Skip to main content

MiniMax H3 프롬프트 가이드

MiniMax H3.
2K, 사운드 포함. 프롬프트마다 직접 테스트했어요.

실제 모델로 직접 생성하며 완성한 MiniMax H3 프롬프트 가이드예요. 구간별 타이밍, 실제로 구현되는 화면 텍스트, 참조 이미지, 시작·마지막 프레임, 카메라 움직임 금지, 사운드 연출까지 다뤄요. 효과가 있다는 근거를 확인하지 못한 두 가지 기법도 함께 담았어요.

개요

MiniMax H3 프롬프트 가이드에서 다루는 MiniMax H3는 텍스트 프롬프트, 첫 프레임과 선택 사항인 마지막 프레임, 또는 최대 9장의 레퍼런스 이미지로 영상을 만들어요. MiniMax H3의 모든 결과물은 2K, 초당 24프레임이며, 같은 파일에 스테레오 오디오 트랙이 담겨요. 글 후반부의 별도 섹션에서 다루는 H3 Max는 대신 768p 또는 480p로 렌더링해요. 초당 비용은 768p에서 2 크레딧, 480p에서 1.5 크레딧이에요. 클립 길이는 5초부터 15초까지이고, 프롬프트는 최대 7,000자까지 입력할 수 있어 사운드 디자인을 포함한 전체 샷 리스트를 한 번에 요청할 수 있어요.

이 가이드는 사양표가 아니라 실제 서비스 중인 모델의 생성 결과를 바탕으로 썼어요. 아래 모든 클립은 테스트 결과이며, 모델이 출력한 해상도 그대로예요. 작성한 지시가 실제 효과를 내는 기법에는 템플릿을 제공해요. 널리 알려진 기법이라도 테스트에서 측정 가능한 차이가 없었다면 그대로 밝혀요.

프롬프트에 표시할 문구를 정확히 작성

프롬프트에서는 폭이 좁은 흰색 대문자로 "CHAPTER ONE"을 표시한 타이틀 카드를 요청했어요. 단 한 번의 생성으로 철자도 정확하고 배치도 깔끔한 결과가 나왔어요.

  • 두 모델 모두 한 번에 5~15초를 24fps로 생성해요. H3는 2K, H3 Max는 768p 또는 480p를 지원해요.
  • 공간의 배경음, 폴리 효과음, 음악, 음성이 같은 파일에 기본 스테레오 오디오로 담겨요.
  • 두 모델 모두, 모든 등급에서 21:9부터 9:16까지 6가지 화면비를 지원해요.
  • 레퍼런스 이미지는 최대 9개까지 사용할 수 있어요. 처음 5개는 포함되며, 이후에는 이미지당 1크레딧이 추가돼요. 또는 숏의 첫 프레임과 마지막 프레임을 지정할 수 있어요. H3 Max는 프레임을 입력으로 사용해요.
  • 프롬프트는 최대 7,000자예요. 초당 비용은 2K에서 4 크레딧, 768p에서 2.5 크레딧이며, 레퍼런스 영상은 초당 4.5 크레딧이 추가돼요. H3 Max는 768p에서 2, 480p에서 1.5예요.

모드는 드롭다운이 아니라 첨부한 파일에 따라 정해져요. 미디어가 없으면 텍스트 투 비디오예요. 시작 프레임을 넣으면 이미지 투 비디오가 되고, 종료 프레임도 선택해서 넣을 수 있어요. 실제 프레임이 아닌 참고 자료로 쓰는 파일을 넣으면 레퍼런스 투 비디오가 돼요.

다른 모델의 기법, 어디까지 통할까요

Seedance와 WAN에서 쓰던 방식은 대부분 그대로 통해요. 다만 그중 두 가지는 여기서 예상보다 효과가 적었어요. 아래 각 행은 피사체, 시드, 길이를 모두 같게 두고, 검증할 기법 하나만 바꾼 짝 비교 테스트 결과예요.

