloop.
Ultrabreit 21:9, filmisch. Ein einsamer Reiter zu Pferd durchquert in der Dämmerung eine weite Salzebene, klein im Bild. Die Kamera fährt langsam nach links und hält den Reiter mittig, während der Himmel rosa wird. Soundscape: Hufe auf der Salzkruste, Wind. Musik: ein langsames Solo-Cello.
Hochformat 9:16, Realfilm. Eine Streetdancerin dreht sich nachts auf einem Basketballplatz unter einem einzelnen Flutlicht. Die Kamera neigt sich von ihren Sneakern bis zu ihrem Gesicht, während sie die Bewegung beendet und grinst. Soundscape: quietschende Sneaker, ein hüpfender Ball in der Nähe. Musik: ein Hip-Hop-Beat.
Hochformat 9:16. Ein Barista schiebt einen Latte über die Theke auf die Kamera zu und sagt mit freundlicher Stimme: 'Wie immer.' Die Kamera fährt auf die Tasse zu. Soundscape: Zischen der Espressomaschine, Café-Stimmengewirr.
Ultrabreit 21:9. Ein Frachtschiff fährt bei Sonnenaufgang durch einen schmalen Fjord, auf beiden Seiten Klippen. Die Kamera fährt mit großer Amplitude nach oben und zeigt die gesamte Länge des Fjords. Soundscape: Motorbrummen, Wasser am Rumpf, Möwen.
Quadratisch 1:1. Statische Draufsicht auf Hände, die Obst auf einem Holzbrett anrichten: Feigen, Trauben, eine aufgeschnittene Orange. Jedes Stück landet mit einem sanften Tippen. Soundscape: sanftes Tippen und ein schneidendes Messer. Keine Musik.
von MiniMax
Ab 19 Credits pro Video
von MiniMax
Ab 277 Credits pro Video
von ByteDance
Ab 51 Credits pro Video
MiniMax H3 ist ab dem Plan Hobby verfügbar. Erstelle einen kostenlosen Workspace, teste zuerst die anderen Modelle und wechsle den Plan, wenn du ihn brauchst.