ساخت و ویرایش ویدیو با MiniMax H3
MiniMax H3 متن، تصویر، ویدیو و صدا را در یک زمینه واحد میخواند. حرکت را از یک کلیپ، ظاهر را از تصویر و لحن را از صدا بگیرید و یک ویدیوی ۵ تا ۱۵ ثانیهای با کیفیت 2K و صدای استریو بسازید.
H3 را وقتی انتخاب کنید که رفرنسها باید با هم کار کنند
عکس ظاهر را مشخص میکند، ویدیو حرکت را میدهد و صدا لحن و ریتم را هدایت میکند؛ H3 همه را در یک زمینه میخواند تا نتیجه یکپارچه بماند.
مقایسه کامل مدلها- نسبت تصویر
- Auto · 21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16
- طول پرامپت
- تا ۷۰۰۰ کاراکتر
با چه چیزی شروع میکنید و چه نتیجهای میخواهید؟
نام فنی مسیر مهم نیست؛ کاری را که میخواهید انجام دهید انتخاب کنید تا ورودی، خروجی و کاربرد مناسب آن روشن شود.
رفرنس به ویدیو
- ورودی لازم
- متن + تصویر، ویدیو یا صدا؛ حداکثر ۱۲ فایل
- خروجی این مسیر
- ویدیوی تازه با هویت، حرکت و صدای هدایتشده
- مناسب برای
- ثبات شخصیت، انتقال حرکت، تبلیغ و اجرای صوتی
چهار قدم تا اولین خروجی
مسیر فعلی: رفرنس به ویدیو
- ۰۱مسیر را انتخاب کنید
رفرنس به ویدیو
- ۰۲فایلها را آماده کنید
متن + تصویر، ویدیو یا صدا؛ حداکثر ۱۲ فایل
- ۰۳نقش هر ورودی را بنویسید
صحنه، حرکت، صدا و موارد ثابت را جدا مشخص کنید.
- ۰۴کیفیت و مدت را انتخاب کنید
برای نتیجه نهایی H3 و برای آزمون سریع H3 Max را در نظر بگیرید.
سقف ورودیها دقیقا چقدر است؟
محدودیت هر نوع فایل جداست، اما مجموع همه فایلها نیز یک سقف مستقل دارد.
به مدل بگویید هر فایل چه نقشی دارد
یک پرامپت خوب فهرست صفتها نیست؛ رابطه میان منابع و نتیجه را توضیح میدهد.
- ۰۱نقش رفرنسها
مشخص کنید Image 1 ظاهر شخصیت، Video 1 حرکت دوربین و Audio 1 لحن اجرا را تعیین میکند.
- ۰۲صحنه
سوژه، محیط، زمان، نور، نوع تصویر و جزئیات مهم برند یا محصول را معرفی کنید.
- ۰۳حرکت
عمل سوژه، اندازه نما، مسیر دوربین و ترتیب اتفاقها را با زمان تقریبی بنویسید.
- ۰۴صدا
گوینده، دیالوگ، موسیقی، صدای محیط و افکت را جدا و کوتاه مشخص کنید.
- ۰۵ثبات
چهره، لباس، نوشته محصول، جهت نور یا اجزایی را که باید بدون تغییر بمانند نام ببرید.
Image 1 ظاهر بازیگر و لباس را تعیین کند. حرکت بدن و dolly-in از Video 1 گرفته شود. لحن اجرای Audio 1 حفظ شود. صحنه در فروشگاه مینیمال با نور عصر ساخته شود؛ چهره، لباس و لوگوی محصول تغییر نکنند.
H3 یا H3 Max؛ کدام را انتخاب کنیم؟
H3 Max مدل جدا برای هدفی متفاوت نیست؛ نسخه پسآموزشدیده fal برای ساخت سریعتر است. اگر رفرنس چندرسانهای، ویرایش یا خروجی 2K میخواهید، H3 اصلی را انتخاب کنید.
| معیار | MiniMax H3 | H3 Max |
|---|---|---|
| خروجی | 2K با صدای استریوی بومی | 480p یا 768p |
| مدت | ۵ تا ۱۵ ثانیه | پیشفرض ۵ ثانیه |
| مسیرها | متن، عکس، دو فریم، رفرنس چندرسانهای و ویرایش | متن یا عکس؛ فریم پایان اختیاری |
| رفرنس چندرسانهای و ویرایش | دارد | در مسیر فعلی H3 Max ندارد |
| مزیت اصلی | کیفیت، زمینه چندرسانهای و کنترل کامل | تکرار سریع و پیروی بهتر از پرامپت |
| انتخاب مناسب | خروجی نهایی و کار با چند منبع | تست ایده و گرفتن نسخههای بیشتر |
چه زمانی زمینه چندرسانهای واقعا مفید است؟
وقتی نتیجه باید از چند منبع متفاوت یک تصمیم واحد بسازد، H3 از یک مولد ساده فراتر میرود.