기법MiniMax H3 결과테스트 결과
화면에 표시할 텍스트 직접 쓰기효과 있어요. 텍스트 렌더링은 확실한 강점이에요두 테스트 모두 깔끔하고 철자가 정확한 타이틀 카드를 만들었어요. 문구를 직접 적는다고 텍스트가 새로 나타나는 건 아니에요. 어떤 문구를 어떤 서체로 배치할지가 달라져요. 설명만 한 버전은 세리프체의 "CHAPTER I"을 자체적으로 만들었고, 문구를 지정한 버전은 요청대로 폭이 좁은 대문자 서체로 "CHAPTER ONE"을 표현했어요.
주체, 장면, 동작, 카메라, 오디오 순서효과 있어요. 품질보다 제어력을 높여줘요단 네 단어로 쓴 프롬프트도 준수한 클립을 만들었지만, 연출은 모델이 알아서 정했어요. 두 가지 구도에 컷 전환까지 넣었죠. 구조화한 버전은 하나의 연속 숏을 유지하며, 요청한 단 한 번의 푸시인을 정확히 수행했어요.
대괄호로 시간 구간 지정효과 있어요. 종료 상태를 확실히 잡아줘요10초 영상에서는 기본 버전도 이미 세 가지 동작을 올바른 순서로 구현했어요. 타이밍을 지정한 버전은 첫 구간 뒤 벤치가 비어 있는 모습까지, 명시한 종료 상태도 정확히 맞췄어요.
카메라 지시를 명확한 금지 지시로 바꾸기효과 있어요. 적을 가치가 있어요"프레임은 절대 움직이지 않아요"에 금지할 카메라 움직임을 나열하자, 클립 내내 흔들림 없는 고정 구도를 유지했어요.
감정 단어 대신 눈에 보이는 행동효과 있어요아래로 고정한 시선, 움직이지 않는 손가락, 올라간 어깨처럼 구체적인 신체 표현을 지정하면 클립 내내 그대로 유지했어요. 반면 "불안하고 긴장한 표정"이라고 쓰면 카메라를 향한 평범한 연기가 나왔어요.
시작·마지막 프레임효과 있어요. 정확히 구현돼요두 프레임을 함께 넣자 제공한 시작 프레임에서 출발해, 제공한 마지막 프레임과 정확히 일치하는 장면으로 끝났어요. 텅 빈 부두 위에 감겨 있는 밧줄까지 그대로예요.
참조 이미지마다 역할 지정하기선택 사항: H3는 별도 지시 없이도 깔끔하게 합성해요두 쌍을 비교했어요. 일부러 난도를 높인 쌍에는 인물, 흰 배경의 제품, 빈 방을 넣었어요. 역할을 지정하지 않은 쪽도 똑같이 잘 합성했어요. 얼굴, 가방, 방이 모두 정확했고, 따로 말하지 않아도 제품의 흰 배경을 제외했어요.
제외 목록추가 안전장치, 선택 사항두 쌍을 비교했어요. 두 경우 모두 H3가 금지 요소를 알아서 배제했어요. 짧은 네거티브 목록은 마지막 안전장치가 돼요. 예를 들어 원치 않는 상점 간판 글자를 막는 용도예요.

핵심만 정리하면, 구조화, 타이밍, 카메라 움직임 금지, 관찰 가능한 행동, 정확한 표시 문구는 적는 만큼 효과가 있어요. 레퍼런스 역할 지정과 네거티브 목록은 추가 비용 없는 안전장치예요. H3는 원래도 레퍼런스를 잘 합성하고 장면에 불필요한 요소가 끼지 않게 해줘요.

H3는 역할을 따로 지정하지 않아도 참조 자료를 깔끔하게 합성하고, 원치 않는 요소도 스스로 배제해요. 두 기법 모두 추가 비용이 없으니 보완 장치로 넣어두세요. 특히 두 사람이나 두 장소처럼 참조 자료끼리 혼동할 수 있을 때 유용해요.

핵심 프롬프트 공식

주체 + 동작 + 장면 및 환경 + 비주얼 스타일 + 카메라 + 오디오

H3는 빈틈을 자신 있게 채워요. 카메라를 지정하지 않으면 알아서 연출하고, 5초 안에 두 구도를 오가며 컷을 나누기도 해요. 완성도 있는 클립이 필요할 때는 장점이지만, 특정 샷이 필요할 때는 걸림돌이 돼요. 중요한 요소만 콕 짚고, 나머지는 H3에 맡기세요.

기본 템플릿
<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>.
직접 테스트한 예시
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.
최소형: "커피를 만드는 바리스타."

준수하지만, 연출은 전적으로 모델의 선택이에요. 라테 아트를 붓는 매크로 숏을 고른 뒤, 스스로 만들어낸 바리스타의 와이드 숏으로 전환했어요.

