MiniMax H3 Prompting-Leitfaden

Meistern Sie das Schreiben von MiniMax-H3-Videoprompts anhand von Prompt-Struktur, Aufgabenverteilung der Referenz-Assets, Kameraführung, Ton, vollständigen Beispielen und generierten Ergebnissen.

MiniMax H3 kann Text, Bild, Video und Audio gleichzeitig verstehen und Videos mit synchronem Ton erzeugen. Ein Prompt muss das Generierungsziel, den Zweck der Referenz-Assets, die Timeline der Einstellungen, die Handlung des Motivs, die Kamera und den Ton klar benennen. Je konkreter die Beschreibung und je konsistenter die einzelnen Informationen zueinander sind, desto kontrollierbarer ist das Ergebnis.

Die Kerninformationen eines Prompts

Ein H3-Prompt muss drei Fragen beantworten:

Kerninformation	Was klar formuliert werden muss	Beispiel
Generierungsziel	Szene, Motiv, visueller Stil und Hauptereignis	Ein kühl getönter Kurzfilm für ein Parfümprodukt, ein Wassertropfen gleitet über den Flakon, am Ende wird das Etikett gezeigt
Aufgabe der Referenz-Assets	Wofür jedes Bild, Video oder Audio konkret zuständig ist	Bild 1 liefert das Produktaussehen; Video 1 liefert nur den Kamerapfad
Audiovisuelle Timeline	Auftakt, Handlungsänderungen, Kamera, Ton und Schlussbild	Wassertropfen gleitet herab → Kamera fährt heran → Fokus wechselt zum Etikett → endet auf einer Produktnahaufnahme

Ein vollständiger Prompt besteht in der Regel aus sechs Teilen:

Szenenabfolge: wie das Video beginnt, sich entwickelt und endet;
Handlung des Motivs: wer was tut und wie die Handlung geschieht und sich verändert;
Zweck der Referenzen: was jedes Bild, Video und Audio jeweils liefert;
Kamera: Einstellungsgröße, Winkel, Bewegung und Schnitt;
Ton: Dialog, Umgebungston, synchrone Soundeffekte und Musik;
Schlussbild: wo die Kamera zuletzt stehen bleibt und welche Inhalte unverändert bleiben.

H3-Prompt-Vorlage

Reference assets: [Image/Video/Audio N] handles [character, product, action, camera, sound, or style]. Scene order: [opening state] → [main action and changes] → [ending state]. Subject action: [who] [does what specifically], with action speed and reaction being [description]. Camera: [initial shot size and angle], [main camera movement], ending on [final composition]. Sound: [dialogue]; [ambience]; [sound effects]; [background music]. Keep unchanged: [character identity, product packaging, logo, wardrobe, scene structure, etc.]. Avoid: [errors that genuinely affect the deliverable].

Vollständige Prompt-Beispiele

Produkt-Hero-Shot

Eingabe: Bild 1 · 8 Sekunden · 9:16

Teil	Inhalt
Referenz	Bild 1 ist für das präzise Aussehen des Produkts zuständig
Abfolge	Wassertropfen gleitet herab → Kamera fährt heran → Etikett als Abschlussbild
Kamera	Langsames Heranfahren, Fokus wechselt zum Etikett
Ton	Leises Umgebungsgrundrauschen und ein Glas-Signalton
Beibehalten	Verpackungsproportionen, Logo, Etikett und Farbe

Produktwerbung-Prompt

Image 1 serves as the product appearance reference; fully preserve the bottle shape, label layout, logo position, cap, material, and color. Cold mist drifts slowly behind the bottle as tiny water droplets slide down the glass surface. Open on a medium close-up; the camera slowly pushes in, the focus shifts from the droplets to the label, and it finally settles on a clearly legible product close-up. Cool-toned side light, clean and restrained reflections. The sound includes faint ambient background noise and one crisp glass chime. No duplicated product, distorted logo, extra text, or watermark.

