Panduan Prompt MiniMax H3
Panduan prompting MiniMax H3 ini disusun dari hasil generate langsung di model aktif. Bahas beat terjadwal, teks layar yang benar-benar muncul, gambar referensi, frame awal dan akhir, larangan gerakan kamera, dan arahan suara. Termasuk dua teknik yang tidak terbukti memberi perbedaan dalam pengujian kami.
Panduan Prompt MiniMax H3: hasilkan video dari prompt teks, frame awal dengan frame akhir opsional, atau hingga sembilan gambar referensi. Di MiniMax H3, semua hasil hadir dalam 2K dan 24 frame per detik, dengan trek audio stereo dalam file yang sama. Varian H3 Max, yang dibahas di bagian tersendiri menjelang akhir, menghasilkan video pada 768p atau 480p, dengan biaya 2 kredit per detik pada 768p atau 1.5 pada 480p. Durasi klip mulai dari 5 hingga 15 detik, dan kolom prompt menampung hingga 7.000 karakter. Jadi, daftar shot lengkap dengan desain suara bisa masuk dalam satu permintaan.
Panduan ini disusun dari hasil generasi model yang aktif, bukan dari lembar spesifikasi. Setiap klip di bawah adalah bagian dari pengujian tersebut, dengan resolusi asli keluaran model. Teknik yang terbukti berguna dilengkapi template. Kalau teknik yang sering direkomendasikan ternyata tidak memberi perbedaan terukur dalam pengujian kami, kami menyatakannya apa adanya.
Prompt meminta kartu judul bertuliskan "CHAPTER ONE" dengan huruf kapital putih yang ramping. Itulah hasilnya, ejaan tepat dan tata letak rapi, dalam satu generasi.
Mode ditentukan dari aset yang kamu lampirkan, bukan dari menu dropdown. Tanpa media berarti text-to-video. Frame awal, dengan frame akhir opsional, berarti image-to-video. Aset yang kamu gunakan sebagai referensi, bukan sebagai frame persis dalam video, berarti reference-to-video.
Kebiasaan dari Seedance dan WAN sebagian besar tetap berlaku, tapi dua di antaranya ternyata tidak terlalu berpengaruh di sini. Setiap baris di bawah diuji berpasangan: subjek sama, seed sama, durasi sama, dan hanya teknik yang diuji yang diubah.
| Teknik | Hasil di MiniMax H3 | Yang kami amati |
|---|---|---|
| Menuliskan teks layar secara persis | Berhasil, rendering teks memang jadi keunggulan | Kedua versi pengujian menghasilkan kartu judul yang rapi dengan ejaan benar. Menuliskan teks persisnya tidak menentukan apakah teks muncul, melainkan kata apa yang muncul dan bagaimana tampilannya: versi deskriptif menciptakan "CHAPTER I" dengan font serif, sedangkan versi dengan teks persis menghasilkan "CHAPTER ONE" dalam huruf kapital ramping sesuai permintaan. |
| Urutan subjek, adegan, aksi, kamera, audio | Berhasil, menambah kendali, bukan kualitas | Prompt singkat berisi empat kata tetap menghasilkan klip yang bagus, tapi modelnya menyusun film sendiri: dua setup dan satu cut. Versi terstruktur mempertahankan satu shot tanpa putus dan menjalankan satu push-in sesuai permintaan. |
| Segmen berwaktu dalam kurung siku | Berhasil, manfaatnya ada pada kendali kondisi akhir | Pada durasi 10 detik, versi biasa sudah menjalankan ketiga aksi dengan urutan yang benar. Versi dengan penanda waktu juga mencapai kondisi akhir yang ditentukan, termasuk bangku kosong setelah beat pertama. |
| Mengubah instruksi kamera menjadi larangan tegas | Berhasil, layak ditulis dalam prompt | "Frame tidak pernah bergerak", disertai daftar gerakan yang harus dihindari, berhasil menjaga satu frame tetap diam total sepanjang klip. |
| Perilaku yang terlihat, bukan kata-kata emosi | Berhasil | Isyarat fisik yang disebutkan, seperti tatapan tetap menunduk, jari diam, dan bahu terangkat, diikuti persis dan dipertahankan sepanjang klip. Sebaliknya, "Dia terlihat cemas dan gugup" menghasilkan akting generik menghadap kamera. |