구조화: 위 템플릿 사용

한 번도 끊기지 않는 연속 테이크예요. 요청한 푸시인과 지정한 방향의 조명을 따르고, 에스프레소가 흐르는 장면으로 끝나요. 기본 프롬프트 버전과 같은 시드예요.

두 클립 모두 멋져요. 바로 그게 이번 테스트의 결론이에요. 구조화한 프롬프트는 H3가 기본으로 보여주는 퀄리티에 정확한 지시 이행을 더해줘요. 머릿속 장면을 그대로 구현해야 한다면 이 공식을, 뜻밖의 결과도 즐길 수 있다면 한 줄 프롬프트를 쓰세요.

시간 구간 설계와 긴 클립

동작 하나보다 긴 영상이라면, 클립을 연속된 시간 구간으로 나눠 쓰세요. 각 구간에는 핵심 변화 하나를 주고, 끝났을 때 무엇이 보여야 하는지 적어요. 핵심은 종료 상태예요. 모델이 분위기를 계속 유지하는 대신, 도달해야 할 체크포인트를 갖게 되거든요.

시간 구간 템플릿
<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>.
10초, 세 동작을 한 문장으로 작성

동작 순서는 여전히 맞아요. H3는 암묵적인 순서를 잘 읽어서, 일부 모델과 달리 일반적인 서술형 설명도 결과를 망치지 않아요.

10초, 같은 동작을 시간 구간별로 지정

지정한 종료 상태가 구현되는지 보세요. 바퀴가 스탠드에 들어가면 작업대가 확실히 비어 있고, 스포크 작업이 끝났을 때도 렌치는 그의 손에 그대로 있어요.

15초 전체의 호흡 설계

최대 길이인 15초에 각 3초씩 다섯 구간을 넣어 테스트했어요. 처음 네 구간은 순서도 맞고 타이밍도 정확했어요. 실전 팁: 15초에는 네 구간을 설계하고, 마지막 장면에 가장 넉넉한 시간을 주세요.

15초, 타이밍을 지정한 다섯 구간

중심 잡기, 구멍 내기, 벽 끌어올리기, 가장자리 다듬기. 네 구간 모두 지정한 타이밍에 맞춰 완성돼요.

  • 소품을 바꾸거나 건네는 구간에는 약 네 초를 배정하세요. 세 초는 카메라 전환에는 충분하지만, 동작을 담기에는 빠듯해요.
  • 마지막 구간에는 가장 넉넉한 시간을 주고, 가장 중요한 숏은 중간에 배치하세요.
  • 구간마다 핵심 변화는 하나만 넣으세요. 각 구간이 또렷하게 살아나요.
  • 종료 상태는 보는 사람이 짚어낼 수 있는 모습으로 쓰세요. 비어 있는 표면, 어느 손에 들려 있는 도구, 닫힌 문처럼요.

화면 속 텍스트

H3의 강점이 가장 뚜렷하게 드러나는 부분은 읽기 쉬운 글자예요. 저희가 테스트한 다른 영상 모델과 비교해 실무에서 가장 큰 차이를 만드는 지점이기도 해요. 비교 테스트 양쪽 모두 깔끔하고 철자가 정확한 글자를 만들었어요. 프롬프트로 조절하는 건 어떤 문구가 나오고 어떻게 배치되는지예요.

설명형: "챕터명이 적힌 타이틀 카드"

깔끔하고 철자도 정확해요. 다만 문구와 서체는 모델이 골랐어요. 세리프체로 쓴 "CHAPTER I"이에요.

정확히 명시: "CHAPTER ONE", 폭이 좁은 흰색 대문자

요청한 굵기와 대소문자를 지킨 정확한 문구가 중앙에 배치됐어요. 묘사형 프롬프트 버전과 같은 시드예요.

텍스트 템플릿
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.
  • 읽을 수 있어야 하는 단어는 직접 입력하세요. 설명만 하면 글자는 나오지만, 원하는 문구가 나오지는 않아요.
  • 글자 스타일을 지정하세요. 장평을 좁게, 모두 대문자로, 세리프체로, 자간을 넓게. 이런 지시를 그대로 따라요.
  • 프레임 안의 위치를 지정하세요. "중앙"과 "화면 하단 3분의 1" 모두 정확히 반영돼요.
  • 금지 지시를 한 줄 추가하세요. 비용은 들지 않아요. 테스트에서 네거티브 지시가 제 역할을 한 유일한 부분이에요.