Figuren- und Bewegungsreferenz

Eingabe: Bild 1 · Video 1 · 10 Sekunden · 16:9

Teil	Inhalt
Referenz	Bild 1 ist für die Figur zuständig; Video 1 nur für Bewegung und Kamera
Abfolge	Ins Bild treten → sich umdrehen → in die Kamera blicken
Kamera	Tiefe Kameraführung als Verfolgung, am Ende Anstieg auf eine Halbtotale
Ton	Schritte, Stoffgeräusche, Innenraumatmosphäre und tieffrequente Musik
Ausschluss	Figur, Kleidung und Hintergrund aus Video 1 nicht übernehmen

Figurenbewegung-Prompt

Image 1 provides the character's identity, face, hairstyle, and wardrobe. Video 1 is referenced only for the walking rhythm and camera path, not for its character, wardrobe, or setting. The character walks into a concrete gallery hall, moves forward, turns once, and looks directly into the camera. A low-angle tracking shot keeps a steady pace and rises to a medium shot before the final pose. Keep the same character throughout. The sound includes clear footsteps, faint fabric rustle, a wide indoor ambience, and a restrained low-frequency electronic score.

Wie man Referenz-Assets beschreibt

Erläutern Sie nach dem Hinzufügen eines Referenz-Assets im Prompt Punkt für Punkt, wofür es zuständig ist. Schreiben Sie nicht nur „Bild 1 als Referenz“ oder „Video 1 als Referenz“, sondern legen Sie klar fest, welche Inhalte erhalten bleiben sollen und welche nicht übernommen werden dürfen.

Asset	Wofür es sich als Quelle eignet	Schwerpunkt im Prompt
Figurenbild	Gesicht, Frisur, Körperbau, Kleidung und Ausstrahlung	Bei Bildern mit mehreren Personen angeben, welche Figur verwendet wird
Produktbild	Flaschenform, Material, Farbe, Etikett, Logo und Text	Die Verpackungsdetails, die exakt erhalten bleiben müssen, einzeln auflisten
Bewegungsvideo	Gangart, Tanz, Gesten, Kamerapfad oder Schnittrhythmus	Klar angeben, welche Bewegungen nur als Referenz dienen, und die ursprüngliche Figur und Szene ausschließen
Audio	Klangfarbe, Dialog, Beat, Musikstil oder Soundeffekte	Klar angeben, ob es unverändert verwendet oder nur als Referenz für Klangmerkmale dient

Beispiel für Referenz-Asset-Aufgaben

Image 1 provides the character's face, hairstyle, and wardrobe; Image 2 provides the setting and lighting; Video 1 is referenced only for the motion rhythm and tracking path, without copying its character, wardrobe, background, or sound.

Wie man die Kameraführung beschreibt

Die Beschreibung der Kameraführung umfasst Einstellungsgröße, Winkel, Kamerabewegung und das Ziel der Bewegung. Stapeln Sie nicht nur Kamera-Fachbegriffe, sondern erklären Sie, wie sich die Kamera um das Motiv bewegt und was nach der Bewegung zu sehen sein soll.

Kamerabewegung	Funktion
Heranfahren · Push In	Die Kamera nähert sich dem Motiv und betont Mimik, Produkt oder wichtige Details
Wegfahren · Pull Out	Die Kamera zieht zurück und zeigt die vollständige Figur, Szene oder räumliche Beziehung
Verfolgung · Tracking	Hält eine ähnliche Geschwindigkeit und Distanz zum sich bewegenden Motiv
Umkreisung · Arc Shot	Bewegt sich um das Motiv und zeigt Kontur, Material und räumliche Tiefe
Schwenk · Pan	Die Kameraposition bleibt fest, das Objektiv dreht horizontal zu einem neuen Motiv oder einer neuen Information
Hub · Pedestal	Die gesamte Kamera fährt hoch oder runter und verändert die Beobachtungshöhe
Handkamera · Handheld	Leichtes natürliches Wackeln, passend für dokumentarische, Street- und UGC-Anmutung
Statisch · Static	Festes Bild, sodass die Handlung des Motivs zum visuellen Schwerpunkt wird
Ich-Perspektive · POV	Beobachtet Handlung und Umgebung aus der Position der Augen der Figur

Vollständige Kamerabeschreibung

Open on a medium close-up from a slightly low angle; the camera makes a small arc along the left side of the product at a slow, steady pace, then pushes in on the label so the logo and bottle material come into sharp focus, and finally settles on a frontal product close-up.

Wie man den Ton beschreibt

Beschreiben Sie Dialog, Umgebungston, synchrone Soundeffekte und Musik getrennt und geben Sie an, bei welcher Handlung oder Einstellung sie auftreten. Der Toninhalt sollte mit den Bildereignissen synchron sein.