| Frame awal dan akhir | Berhasil, hasilnya tepat sasaran | Dengan kedua frame diberikan, klip dimulai dari frame pembuka yang dilampirkan dan berakhir persis pada frame penutup yang diberikan, sampai ke gulungan tali di dermaga kosong. |
| Beri tugas untuk tiap gambar referensi | Opsional: H3 bisa membuat komposit rapi sendiri | Dua pasangan uji, termasuk satu yang sengaja dibuat sulit: seseorang, produk berlatar putih, dan ruangan kosong. Versi tanpa instruksi peran menggabungkan semuanya sama baiknya: wajah tepat, tas tepat, ruangan tepat, dan latar putih produk disingkirkan tanpa diminta. |
| Daftar larangan | Pengaman tambahan opsional | Dua pasangan uji. Pada keduanya, H3 menyingkirkan elemen terlarang dengan sendirinya. Daftar negatif singkat menjadi pengaman terakhir, misalnya untuk mencegah tulisan etalase yang tidak diinginkan. |
Singkatnya: struktur, pengaturan waktu, larangan gerakan kamera, perilaku yang bisa diamati, dan teks yang ditulis persis memang layak masuk prompt. Peran referensi dan daftar negatif adalah pengaman tambahan tanpa biaya: H3 sudah mampu menggabungkan referensi dan menjaga adegan tetap bersih dengan sendirinya.
H3 menggabungkan referensi dengan rapi tanpa instruksi peran dan menyingkirkan elemen yang tidak diinginkan dengan sendirinya. Kedua teknik ini tidak menambah biaya, jadi tetap gunakan sebagai pengaman ekstra, terutama saat dua referensi bisa tertukar, seperti dua orang atau dua lokasi.
Subjek + Aksi + Adegan dan Lingkungan + Gaya Visual + Kamera + Audio
Dalam Panduan Prompt MiniMax H3 ini, H3 percaya diri mengisi detail yang kamu kosongkan. Kalau kamera tidak kamu tentukan, H3 akan menyutradarainya sendiri, sering kali berpindah antara dua setup dalam lima detik. Ini menguntungkan kalau kamu ingin klip yang terlihat sudah jadi, tapi merepotkan kalau kamu butuh shot tertentu. Sebutkan bagian yang penting buat kamu, lalu biarkan H3 mengarang sisanya.
<Subject> <performs the primary action> in <scene and environment>, at <time of day>. <Light direction, materials, colour, and texture>. Begin on <opening shot size and framing>, then <the one camera move you want>. Audio: <the sounds that belong to this action, in the order they happen>.
A barista in a narrow espresso bar tamps a portafilter, locks it into the group head, and starts the shot, at sunrise. Low warm sunlight comes through a window on the left, steam catches the light, brushed steel and matte ceramic surfaces. Begin on a medium shot of her hands at the machine, then slowly push in to a close-up of the espresso stream. Audio: the grind of the burr, the clack of the portafilter locking in, the hiss of the pump, and quiet morning room tone.
Hasilnya bagus, tapi sepenuhnya film versi model sendiri. Model memilih shot makro penuangan latte art, lalu cut ke shot lebar seorang barista yang diciptakannya sendiri.
Satu take tanpa putus. Push-in sesuai permintaan, cahaya dari sisi yang ditentukan, diakhiri pada aliran espresso. Seed sama dengan versi tanpa arahan tambahan.
Kedua klip terlihat bagus, dan itulah temuannya. Prompt terstruktur menambahkan kepatuhan yang presisi di atas kualitas yang memang selalu diberikan H3. Pakai formula ini saat shot harus sesuai dengan bayanganmu, dan pakai satu kalimat saat kamu ingin mendapat kejutan.
Untuk rangkaian yang lebih panjang dari satu aksi, tulis klip sebagai beat terjadwal yang berurutan. Beri tiap beat satu perubahan utama dan jelaskan apa yang harus terlihat saat beat berakhir. Kondisi akhir inilah yang paling berperan: model mendapat titik target yang harus dicapai, bukan sekadar suasana yang harus dipertahankan.