레퍼런스 이미지

이미지를 최대 아홉 장 첨부하면 H3가 하나의 숏으로 합성해요. 한 이미지에서는 얼굴을, 다른 이미지에서는 제품을, 또 다른 이미지에서는 장소를 가져오는 식이에요. 각 이미지의 용도도 H3가 스스로 파악해요. 두 차례 테스트 모두 별도 지시 없이 올바른 얼굴, 제품, 장소를 조합했어요.

레퍼런스 세 개, 역할 모두 지정

Image 1은 여성, Image 2는 숄더백, Image 3은 로비로 지정하고, 흰색 제품 배경과 스튜디오 배경은 사용하지 말라고 분명히 지시해요.

같은 레퍼런스 세 개, 역할 지정 없음

같은 시드와 같은 이미지에 평범한 문장 하나만 썼어요. 얼굴도, 가방도, 방도 정확했고, 원치 않는 두 배경은 따로 지시하지 않아도 빠졌어요.

앞서 인물 이미지와 장소 이미지 두 장으로 진행한 테스트도 결과가 같았어요. 각 레퍼런스가 맡을 수 있는 역할이 하나뿐이면 H3가 알아서 배정한다고 봐요. 역할을 적는 데 추가 비용은 없으니 여전히 명시하는 걸 추천해요. 두 레퍼런스가 같은 역할에 들어갈 수 있는 순간부터 모델은 추측해야 하고, 한 문장 쓰는 편이 다시 생성하는 것보다 저렴하니까요.

레퍼런스 템플릿
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.>

모든 참조 테스트에서 얼굴과 헤어스타일이 일관되게 유지됐어요. 팁을 하나 더 드리면, 의상은 이미지로 보여주는 데서 그치지 말고 "네이비 캔버스 재킷"처럼 프롬프트에도 각 항목을 적으세요. 의상까지 확실하게 고정할 수 있어요.

PixelDojo에서는 이미지를 레퍼런스로 사용해요. 얼굴, 제품, 장소를 한 샷에 고정하는 가장 빠른 방법이에요.

고급 참조 프롬프트

위 내용이면 참조 자료 한두 개를 쓰는 단일 숏에 충분해요. 하지만 여러 자료와 이름이 정해진 등장인물이 함께 들어가면 토큰 체계와 고정된 구성이 필요해요. 이 섹션은 그런 프롬프트에 쓰는 구조예요. 자체 A/B 테스트가 아닌 모델 문서를 바탕으로 정리했어요.

레퍼런스 토큰

첨부 파일은 Image1, Video1, Audio1처럼 짧은 토큰으로 지정하세요. 숫자 앞에는 공백을 넣지 않아요. 숫자는 업로드 순서이므로, 각 토큰은 첨부 당시 해당 위치에 있던 파일을 가리켜요. 작성 전에 순서를 확정하고, 프롬프트를 쓰는 도중에 번호를 바꾸지 마세요. 자료를 교체할 때는 토큰이 아니라 파일을 바꾸세요.

  • 인물과 목소리를 하나씩 연결하세요. "두 여성에게 각각"이라고 뭉뚱그리면 서로 뒤바뀌기 쉬워요.
  • 해당 에셋을 가리킬 때는 매번 같은 토큰을 쓰세요. 긴 프롬프트 중간에 다시 "레퍼런스 사진"이라고 쓰면 모델이 또 추측하게 돼요.
  • 파일 하나에는 역할 하나만 맡기세요. 이미지 하나에서 얼굴과 방을 모두 가져와야 한다면, 어느 부분을 각각 쓸지 지정하세요.
  • 유지할 것뿐 아니라 제외할 것도 적으세요. 스튜디오 배경, 흰색 제품 촬영 배경, 워터마크도 파일의 일부이므로 이름을 짚어 제외해야 해요.

파일별 역할부터 정하세요

프롬프트를 쓰기 전에, 이 숏에 적용할 참조 규칙부터 하나로 정하세요. 규칙마다 참조 자료가 제어할 수 있는 범위가 달라요. 프롬프트 하나에 규칙 하나만 적용하면 모든 참조 자료가 맡은 역할만 수행해요.