Dialog: angeben, wer spricht, mit welcher Emotion gesprochen wird und der vollständige Text;
Umgebungston: die dauerhaft vorhandenen Raumgeräusche beschreiben, etwa Stimmengewirr im Einkaufszentrum, Meereswellen, Regen oder nächtliches Stadtgrundrauschen;
Synchrone Soundeffekte: den Ton konkreten Handlungen zuordnen, etwa das Öffnen eines Deckels, das Aufsetzen einer Schuhsohle, Stoffreibung oder das Eingießen von Flüssigkeit in eine Tasse;
Hintergrundmusik: Musikstil, Instrumente, Rhythmus sowie die Lautstärkeänderungen bei den entscheidenden Bildern angeben.

Beispiel für eine Tonbeschreibung

As the character opens the packaging, there is a clear sound of tearing paper and a faint sound of fingernails touching the box. The room keeps a quiet, soft indoor ambience. She looks into the camera and says in a natural, excited but not overly exaggerated tone: "The texture is even better than I imagined." A light, clean electronic beat is added in the background, swelling slightly when the product close-up appears.

Wie man Prompts stabiler macht

Anzahl der Handlungen an die Dauer anpassen: Kurze Videos konzentrieren sich auf eine Haupthandlung; wenn mehrere Ereignisse nötig sind, teilen Sie sie in zeitlicher Reihenfolge auf;
Beobachtbare Verben verwenden: Ersetzen Sie „sehr edel“ durch „kühles Seitenlicht wandert entlang der Glaskante, die Reflexe sind sauber und zurückhaltend“;
Kamerakonflikte vermeiden: Fordern Sie nicht gleichzeitig Stillstand, schnelles Heranfahren und eine große Umkreisung;
Beizubehaltende Elemente klar benennen: Figurenidentität, Kleidung, Verpackung, Logo, Farben und wichtige Requisiten müssen einzeln angegeben werden;
Schlussbild klar festlegen: Beschreiben Sie, wo die Kamera zuletzt stehen bleibt und was im finalen Bild klar sichtbar sein muss;
Nur notwendige Einschränkungen behalten: Konzentrieren Sie Einschränkungen auf Probleme, die die Auslieferung wirklich betreffen, etwa Tippfehler, Verformungen, duplizierte Produkte und Wasserzeichen.

Wenn das Ergebnis vom Prompt abweicht, prüfen Sie der Reihe nach, ob es Konflikte bei Motiv, Handlung, Szene und Kamera gibt; ob jedes Referenz-Asset nur eine klar umrissene Aufgabe übernimmt; ob die Anzahl der Handlungen zur Videolänge passt; und ob Schlussbild und beizubehaltende Elemente bereits klar formuliert sind.

Showcase: Referenz-Assets und generierte Ergebnisse

Textgenerierung: handgezeichnetes Küchenwesen

Eingabe-Prompt

15 seconds, 16:9 landscape. Blend live-action footage of a small kitchen at dusk with glowing hand-drawn animation. The kitchen has an old wooden table, a half-washed cup, a slightly fogged glass bottle, and a hanging dish towel. The shot looks like it was filmed hastily with a phone held in one hand: slight handshake, hesitant close focus, backlit exposure breathing, and coarse grain in the shadows. Use room tone, fabric rustle, soft cup clinks, dripping water, the filmer's footsteps and breathing, plus faint electronic tones and tiny cries from the little hand-drawn creature. No giant eyes, fangs, threatening motions, sudden black screen, or jump scares.

Generiertes Ergebnishandgezeichnetes Küchenwesen

Download MP4

Startbild-Generierung: Weltraumoper-Trailer

Bild 1: Auftaktbild und gesamter visueller Stil — Bild 1Auftaktbild und gesamter visueller Stil

Eingabe-Prompt

An epic theatrical space-opera trailer. Keep a fast pace and grand scale, using clean hard cuts, a shaking command bridge, white-hot flashes, extremely short black frames, and violent jump impacts. The title uses a wide-tracked cinematic typeface with restrained material texture, subtle lighting, and a thin edge light. The text emerges from deep-space shadow, sweeps past a beam of starlight, then gradually widens its letter spacing, leaves a brief afterimage, and flashes once more against the black.