<One line naming the setting and the overall event.> [0-3 seconds] <Opening shot. One primary change.> End with <a state a viewer could point at>. [3-7 seconds] <Next shot. One primary change.> End with <a state a viewer could point at>. [7-10 seconds] <Final shot. One primary change.> End with <the closing state>. Audio: <what runs underneath, and what happens at the specific moments>.
Urutannya tetap berjalan dengan benar. H3 piawai membaca urutan tersirat, jadi deskripsi biasa tidak berantakan seperti pada beberapa model lain.
Perhatikan kondisi akhir yang diminta benar-benar tercapai: meja kerja terlihat kosong setelah roda terpasang di dudukannya, dan kunci pas masih ada di tangannya setelah pengerjaan jari-jari selesai.
Kami menguji batas 15 detik dengan lima segmen berwaktu, masing-masing tiga detik. Empat segmen pertama berjalan sesuai urutan dan tepat waktu. Tips jitu: rencanakan empat segmen untuk lima belas detik dan beri bagian penutup ruang paling besar.
Memusatkan tanah liat, membuka bagian tengah, menarik dinding ke atas, membentuk bibir: empat beat, masing-masing tepat pada waktunya.
Teks terbaca adalah keunggulan H3 yang paling kentara, sekaligus pembeda praktis terbesarnya dari model video lain yang sudah kami uji. Kedua versi pengujian menghasilkan teks yang bersih dan ejaannya tepat. Prompt menentukan kata apa yang muncul dan bagaimana tampilannya.
Rapi dan ejaannya benar, tapi model memilih sendiri kata-kata dan font-nya: "CHAPTER I", dengan font serif.
Teks persis sesuai permintaan, dengan ketebalan dan kapitalisasi yang diminta, di tengah. Seed sama dengan versi deskriptif.
A title card reads "<THE EXACT STRING>" in <weight, case, and family>, <position in frame>. Do not misspell it, do not add any other text, do not add subtitles.
Lampirkan hingga sembilan gambar, lalu H3 menggabungkannya menjadi satu shot: wajah dari satu gambar, produk dari gambar lain, lokasi dari gambar ketiga. H3 menentukan sendiri fungsi tiap gambar: dalam kedua pengujian kami, model menggabungkan wajah, produk, dan lokasi yang tepat tanpa diberi tahu.
Image 1 untuk perempuan, Image 2 untuk tas selempang, Image 3 untuk lobi, plus instruksi tegas untuk tidak memakai latar produk putih atau latar studio.
Seed sama, gambar sama, satu kalimat sederhana. Wajah, tas, dan ruangan tepat, sementara kedua latar yang tidak diinginkan hilang tanpa perlu disuruh.
Uji dua gambar sebelumnya, dengan satu orang dan satu lokasi, juga memberi hasil yang sama. Menurut pembacaan kami, ketika setiap referensi hanya masuk akal untuk satu peran, H3 bisa menentukan pembagiannya sendiri. Instruksi peran tidak menambah biaya dan tetap kami sarankan. Begitu dua referensi bisa mengisi peran yang sama, model harus menebak, dan menulis satu kalimat lebih murah daripada mengulang generasi.
Use Image 1 for <what it defines>: preserve <the specific features that must survive>. Use Image 2 for <what it defines>: preserve <the specific features that must survive>. Use Image 3 for <the location>: <the elements of the set that matter>. Do not use <the parts of any reference that should not appear, such as a studio backdrop>. <The action, the light, and the shot.>
Wajah dan rambut tetap konsisten di semua pengujian referensi. Tips pro: selain menampilkannya dalam gambar, sebutkan juga tiap pakaian di prompt ("jaket kanvas biru navy") agar busananya ikut terkunci sama kuat.
Di PixelDojo, referensi berupa gambar: cara tercepat mengunci wajah, produk, dan lokasi dalam satu shot.
Semua panduan di atas sudah cukup untuk satu shot dengan satu atau dua referensi. Begitu prompt memuat beberapa aset dan daftar karakter bernama, kamu butuh sistem token dan tata letak tetap. Bagian ini berisi struktur yang kami pakai untuk kebutuhan itu, disusun dari dokumentasi model, bukan dari rangkaian uji A/B kami sendiri.