تبلیغ محصول با هویت ثابت
تصویر محصول، ویدیوی حرکت دوربین و صدای برند را ترکیب کنید؛ شکل بستهبندی و نوشتههای مهم را در بخش ثبات نام ببرید.
انتقال حرکت به شخصیت تازه
حرکت بدن یا دوربین را از ویدیوی مرجع بگیرید و با تصویر شخصیت و فضای تازه بازسازی کنید.
صحنه دیالوگ و اجرا
لحن و زمانبندی را از فایل صوتی هدایت کنید و دیالوگ، واکنش چهره، صدای محیط و موسیقی را یکجا تعریف کنید.
ویرایش و بازطراحی کلیپ
پسزمینه، نور، شخصیت یا استایل را تغییر دهید و در همان دستور مشخص کنید حرکت و کادربندی اصلی ثابت بمانند.
MiniMax H3 را چه زمانی انتخاب کنیم؟
بهترین مدل مطلق وجود ندارد. نوع ورودی، طول روایت، صدا و کیفیت نهایی مشخص میکند کدام مدل برای پروژه شما مناسبتر است.
| مدل | نقطه قوت | ورودی اصلی | صدا | مدت و کیفیت | چه زمانی انتخابش کنیم؟ |
|---|---|---|---|---|---|
| MiniMax H3مدل این صفحه | ترکیب تصویر، ویدیو و صدا در یک زمینه | متن، ۲ فریم یا تا ۱۲ رفرنس چندرسانهای | استریوی بومی + رفرنس صوتی | ۵ تا ۱۵ ثانیه 2K | انتقال حرکت، ثبات سوژه و ویرایش با چند نوع رفرنس |
| Seedance 2.5صفحه مدل | روایت بلندتر و تعداد رفرنس بیشتر | تا ۵۰ رفرنس؛ حداکثر ۳۰ تصویر، ۱۰ ویدیو و ۱۰ صدا | صدای بومی + رفرنس صوتی | تا ۳۰ ثانیه بسته به مسیر | ویدیوی طولانیتر، زمانبندی چند اتفاق و منابع پرتعداد |
| Veo 3.1صفحه مدل | شات سینمایی واقعگرا و کیفیت نهایی | متن، تصویر، دو فریم، تا ۳ تصویر مرجع یا کلیپ Veo | صدای بومی | ۴، ۶ یا ۸ ثانیه؛ Extend جدا تا 4K | واقعگرایی، دیالوگ همگام، فریم پایان و ادامه کلیپ Veo |
| Kling 3.0صفحه مدل | روایت چندشاتی و کنترل نسخههای کیفیت | متن، تصویر، رفرنس و عناصر Omni | صدای بومی؛ رفرنس صوتی در مسیرهای پشتیبانیشده | ۳ تا ۱۵ ثانیه تا 4K در مسیرهای پشتیبانیشده | چند شات، چند شخصیت، کنترل نما و خروجی نهایی با کیفیت بالا |
| Gemini Omniصفحه مدل | ویرایش مکالمهای یک کلیپ موجود | متن، تصویر یا یک ویدیوی ورودی در مسیر Edit | در ساخت؛ نه ویرایش صدای مسیر Edit | ۳ تا ۱۰ ثانیه بسته به مسیر | تغییر هدفمند صحنه با دستورهای کوتاه و چند نوبت اصلاح |
چند نوع رفرنس دارید و میخواهید هویت، حرکت و صدا در یک ساخت با هم تصمیمگیری شوند.
۳۰ ثانیه روایت میخواهید، خروجی 4K اولویت اصلی است یا فقط قصد دارید یک تغییر مکالمهای ساده روی کلیپ موجود انجام دهید.
ویدیوهای ساختهشده با MiniMax H3
کمپین مد لوکس در جادهٔ بیابانی با چهار مرجع تصویری واقعی.
Produce a high-end fashion brand video. Refer to [Image1] for the overall atmosphere, setting, and filmic texture; [Image3] for the handbag; [Image2] for the talent; and [Image4] for the brand's closing logo. Core narrative: Beside a vintage car on a desert highway, a woman returns to the rear of the vehicle, opens the trunk, and retrieves a black handbag. She shares a moment of quiet connection with the man standing nearby before walking away with the bag. The overall tone is sophisticated, cool, and restrained, with dynamic editing that captures a fashionable rhythm.
شخصیسازی مکانیکی دست و بارگذاری محیط سایبرپانک با دو تصویر مرجع.