참조 규칙레퍼런스의 제어 범위프롬프트 필수 지시
텍스트로 영상 생성첨부 파일 없음위 핵심 공식으로 숏 전체를 작성해요.
시작·마지막 프레임시작과 끝을 정하는 두 이미지어떤 이미지로 시작하고 끝낼지, 그리고 둘을 인과적으로 이어주는 동작 하나를 지정해요.
Omni 레퍼런스인물 정체성, 의상, 소품, 장소이미지마다 역할 하나를 정하고, 합성 후에도 유지할 특징을 짚어주세요.
연기 전이원본 영상 하나에서 움직임만 가져오기복사할 동작을 구체적으로 지정하고, 해당 영상의 인물, 의상, 장소는 가져오지 말라고 명확히 지시해요.
목소리 전이오디오 파일 하나로 목소리 제공어떤 캐릭터가 그 목소리로 말하는지, 립싱크를 유지해야 한다는 점, 그 아래 깔리는 공간의 소리를 명시해요.
부분 수정클립 하나를 기준으로 사용원본만을 소스로 쓴다는 점, 정확히 무엇을 바꿀지, 무엇은 움직이면 안 되는지 명시해요.

여섯 가지 모두에 통하는 원칙은 하나예요. 에셋 하나에는 역할 하나를 맡기고, 영향을 주면 안 되는 요소는 모두 적어두세요. "레퍼런스를 사용해"는 지시가 아니라 바람이에요.

샷 리스트 전에 변하지 않을 설정부터 고정하세요

클립 내내 같아야 하는 요소는 숏 리스트 위에 항목명을 붙여 정리하세요. 숏 리스트에는 달라지는 내용만 담아요. 인물 수, 얼굴, 의상, 소품, 목소리, 인물별 위치. 이 여섯 가지를 상단에 고정하면 모든 구간에 그대로 적용돼요.

섹션 구성
[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.>

놓치기 쉬운 건 화면 안의 공간 배치예요. 누가 어디에 서 있고 각자의 시선이 어디를 향하는지 지정해야 카메라가 움직여도 시선 연결이 어긋나지 않아요.

이어서 숏 리스트, 마지막으로 마무리

숏 리스트에도 앞서 설명한 시간 구간 규칙을 그대로 적용해요. 구간은 겹치지 않게 이어지고, 각 구간에는 주요 사건 하나와 종료 상태를 지정해요. 구간마다 프레이밍, 카메라 움직임, 동작, 대사, 그리고 끝났을 때의 상태를 적으세요. 하나의 연속 동작이라면 일반적인 서술형 문장으로도 충분해요. 대괄호는 시퀀스를 위한 것이지 장식이 아니에요.

숏 리스트 뒤에는 마무리 섹션을 넣으세요. 특정 구간이 아니라 클립 전체에 적용되는 내용이므로, 하나의 단계로 읽히지 않도록 맨 아래에 배치해요.

  • [연기]: 위 연기 섹션처럼 눈으로 확인할 수 있는 행동을 적어요.
  • [조명과 이미지]: 빛의 방향, 대비, 색감, 렌즈 느낌, 그레인을 적어요.
  • [카메라]: 원하는 움직임 하나, 또는 고정 화면을 유지하기 위한 금지 지시를 적어요.
  • [현장음]: 기본 배경음, 발생 순서에 따른 사건별 소리, 금지할 소리를 적어요.
  • [금지 요소]: 뻔한 품질 수식어 대신 실제 실패 유형을 적어요. 인물 정체성 변화, 의상 교체, 불필요한 인물, 어긋난 시선 연결처럼요.
전체 구조 적용 예시
[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.

크레딧을 쓰기 전에 다시 읽어보세요

  • 첨부한 자료마다 명확한 역할이 하나씩 있고, 쓰지 않을 부분도 구체적으로 제외했나요?
  • 인물 정체성, 목소리, 소품, 편집 대상마다 기준이 되는 출처가 하나뿐인가요? 둘이면 모델이 임의로 선택해요.
  • 시간 구간이 빈틈이나 겹침 없이 이어지고, 각 동작을 담기에 충분히 긴가요?
  • 카메라, 조명, 연기 섹션이 참조 자료에서 이미 정해진 내용과 충돌하지 않나요?
  • 금지 지시가 "나쁨", "저품질" 같은 막연한 단어가 아니라 실제로 발생할 수 있는 오류를 짚고 있나요?