Rujuk aset terlampir dengan token ringkas: Image1, Video1, Audio1. Tanpa spasi sebelum angka. Angka menunjukkan urutan unggahan, jadi token merujuk pada aset yang menempati slot itu saat dilampirkan. Tetapkan urutannya sebelum mulai menulis dan jangan ubah penomoran di tengah prompt. Kalau mengganti aset, ganti filenya, bukan tokennya.
Sebelum menulis, tentukan kontrak spesifik untuk shot ini. Setiap kontrak punya aturan berbeda tentang apa yang boleh dikendalikan referensi. Gunakan satu kontrak per prompt agar setiap referensi menjalankan tugasnya dengan tepat.
| Kontrak | Yang dikendalikan referensi | Yang wajib ditulis dalam prompt |
|---|---|---|
| Teks ke video | Tidak ada lampiran | Seluruh shot, memakai formula inti di atas. |
| Frame awal dan akhir | Dua gambar pembatas | Gambar mana yang membuka dan menutup, ditambah satu gerakan sebab-akibat yang menghubungkan keduanya. |
| Referensi Omni | Identitas, busana, properti, dan lokasi | Satu tugas yang jelas per gambar, plus ciri yang wajib dipertahankan dalam komposit. |
| Transfer akting | Satu video sumber hanya untuk gerakan | Gerakan spesifik yang harus ditiru, serta larangan tegas untuk mengambil orang, pakaian, dan lokasi dari video tersebut. |
| Transfer suara | Satu file audio sebagai sumber suara | Karakter mana yang memakai suara itu, bahwa sinkronisasi bibir harus terjaga, dan seperti apa suara latar ruangannya. |
| Edit terarah | Satu klip jadi acuan utama | Bahwa master adalah satu-satunya sumber, daftar perubahan yang spesifik, dan daftar hal yang tidak boleh bergeser. |
Aturan di balik keenamnya: satu aset mengendalikan satu hal, dan semua hal yang tidak boleh dikendalikannya harus ditulis. "Gunakan referensinya" bukan instruksi, itu harapan.
Apa pun yang harus tetap sama sepanjang klip perlu ditaruh di atas daftar shot, dalam bagian berlabel. Daftar shot cukup memuat hal yang berubah. Jumlah subjek, wajah, busana, properti, suara, dan posisi tiap orang adalah enam hal yang perlu dikunci di atas agar berlaku untuk setiap beat.
[REFERENCE USE] Image1 = <one job>. Keep <features>. Ignore <what must not travel>. Image2 = <one job>. Keep <features>. Ignore <what must not travel>. [IDENTITY / CONTINUITY LOCKS] <How many people are in frame, and no more.> <Each face, tied to its token.> <Each garment, described in words as well as shown.> <Each hero prop, and which hand or surface holds it.> [SCENE] <Location, time of day, weather, and the light.> [DIALOGUE] <Character>: "<the exact line>" [SCREEN GEOGRAPHY] <Who is on the left, who is on the right, and what they look at.>
Tata posisi dalam layar sering dilewatkan. Menyebutkan siapa berdiri di mana dan ke mana setiap pasang mata memandang menjaga arah tatapan tetap konsisten saat kamera bergerak.
Daftar shot mengikuti aturan segmen berwaktu yang sama seperti bagian sebelumnya: rentang berurutan tanpa tumpang tindih, masing-masing berisi satu peristiwa utama, dan kondisi akhir yang jelas. Untuk tiap rentang, tuliskan framing, perilaku kamera, aksi, dialog jika ada, dan kondisi saat rentang berakhir. Untuk satu aksi berkelanjutan, prosa biasa tetap cukup. Tanda kurung siku dipakai untuk rangkaian aksi, bukan hiasan.
Setelah daftar shot, tutup dengan bagian penyelesaian. Bagian ini menjelaskan keseluruhan klip, bukan satu beat tertentu. Letakkan di bawah agar tidak terbaca sebagai langkah berikutnya.
