یک زمینه برای همه رفرنس‌ها

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.

ورودی‌های واقعی مدل
MiniMax H3
تصاویر مرجعاختیاری · تا ۹ تصویر
ویدیوهای مرجعاختیاری · تا ۳ ویدیو
فایل‌های صوتیاختیاری · تا ۳ فایل
پرامپت
هر فایل را با شناسه‌اش نام ببرید و نقش آن را جدا توضیح دهید.
تنظیمات کلیدی
۵ تا ۱۵ ثانیهتا 2K۲۴ FPS۷ نسبت تصویرصدای استریو
شروع با رفرنس به ویدیو
تا 2Kخروجی بومی
۵ تا ۱۵ ثانیهبا نرخ ۲۴ فریم
تا ۱۲ رفرنستصویر، ویدیو و صدا
صدای استریودیالوگ، افکت و موسیقی
تصمیم سریع

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
MiniMax H3ترکیب تصویر، ویدیو و صدا
Seedance 2.5روایت طولانی‌تر و منابع بیشتر
Veo 3.1واقع‌گرایی و کیفیت نهایی
Kling 3.0روایت چندشاتی و نسخه‌های کیفیت
نسبت تصویر
Auto · 21:9 · 16:9 · 4:3 · 1:1 · 3:4 · 9:16
طول پرامپت
تا ۷۰۰۰ کاراکتر
انتخاب مسیر ساخت

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.

همه منابع را در یک زمینه بخوانید

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
شروع در جنارا

چهار قدم تا اولین خروجی

مسیر فعلی: رفرنس به ویدیو

  1. ۰۱
    مسیر را انتخاب کنید

    رفرنس به ویدیو

  2. ۰۲
    فایل‌ها را آماده کنید

    متن + تصویر، ویدیو یا صدا؛ حداکثر ۱۲ فایل

  3. ۰۳
    نقش هر ورودی را بنویسید

    صحنه، حرکت، صدا و موارد ثابت را جدا مشخص کنید.

  4. ۰۴
    کیفیت و مدت را انتخاب کنید

    برای نتیجه نهایی H3 و برای آزمون سریع H3 Max را در نظر بگیرید.

ادامه با رفرنس به ویدیو
رفرنس به ویدیو

سقف ورودی‌ها دقیقا چقدر است؟

محدودیت هر نوع فایل جداست، اما مجموع همه فایل‌ها نیز یک سقف مستقل دارد.

ظاهر، شخصیت و استایلتا ۹ تصویر
حرکت، اجرا و دوربینتا ۳ ویدیو
لحن، موسیقی و ریتمتا ۳ فایل صوتی
فرمول پرامپت H3

به مدل بگویید هر فایل چه نقشی دارد

یک پرامپت خوب فهرست صفت‌ها نیست؛ رابطه میان منابع و نتیجه را توضیح می‌دهد.

  1. ۰۱
    نقش رفرنس‌ها

    مشخص کنید Image 1 ظاهر شخصیت، Video 1 حرکت دوربین و Audio 1 لحن اجرا را تعیین می‌کند.

  2. ۰۲
    صحنه

    سوژه، محیط، زمان، نور، نوع تصویر و جزئیات مهم برند یا محصول را معرفی کنید.

  3. ۰۳
    حرکت

    عمل سوژه، اندازه نما، مسیر دوربین و ترتیب اتفاق‌ها را با زمان تقریبی بنویسید.

  4. ۰۴
    صدا

    گوینده، دیالوگ، موسیقی، صدای محیط و افکت را جدا و کوتاه مشخص کنید.

  5. ۰۵
    ثبات

    چهره، لباس، نوشته محصول، جهت نور یا اجزایی را که باید بدون تغییر بمانند نام ببرید.

نمونه دستور چندرسانه‌ای

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.

دیالوگ کوتاه + صدای محیط فروشگاه + پایان موسیقی روی لوگو
نسخه مناسب

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.