현재 PixelDojo에서 첨부할 수 있는 레퍼런스는 이미지이므로, 실제로 사용할 수 있는 토큰은 Image1부터 Image9까지예요. 모델이 Video1과 Audio1의 역할 지시도 이해하기 때문에 이 가이드에서 함께 설명해요. 파일 하나에 역할 하나만 맡기는 원칙은 이미지 전용 프롬프트를 일관되게 유지하는 데도 그대로 적용돼요.

시작·마지막 프레임

시작 프레임을 첨부하면 H3가 그 이미지에서 움직임을 시작해요. 시작·마지막 프레임을 함께 넣으면 그 사이의 움직임을 채워요. 이 모델에서 가장 정밀하게 제어할 수 있는 방식이에요. 이 모드에서는 이미지가 화면 비율을 결정하므로, 비율 선택 설정은 적용되지 않아요.

시작 프레임만

입력한 프레임을 유지하면서 움직임을 더해요. 그는 기둥 옆에 머문 채 고개를 돌리고, 밧줄은 바람에 흔들려요.

시작 프레임과 끝 프레임

시작 프레임은 같아요. 남성이 왼쪽으로 걸어 나가고, 빈 부두와 둥글게 감긴 밧줄까지 제공한 종료 프레임에 정확히 맞춰 클립이 끝나요.

  • 프롬프트에는 두 프레임 중 하나의 모습을 묘사하지 말고, 두 프레임 사이의 움직임을 쓰세요. 무엇이 어떻게 생겼는지는 프레임이 이미 보여줘요.
  • 시작과 끝을 모두 아는 전환에 활용하세요. 움직이기 시작하는 포스터, 대표 구도로 회전하는 제품, 세트 밖으로 나가는 캐릭터에 잘 맞아요.
  • 프레임과 참조 이미지는 함께 쓸 수 없어요. 둘 중 하나를 선택하세요.

카메라 연출 언어

H3는 촬영 용어를 그대로 이해하고 움직임을 좋아해요. 따로 지시하지 않으면 생동감 있게 조금씩 움직이는 카메라로 액션을 따라가요. 고정 샷이 필요하다면 하지 말아야 할 카메라 움직임을 나열하세요. 프레임이 흔들림 없이 고정돼요.

카메라 지시 없음

작업하는 여성을 따라 카메라가 자연스럽게 움직여요.

"프레임은 절대 움직이지 않아요", 카메라 움직임까지 명시

클립 내내 하나의 고정 프레임을 유지해요. 정원사와 분무되는 물만 움직여요. 무음 버전과 같은 시드예요.

고정 샷 템플릿
Locked-off static <wide / medium / close> shot.
No push in, no handheld, no zoom, no dolly. The frame never moves.

카메라를 움직이고 싶다면 움직임 하나를 지정하고, 화면이 어떻게 달라져야 하는지 설명하세요. "천천히 푸시인해 에스프레소 줄기를 클로즈업한다"는 지시 그대로 구현됐어요. 실전 팁: 카메라 용어마다 원하는 화면 변화를 함께 적으면 H3가 정확히 따라와요.

연기와 감정

감정 단어는 연기를 요약할 뿐, 묘사하지는 않아요. 대신 카메라에 보이는 것을 쓰세요. 시선이 향하는 곳, 손의 움직임, 호흡의 변화, 움직이지 않는 부분을 구체적으로 적어요.

"불안하고 긴장한 표정이에요"

카메라를 바라보는 평범한 연기예요. 바이올린은 무릎 위에 놓여 있고, 연기 지시는 행동이 아닌 표정으로만 표현돼요.

같은 연기 포인트를 눈에 보이는 행동으로 작성

시선은 바닥에 고정하고, 손가락은 바이올린 목을 움켜쥐고, 어깨는 올라간 상태예요. 지시를 그대로 따르며 클립 내내 유지해요.

연기 템플릿
<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>.

사운드 연출

모든 클립에는 스테레오 트랙이 포함돼요. 사운드는 그냥 받아보는 결과물이 아니라 직접 연출하는 요소예요. 소리가 나는 순서, 밑에 깔리는 소리, 들어가면 안 되는 소리를 명시하세요.

오디오 지시 없음

끊김 없이 이어지는 배경음이에요. 클립 전체에서 측정한 레벨은 약 −32 dB로, 변화가 거의 없어요.