[REFERENCE USE] Image1 = Nadia, lead. Keep the face, the freckles, and the dark curls tied back. Ignore the grey studio backdrop. Image2 = Theo, second character. Keep the face, the beard, and the wire-rim glasses. Ignore the office behind him. Image3 = the record shop interior. Keep the wooden browsing bins, the yellow pendant lights, and the tiled floor. Video1 = motion source only. Copy the slow turn of the head and the reach across the bin. Do not use its actors, its clothing, or its location. Audio1 = Nadia's speaking voice. Nadia speaks in this voice. Keep her lip sync accurate to the line below. [IDENTITY / CONTINUITY LOCKS] Exactly two people are in frame for the whole clip. No extras, no passers-by. Nadia has the face from Image1. Theo has the face from Image2. Nadia wears a rust corduroy jacket over a cream tee. Theo wears a charcoal knit sweater. The hero prop is one sleeved vinyl record. It stays in Nadia's hands until she passes it to Theo. [SCENE] The record shop from Image3, late afternoon. Low sun comes through the front window on the right and the pendant lights are already on. [DIALOGUE] Nadia: "This is the pressing I told you about." [SCREEN GEOGRAPHY] Nadia stands on the left at the browsing bin. Theo stands on the right by the counter. They look at each other when they speak and at the record when it changes hands. [SHOT LIST] [0-4 seconds] Medium two-shot, locked off. Nadia turns her head toward Theo and reaches across the bin. End with the record lifted clear of the bin in her right hand. [4-8 seconds] Slow push in to a medium close-up on Nadia. She says her line and holds the record up. End with the sleeve fully readable in frame. [8-12 seconds] Hold the medium close-up, then reframe right as she passes the record. End with the record in Theo's hands and Nadia's hands empty. [ACTING] Nadia's gaze stays on Theo through the line and drops to the record as she passes it. Her thumbs stay on the sleeve edges. Theo's shoulders drop as he takes it and he exhales once. [LIGHT AND IMAGE] Warm low sun from the right, soft fill from the pendants, deep shadows in the bins. Muted rust and amber palette. Shallow depth of field on a 40mm lens, fine grain. [CAMERA] One slow push in and one reframe, both on a tripod head. No handheld, no zoom, no whip pan. [PRODUCTION SOUND] Quiet shop room tone, the rustle of sleeves in the bin, one soft card-stock slide as the record leaves its slot, and Nadia's line clean over the top. No music. [NEGATIVES] No identity drift between Nadia and Theo. No wardrobe changes. No third person entering frame. No broken eyelines. No subtitles or captions.
Saat ini PixelDojo menyediakan referensi gambar, jadi Image1 hingga Image9 adalah token yang benar-benar bisa kamu lampirkan. Aturan tugas Video1 dan Audio1 didokumentasikan di sini karena model memahaminya, dan karena disiplin satu tugas per aset yang sama juga membuat prompt berbasis gambar saja tetap konsisten.
Lampirkan frame awal, lalu H3 menganimasikannya. Lampirkan frame awal dan akhir, lalu H3 mengisi gerakan di antaranya. Inilah kontrol paling presisi yang ditawarkan model. Dalam mode ini, rasio aspek mengikuti gambar, jadi pilihan rasio diabaikan.
Frame yang diberikan tetap jadi acuan dan dianimasikan: ia tetap di dekat tiang lalu menoleh, sementara tali bergerak tertiup angin.
Frame pembuka sama. Dia berjalan keluar ke kiri dan klip berakhir tepat pada frame penutup yang diberikan, termasuk dermaga kosong dan gulungan tali.
H3 langsung memahami istilah sinematografi dan suka gerakan. Kalau dibiarkan, kameranya akan mengikuti aksi dengan gerakan halus yang terasa hidup. Untuk shot statis, sebutkan gerakan yang harus dihindari, dan framing akan tetap kokoh tanpa bergeser.
Kamera bergerak natural, mengikuti dia saat bekerja.
Satu framing statis sepanjang klip. Hanya tukang kebun dan semprotan yang bergerak. Seed sama dengan versi tanpa suara.
Locked-off static <wide / medium / close> shot. No push in, no handheld, no zoom, no dolly. The frame never moves.