Character reference [Image1]; UI style reference [Image2]. [0s–2s] High-angle overhead shot. The character sits on a highly saturated, bright purple surface (referencing [Image1]) and looks up at the camera. The game menu UI appears on the right: START NEW GAME, CONTINUE (highlighted), SETTINGS, EXIT GAME. The player profile "MINIMAX" is displayed in the top-left corner. A cursor clicks on "CONTINUE." [2s–4s] Smooth zoom-in on her right arm. A UI panel slides in from the right, displaying "RIGHT ARM EQUIPMENT." "PHANTOM GRIP" is highlighted, then the selection slides to "CHRONOS CLAW." Her right hand mechanically reconfigures; fingers spread, new claw-like knuckles lock into place, and cyan LEDs flash more brightly. [4s–7s] The camera smoothly pans around to her left side. A new UI panel slides in—an "ARMAMENT CUSTOMIZATION" grid showing components for the hand, forearm, elbow, and upper arm. The selection cycles rapidly through parts. Her left arm disassembles section by section: the forearm plate detaches, new armor slides in, the elbow joint is swapped, and the hand reconfigures; exposed wiring and pistons are visible during the process. [7s–8.5s] The camera pulls back to a medium shot. The "CONFIRM CONFIG" button flashes. It is clicked. All UI panels retract and vanish. The character uncrosses her legs and adjusts her posture, now sitting in a relaxed position with one knee raised; her prosthetic hand lifts naturally, performing a subtle movement to demonstrate the new configuration. [8.5s–10s] A "LOADING" bar appears at the bottom, rapidly filling from 0% to 100%. The highly saturated bright purple environment begins to darken; shadows creep in from the edges as a warm golden glow permeates the scene. [10s–15s] As she stands up, the full environment loads around her. A dense cyberpunk slum comes into view; neon lights flicker, and wet streets reflect the glow. Crowds surge and motorcycles weave through the traffic amidst a tangle of overhead wires, while stacked buildings stretch toward futuristic skyscrapers in the distance. The camera settles into a third-person perspective behind her, framing her back. HUD elements fade in: a mini-map appears in the top-right corner, with health and ammo counters in the bottom-left. A mission marker appears. She steps out into the street.
جایگزینی شخصیت و لباس با دو تصویر و یک ویدیوی مرجع واقعی.
Replace the child at the very end of [Video1] with the golden retriever from [Image1], and change the khaki jacket worn by the child on the far left of [Video1] to the denim jacket shown in [Image2].
انیمیت پرترهٔ مرجع با حرکت دوربین و نورپردازی سینمایی روی بام.
Animate @Image1 into a 10-second cinematic shot. Keep the young woman's identity, white blouse, burgundy skirt, and short dark hair. Start on a still first frame, then orbit the camera as city lights bloom behind her. Soft fabric motion, precise prompt following, premium lighting, 768p.
تبلیغ گرم و مدرن قهوه با نماهای محصول و آمادهسازی.
A warm modern kitchen, fifteen seconds. Open on a tired young man at the counter, then cut to coffee filling a ceramic mug. Show the Nordvale Coffee Fjord Blend hero pack, beans dropping in slow motion into a grinder, a clean pour-over setup, and hot water blooming the grounds. Close on him working at a laptop, then a black pack shot: “Nordvale Coffee — Fjord Blend — Fuel your best.” Moody morning light, brown tones, shallow focus, sharp label type, tight commercial cuts.
اکشن سینمایی گربهٔ رونین در نبردی روی تپههای شنی.
Golden-hour live action on a wind-scoured dune field. A black cat in a faded cloak and leather harness advances on a line of masked fighters. Keep the camera low as it races over the sand, slips past thrown spears, draws a short katana, and wheels to meet the circle of enemies. Backlit grit, long silhouettes, shallow focus, believable fur and cloth, brisk cuts, wide-frame action.
رویارویی و نبردی پرتنش در شهر ویران با سبک سینمایی سرد.
A ruined skyline after collapse. A blonde survivor in a dark hooded jacket, bow slung across her back, watches a wounded man pick his way through broken concrete and bare towers. Start over her shoulder, hold the tense face-off, then snap into a close fight in the rubble. Cold daylight, wet stone, drifting dust, handheld framing, quiet acting, worn clothes, muted grade.
کلوزآپ علمیتخیلی با تایمر قرمز زیر پوست و نورپردازی دراماتیک.
Cinematic sci-fi thriller. Close-up of a sweating man staring in a dim mirror. A glowing red digital timer is embedded beneath his forehead skin, with red veins spreading as he breathes heavily. Shaking camera, dramatic flickering lights.
نبرد فضایی پویای علمیتخیلی بر فراز سیارهای آبی.
CG style, epic sci-fi space battle. A dynamic camera flies through a dogfight between sleek triangular capital ships and starfighters above a blue planet. Features glowing blue shield deflections, orange hull explosions with realistic debris physics, and a shimmering green aurora.
حرکت دوربین ۳۶۰ درجه دور گروه چتربازان بر فراز ابرها.