소리를 순서대로 명시하고 "음악 없음" 추가

화면은 같지만, 오디오 트랙은 사건별 소리로 구성돼요. 조용한 구간의 바닥 레벨은 약 −45 dB이고, 두드리거나 담금질하는 순간에는 순간 피크가 −23 dB까지 올라가요.

오디오 템플릿
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.

음량은 장면에 맞춰져서, 조용한 장면은 실제로 자연스럽게 조용해요. 호숫가와 무대 뒤 클립의 평균 음량은 약 −44 dB로, 분주한 장면보다 약 25 dB 낮았어요. 최종 음량은 편집 단계에서 맞추세요.

제외 지시

제외할 요소는 프롬프트 안에 평문으로 적으세요. H3는 별도 지시 없이도 장면을 깔끔하게 유지하므로, 짧은 제외 문장은 필수 조건이 아니라 마지막 안전장치예요.

네거티브 목록 추가: 사람 없음, 비둘기 없음, 자동차 없음, 텍스트 없음

요청대로 비어 있는 테라스예요.

같은 장면, 같은 시드, 제외 목록 없음

이쪽도 빈 테라스예요. H3가 별도 지시 없이도 장면을 깔끔하게 유지했어요.

앞서 호수 위 보트로 비교한 쌍에서도 결과는 같았어요. 따라서 실전 조언은 "네거티브 지시가 유난히 잘 통한다"보다 범위를 좁혀야 해요. 모델이 스스로 추가하는 요소를 막는 데 쓰세요. 이번 테스트에서는 화면 속 텍스트와 카메라 움직임이 여기에 해당했어요. 장면 자체가 암시하는 대상을 네거티브 지시만으로 지우려 하지는 마세요. 사람이 나오면 안 된다면 사람을 금지한 장소가 아니라, 비어 있는 장소로 묘사하세요.

구도, 길이, 비용

H3에서는 21:9, 16:9, 4:3, 1:1, 3:4, 9:16의 6가지 화면비를 2K로 생성해요. 세로 영상은 가로 영상을 잘라낸 것이 아니라 실제 1440 x 2560으로 생성돼요. 소셜 콘텐츠는 나중에 구도를 다시 잡기보다 처음부터 원하는 화면비로 만드는 게 좋아요.

9:16, 2K 세로 영상으로 바로 생성

휴대폰 화면에 맞춰 설계한 제품 광고예요. 카메라가 올라가고 물방울이 흘러내리며, 가로 화면을 잘라낸 부분이 없어요.

설정범위참고
길이5~15초1초 단위예요. 길이에 비례해 비용이 늘어나요.
해상도H3: 2K 또는 768p. H3 Max: 768p 또는 480pH3는 시작 프레임을 넣으면 2K로 고정돼요. H3 Max는 모든 모드에서 선택한 해상도를 유지해요.
크레딧초당 2K에서 5, 768p에서 2.5. H3 Max: 768p에서 2.5, 480p에서 22K 5초 클립은 20크레딧, H3 Max의 768p는 10크레딧이에요. 2K로 15초 전체를 생성하면 60크레딧이에요. 참조 동영상은 클립 1초당 4.5크레딧이 추가되고, 참조 이미지는 다섯 번째를 넘기면 장당 1크레딧이 추가돼요.
프롬프트 길이최대 7,000자사운드 디자인을 포함한 전체 숏 리스트도 여유롭게 담을 수 있어요.
화면 비율6가지 화면비첫 프레임 모드에서는 무시돼요. 이미지가 화면 형태를 결정해요.

H3는 모든 결과물이 2K라서, 버릴 클립에도 잘 나온 클립과 같은 비용이 들어요. 먼저 5초로 화면과 사운드를 테스트한 뒤, 마음에 드는 프롬프트를 필요한 길이로 다시 생성하세요. 768p로도 판단할 수 있다면 H3 Max에서 더 저렴하게 테스트할 수 있어요.

H3 또는 H3 Max

H3 Max는 속도에 초점을 맞춰 성능을 조정한 MiniMax H3의 변형 모델이에요. 위에서 설명한 프롬프트 문법을 그대로 이해하고, 영상에 맞춘 오디오도 자체 생성해요. 시작 프레임을 지원하며 마지막 프레임도 선택해 넣을 수 있어요. 동일한 여섯 가지 화면 비율로 5~15초를 생성하고, 768p는 초당 2크레딧, 480p는 초당 1.5크레딧으로 빠르게 렌더링해요.