معیارMiniMax H3H3 Max
خروجی2K با صدای استریوی بومی480p یا 768p
مدت۵ تا ۱۵ ثانیهپیش‌فرض ۵ ثانیه
مسیرهامتن، عکس، دو فریم، رفرنس چندرسانه‌ای و ویرایشمتن یا عکس؛ فریم پایان اختیاری
رفرنس چندرسانه‌ای و ویرایشدارددر مسیر فعلی H3 Max ندارد
مزیت اصلیکیفیت، زمینه چندرسانه‌ای و کنترل کاملتکرار سریع و پیروی بهتر از پرامپت
انتخاب مناسبخروجی نهایی و کار با چند منبعتست ایده و گرفتن نسخه‌های بیشتر
کارهایی که H3 در آن می‌درخشد

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.

۰۱

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.

۰۲

انتقال حرکت به شخصیت تازه

حرکت بدن یا دوربین را از ویدیوی مرجع بگیرید و با تصویر شخصیت و فضای تازه بازسازی کنید.

۰۳

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.

۰۴

ویرایش و بازطراحی کلیپ

پس‌زمینه، نور، شخصیت یا استایل را تغییر دهید و در همان دستور مشخص کنید حرکت و کادربندی اصلی ثابت بمانند.

مقایسه برای تصمیم واقعی

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.

مدلنقطه قوتورودی اصلیصدامدت و کیفیتچه زمانی انتخابش کنیم؟
MiniMax H3مدل این صفحهترکیب تصویر، ویدیو و صدا در یک زمینهمتن، ۲ فریم یا تا ۱۲ رفرنس چندرسانه‌ایاستریوی بومی + رفرنس صوتی۵ تا ۱۵ ثانیه
2K
انتقال حرکت، ثبات سوژه و ویرایش با چند نوع رفرنس
Seedance 2.5صفحه مدلروایت بلندتر و تعداد رفرنس بیشترتا ۵۰ رفرنس؛ حداکثر ۳۰ تصویر، ۱۰ ویدیو و ۱۰ صداصدای بومی + رفرنس صوتیتا ۳۰ ثانیه
بسته به مسیر
ویدیوی طولانی‌تر، زمان‌بندی چند اتفاق و منابع پرتعداد
Veo 3.1صفحه مدلشات سینمایی واقع‌گرا و کیفیت نهاییمتن، تصویر، دو فریم، تا ۳ تصویر مرجع یا کلیپ Veoصدای بومی۴، ۶ یا ۸ ثانیه؛ Extend جدا
تا 4K
واقع‌گرایی، دیالوگ همگام، فریم پایان و ادامه کلیپ Veo
Kling 3.0صفحه مدلروایت چندشاتی و کنترل نسخه‌های کیفیتمتن، تصویر، رفرنس و عناصر Omniصدای بومی؛ رفرنس صوتی در مسیرهای پشتیبانی‌شده۳ تا ۱۵ ثانیه
تا 4K در مسیرهای پشتیبانی‌شده
چند شات، چند شخصیت، کنترل نما و خروجی نهایی با کیفیت بالا
Gemini Omniصفحه مدلویرایش مکالمه‌ای یک کلیپ موجودمتن، تصویر یا یک ویدیوی ورودی در مسیر Editدر ساخت؛ نه ویرایش صدای مسیر Edit۳ تا ۱۰ ثانیه
بسته به مسیر
تغییر هدفمند صحنه با دستورهای کوتاه و چند نوبت اصلاح
H3 را انتخاب کنید اگر…

چند نوع رفرنس دارید و می‌خواهید هویت، حرکت و صدا در یک ساخت با هم تصمیم‌گیری شوند.

H3 انتخاب اول نیست اگر…

۳۰ ثانیه روایت می‌خواهید، خروجی 4K اولویت اصلی است یا فقط قصد دارید یک تغییر مکالمه‌ای ساده روی کلیپ موجود انجام دهید.

پرسش‌های متداول

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.

همه رفرنس‌ها آماده‌اند؟

نقش هر فایل را مشخص کنید و اولین خروجی H3 را بسازید.

ورود به استودیوی ویدیو