Wide-angle aerial shot. A group of skydivers in colorful suits hold hands in a circle, free-falling above endless white clouds. The camera smoothly orbits 360 degrees before they release hands and disperse.
ساختهشدن اژدهای لگویی به سبک استاپموشن و انفجار دوبارهٔ قطعات.
Stop-motion style. A pile of colorful toy bricks on a wooden table self-assembles into a detailed winged dragon with glowing yellow eyes. The dragon roars and then bursts apart, scattering back into loose blocks.
دموی محصول مراقبت پوست با حس تبلیغات K-beauty.
K-beauty commercial style. A woman holds a teal skincare bottle against a bright blue sky. Cut to a close-up of her dispensing gel onto her palm, then applying it to her cheeks to show a radiant complexion.
پیش از شروع با MiniMax H3
MiniMax H3 چیست؟
MiniMax H3 مدل عمومی ویدیوی چندرسانهای MiniMax است. متن، تصویر، ویدیو و صدا را در یک زمینه میخواند و ویدیوی ۵ تا ۱۵ ثانیهای با خروجی 2K و صدای استریوی بومی تولید میکند.
MiniMax H3 با Hailuo 2.3 چه تفاوتی دارد؟
این دو نسخه یکی نیستند. Hailuo 2.3 نسل قبلی با تمرکز بر حرکت، حالت چهره و استایل بود؛ H3 نسل تازه و عمومیتری است که رفرنس تصویر، ویدیو و صدا، ویرایش طبیعی و صدای استریو را در یک زمینه واحد ترکیب میکند.
تفاوت H3 و H3 Max چیست؟
H3 مدل اصلی با خروجی 2K و مسیرهای رفرنس و ویرایش است. H3 Max نسخه پسآموزشدیده fal با خروجی 480p یا 768p است که برای سرعت و پیروی بهتر از پرامپت بهینه شده و در مسیر فعلی متن، عکس و فریم پایان کار میکند.
MiniMax H3 چند رفرنس میپذیرد؟
در مسیر Reference to Video تا ۹ تصویر، ۳ ویدیو و ۳ فایل صوتی میپذیرد، اما مجموع فایلها نباید بیشتر از ۱۲ باشد. ویدیوها و صداها هرکدام ۲ تا ۱۵ ثانیهاند و مجموع زمان هر گروه حداکثر ۱۵ ثانیه است.
آیا MiniMax H3 صدا و دیالوگ تولید میکند؟
بله، تصویر و صدای استریو را با هم تولید میکند و میتواند دیالوگ، موسیقی، افکت و صدای محیط را زمانبندی کند. فایل صوتی مرجع نیز برای لحن، ریتم یا انتقال صدا قابل استفاده است.
آیا میتوان پرامپت MiniMax H3 را فارسی نوشت؟
بله. نقش هر رفرنس، صحنه، حرکت، صدا و موارد ثابت را کوتاه و جدا بنویسید. شناسه فایلها مانند Image 1، Video 1 و Audio 1 را انگلیسی نگه دارید؛ برای اصطلاحهای دوربین نیز افزودن معادل انگلیسی میتواند ابهام را کمتر کند.
آیا MiniMax H3 دیالوگ فارسی را دقیق تولید میکند؟
H3 از تولید گفتار و رفرنس صوتی پشتیبانی میکند، اما منابع فعلی MiniMax و fal دقت گفتار فارسی را تضمین نکردهاند. برای تلفظ حساس، صدای فارسی نهایی را جدا بسازید و بهعنوان رفرنس وارد کنید یا مرحله لبخوانی جدا داشته باشید.
ساخت ویدیو با MiniMax H3 در جنارا چقدر اعتبار مصرف میکند؟
مصرف اعتبار به مدت، کیفیت، مسیر H3 یا H3 Max و تعداد فایلهای مرجع بستگی دارد. چون قیمت مسیرها ممکن است تغییر کند، هزینه دقیق پیش از ساخت در استودیوی جنارا نمایش داده میشود.
اگر H3 رفرنسها را با هم اشتباه گرفت چه کنیم؟
تعداد منابع را به فایلهای ضروری کاهش دهید، هر فایل را با شناسه دقیق نام ببرید، برای آن فقط یک نقش اصلی تعریف کنید و موارد ثابت را در پایان پرامپت فهرست کنید. ابتدا یک کلیپ ۵ ثانیهای آزمایشی بسازید.
آیا میتوان از خروجی MiniMax H3 استفاده تجاری کرد؟
مسیرهای H3 در fal برای استفاده تجاری عرضه شدهاند، اما مجوز نهایی به شرایط طرح جنارا و حقوق فایلهای ورودی شما بستگی دارد. فقط از تصویر، ویدیو، صدا، چهره، موسیقی و برندهای دارای مجوز استفاده کنید.