MiniMax H3 2K, 2026-08-03 테스트. 5초에 25 크레딧 사용, 현재 가격은 20 크레딧

한 번도 끊기지 않는 연속 테이크예요. 프롬프트에서 요청한 푸시인으로 손에서 시작해 에스프레소가 흐르는 장면으로 끝나요. 2560 × 1440.

H3 Max 768p, 약 24초 소요. 2026-09-01 테스트 당시 10크레딧, 현재도 같은 가격이에요.

같은 프롬프트예요. 손에서 시작해 에스프레소 줄기로 끝나는 푸시인도 하나의 연속 숏으로 유지했어요. 눈에 띄는 차이는 프레임 크기예요. 1344 x 768과 2560 x 1440이에요.

H3 Max의 이미지 투 비디오는 768p를 유지해요. 10 크레딧

H3와 달리 H3 Max는 시작 프레임을 넣어도 더 비싼 요금 구간으로 넘어가지 않아요. 이번 생성에서는 카메라가 주위를 도는 첫 두 초 동안 케이스를 닫았다가, 새로운 각도에서 다시 열며 뚜껑이 열리는 순간을 연출했어요. 같은 이미지와 프롬프트를 쓴 480p 생성에서는 이 연출이 전혀 나오지 않았어요. 따라서 모델이 할 수 있는 연출이지, 매번 재현하는 연출은 아니에요.

설정MiniMax H3H3 Max
해상도2K 또는 768p768p 또는 480p
초당 크레딧2K에서 5, 768p에서 2.5. 참조 동영상은 초당 4.5, 참조 이미지는 다섯 번째 초과분부터 장당 1 추가768p에서 2.5, 480p에서 2
5-second clip2K에서 20크레딧, 768p에서 12.5크레딧768p에서 10크레딧, 480p에서 7.5크레딧
시작 프레임이 요금에 미치는 영향2K가 강제 적용돼 이미지 기반 영상은 5초에 20크레딧없음. 선택한 해상도 유지
레퍼런스 이미지, 영상, 오디오이미지 최대 9개, 영상 3개, 오디오 3개지원 안 함. 프레임만 사용 가능
길이5~15초, 정수 단위5~15초, 정수 단위
화면 비율21:9부터 9:16까지 6가지동일한 6가지
실측 생성 시간2026-08-26 기준, 이미지로 5초 영상을 만드는 데 약 205초24 to 33 seconds across three 5-second runs on 2026-09-01

2K 비용을 쓰기 전에 프롬프트를 검증할 때, 768p로 충분한 소셜 콘텐츠와 제품 클립을 만들 때, 또는 2K 요금이 부담되는 이미지 투 비디오 작업에는 H3 Max를 쓰세요. 2K로 납품해야 하거나 레퍼런스 이미지, 레퍼런스 영상, 레퍼런스 오디오가 필요한 샷이라면 MiniMax H3를 쓰세요.

생성 전 체크리스트

  • 카메라를 지정했나요? 고정 샷이라면 하지 말아야 할 움직임을 나열하세요.
  • 화면에 나올 문구를 정확히 입력하고, 글자 스타일과 위치도 지정했나요?
  • 연기를 감정 단어가 아니라 카메라에 보이는 행동으로 적었나요?
  • 각 시간 구간에 핵심 변화 하나와, 눈으로 확인할 수 있는 종료 상태가 있나요?
  • 마지막 구간에 여유가 있나요? 피날레에 가장 많은 시간을 주세요.
  • 오디오를 순서대로 지정하고, 원치 않는 소리는 제외했나요?
  • 레퍼런스를 첨부했다면 반드시 유지할 특징을 이미지뿐 아니라 글로도 짚었나요?
  • 길이는 적절한가요? 어느 쪽이든 초당 과금돼요. 2K는 5, H3 Max의 768p는 2.5예요. 먼저 5초로 프롬프트를 검증하고, 2K로 생성하기 전에 H3 Max에서 먼저 검증하는 것도 고려하세요.

2026-08-03, PixelDojo에서 실제 서비스 중인 모델로 테스트했어요. 총 24회 생성했고, 같은 시드에서 변수 하나만 바꾼 쌍끼리 비교했어요. 측정 가능한 차이가 없었던 기법은 그대로 밝혔어요. 효과 없는 조언을 되풀이하지 않아요.