Kalau kamu ingin kamera bergerak, sebutkan satu gerakan dan jelaskan perubahan yang terlihat di layar. "Perlahan mendekat hingga close-up aliran espresso" dijalankan sesuai instruksi. Tips jitu: pasangkan setiap istilah kamera dengan perubahan visual yang kamu inginkan, dan H3 akan mengeksekusinya dengan tepat.
Kata emosi merangkum akting, bukan menggambarkannya. Tulis apa yang bisa ditangkap kamera: ke mana mata memandang, apa yang dilakukan tangan, bagaimana napasnya, dan bagian mana yang tetap diam.
Akting generik menghadap kamera. Biola ada di pangkuannya, dan arahan diwujudkan sebagai ekspresi, bukan perilaku.
Tatapan terpaku ke lantai, jari mencengkeram leher biola, bahu terangkat. Instruksi diikuti secara harfiah dan dipertahankan sepanjang klip.
<Subject> <is in the situation>. <What the hands do>, <where the eyes go>, <what the shoulders or posture do>, and <one breath or pause>. <Shot size>, <camera behaviour>.
Setiap klip hadir dengan trek stereo, jadi suara perlu kamu arahkan, bukan sekadar kamu terima. Sebutkan suara sesuai urutan kemunculannya, jelaskan suara latarnya, dan tentukan suara yang tidak boleh ada.
Lapisan suara latar yang terus mengalun. Saat diukur sepanjang klip, levelnya berada di sekitar −32 dB dengan sedikit variasi.
Gambarnya sama, tetapi trek audionya dibangun dari peristiwa: level latar hening di sekitar −45 dB, dengan transien mencapai −23 dB saat pukulan dan pencelupan untuk pendinginan terjadi.
Audio: <what runs underneath for the whole clip>, <the specific event sounds in the order they happen>, and at <the moment> <the sound that marks it>. No music.
Level audio mengikuti adegan, jadi adegan tenang benar-benar menghasilkan suasana hening yang alami. Klip tepi danau dan belakang panggung kami terukur rata-rata sekitar −44 dB, kira-kira 25 dB lebih rendah dari adegan ramai. Atur loudness akhir saat editing.
Tulis larangan langsung di dalam prompt sebagai kalimat biasa. H3 bisa menjaga adegan tetap bersih tanpa diminta, jadi satu baris larangan singkat berfungsi sebagai pengaman terakhir, bukan syarat wajib.
Teras kosong, sesuai permintaan.
Terasnya juga kosong: H3 menjaga adegan tetap bersih tanpa perlu diminta.
Pasangan uji perahu di danau sebelumnya juga menunjukkan hasil yang sama. Jadi, saran praktisnya lebih spesifik daripada "instruksi negatif sangat efektif": gunakan untuk hal-hal yang suka ditambahkan model sendiri. Dalam pengujian kami, itu berarti teks di layar dan gerakan kamera. Jangan mengandalkan instruksi negatif untuk menghilangkan subjek yang tersirat dari adegan. Kalau tidak boleh ada orang dalam shot, deskripsikan tempat kosong, bukan tempat yang melarang kehadiran orang.
Enam rasio aspek, dirender pada 2K di H3: 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16. Format vertikal benar-benar berukuran 1440 x 2560, bukan hasil crop dari lanskap. Jadi, lebih baik langsung buat aset media sosial dalam format aslinya daripada mengatur ulang framing belakangan.
Iklan produk yang dirancang untuk layar ponsel: kamera bergerak naik, embun mengalir, dan tidak ada bagian yang dipotong dari frame lebih lebar.
| Pengaturan | Rentang | Catatan |
|---|---|---|
| Durasi | 5 sampai 15 detik | Dalam detik bulat. Biaya mengikuti durasi. |
| Resolusi | H3: 2K atau 768p. H3 Max: 768p atau 480p | Di H3, frame awal memaksa output 2K. Di H3 Max, resolusi pilihanmu tetap dipakai di semua mode. |
| Kredit | 5 per detik di 2K, 2.5 di 768p. H3 Max: 2.5 di 768p, 2 di 480p | 20 kredit untuk klip 5 detik di 2K, 10 di H3 Max pada 768p. 60 untuk durasi penuh 15 detik di 2K. Video referensi menambah 4.5 kredit per detik klip, dan setiap gambar referensi setelah gambar kelima menambah 1. |
| Panjang prompt | Hingga 7.000 karakter | Daftar shot lengkap beserta desain suara bisa masuk dengan leluasa. |
| Rasio aspek | Enam rasio | Diabaikan dalam mode frame awal, karena gambar yang menentukan bentuknya. |
Di H3, setiap generasi menghasilkan 2K, jadi klip yang kamu buang biayanya sama dengan klip yang bagus. Uji tampilan dan suaranya dalam 5 detik, lalu jalankan ulang prompt yang kamu suka dengan durasi yang dibutuhkan. H3 Max lebih hemat untuk pengujian itu selama 768p cukup untuk menilai hasilnya.
H3 Max adalah varian MiniMax H3 yang dioptimalkan performanya untuk kecepatan. Model ini memahami bahasa prompt yang sama dengan semua panduan di atas, dan tetap membuat audio tersinkronnya sendiri. H3 Max menerima frame awal dengan frame akhir opsional, berjalan selama 5 sampai 15 detik dalam enam rasio aspek yang sama, dan merender cepat dengan biaya 2 kredit per detik di 768p atau 1.5 di 480p.
Satu take tanpa putus dengan push-in sesuai prompt, dibuka pada tangannya dan diakhiri pada aliran espresso. 2560 kali 1440.
Prompt yang sama. Hasilnya juga mempertahankan satu shot berkelanjutan dengan kamera bergerak mendekat, dimulai dari tangannya dan berakhir pada aliran espresso. Perbedaan yang terlihat ada pada ukuran frame: 1344 x 768 dibandingkan 2560 x 1440.
Frame awal tidak membuat H3 Max masuk ke tingkat harga yang lebih mahal seperti pada H3. Pada pengujian ini, model menata adegan pengungkapan dengan menutup kotak selama dua detik pertama sambil menggerakkan kamera mengorbit, lalu membukanya lagi dari sudut baru. Pengujian 480p dengan gambar dan prompt yang sama sama sekali tidak menata adegan ini. Jadi, anggap adegan pengungkapan ini sebagai kemampuan model, bukan sesuatu yang selalu dilakukannya.
| Pengaturan | MiniMax H3 | H3 Max |
|---|---|---|
| Resolusi | 2K atau 768p | 768p atau 480p |
| Kredit per detik | 5 di 2K, 2.5 di 768p, ditambah 4.5 per detik video referensi dan 1 per gambar referensi setelah gambar kelima | 2.5 di 768p, 2 di 480p |
| 5-second clip | 20 kredit di 2K, 12.5 di 768p | 10 kredit di 768p, 7.5 di 480p |
| Pengaruh frame awal pada biaya | Wajib 2K, jadi image-to-video membutuhkan 20 kredit untuk 5 detik | Tidak ada. Resolusi pilihanmu tetap dipakai |
| Gambar, video, audio referensi | Hingga sembilan gambar, tiga video, tiga audio | Tidak didukung. Hanya frame |
| Durasi | 5 sampai 15 detik penuh | 5 sampai 15 detik penuh |
| Rasio aspek | Enam, dari 21:9 sampai 9:16 | Enam, daftarnya sama |
| Waktu proses terukur | Sekitar 205 detik untuk klip image-to-video 5 detik pada 2026-08-26 | 24 to 33 seconds across three 5-second runs on 2026-09-01 |
Pakai H3 Max untuk menguji prompt sebelum membayar tarif 2K, untuk klip sosial dan produk yang cukup dengan 768p, serta untuk pekerjaan image-to-video saat tarif 2K terasa berat. Tetap gunakan MiniMax H3 saat hasil akhir harus 2K, atau saat shot membutuhkan gambar, video, atau audio referensi.
Diuji pada 2026-08-03 menggunakan model yang aktif di PixelDojo: 24 generasi, dijalankan dalam pasangan sebanding dengan seed yang sama dan hanya satu variabel diubah. Kalau suatu teknik tidak memberi perbedaan terukur, panduan ini menyatakannya, bukan ikut mengulang klaimnya.