Hướng dẫn viết prompt MiniMax H3

Nắm vững cách viết prompt video cho MiniMax H3 qua cấu trúc prompt, vai trò của tư liệu tham chiếu, máy quay, âm thanh, các ví dụ hoàn chỉnh và kết quả tạo ra.

MiniMax H3 hiểu được cả văn bản, hình ảnh, video lẫn âm thanh cùng lúc, và tạo ra video có âm thanh đồng bộ. Prompt cần nêu rõ mục tiêu tạo video, vai trò của từng tư liệu tham chiếu, timeline cảnh quay, hành động của chủ thể, máy quay và âm thanh. Mô tả càng cụ thể và các phần càng ăn khớp với nhau thì kết quả càng dễ kiểm soát.

Thông tin cốt lõi của một prompt

Một prompt H3 cần trả lời được ba câu hỏi:

Thông tin cốt lõi	Cần nêu rõ	Ví dụ
Mục tiêu tạo video	Bối cảnh, chủ thể, phong cách hình ảnh và sự kiện chính	Video ngắn về sản phẩm nước hoa tông lạnh: một giọt nước trượt xuống thân chai rồi dừng ở nhãn
Vai trò của tư liệu tham chiếu	Từng ảnh, video hoặc đoạn âm thanh chịu trách nhiệm cụ thể điều gì	Ảnh 1 cho biết ngoại hình sản phẩm; Video 1 chỉ cung cấp đường đi của máy quay
Timeline hình ảnh và âm thanh	Mở đầu, thay đổi hành động, máy quay, âm thanh và khung hình cuối	Giọt nước trượt xuống → máy quay đẩy vào → lấy nét chuyển sang nhãn → dừng ở cận cảnh sản phẩm

Một prompt hoàn chỉnh thường gồm sáu phần:

Trình tự cảnh: video mở đầu, diễn biến và kết thúc ra sao;
Hành động của chủ thể: ai làm gì, và hành động diễn ra, thay đổi như thế nào;
Vai trò tham chiếu: mỗi ảnh, video và đoạn âm thanh cung cấp điều gì;
Máy quay: cỡ cảnh, góc máy, chuyển động và các cú cắt;
Âm thanh: lời thoại, âm thanh môi trường, hiệu ứng âm thanh đồng bộ và nhạc;
Khung hình cuối: cảnh quay dừng lại ở đâu, và những gì phải giữ nguyên.

Mẫu prompt H3

Reference assets: [Image / Video / Audio N] handles [character, product, action, camera, sound, or style]. Scene sequence: [opening state] → [main action and changes] → [ending state]. Subject action: [who] [does what specifically], with action speed and reaction of [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 delivery].

Các ví dụ prompt hoàn chỉnh

Ví dụ thực hànhHero shot sản phẩm AERIS Hydrating Essence

Đầu vào: Ảnh 1 · Âm thanh 1 · 8 s · 16:9

Phần	Nội dung
Tham chiếu	`@1` quyết định ngoại hình sản phẩm và nhận diện bao bì; `@2` quyết định nhịp nhạc, âm thanh môi trường và tiếng chuông thủy tinh ở cuối
Trình tự	Cận cảnh macro dòng serum → lộ diện sản phẩm → xoay chậm quanh sản phẩm → cận cảnh nhãn → khung hình hero chốt cảnh
Máy quay	Lùi ra từ cận cảnh macro, xoay quanh 20 độ, lướt máy theo nhãn và đẩy nhẹ vào gần
Âm thanh	Tạo lại nhịp tiết chế từ `@2` và dừng ở tiếng chuông thủy tinh cuối cùng của nó
Giữ nguyên	Chai, nắp và nhãn luôn là vật thể cứng; chất lỏng chỉ chuyển động phía sau sản phẩm

Prompt quảng cáo sản phẩm

Use @1 as the exact and immutable product-identity reference. Preserve one single rectangular AERIS Hydrating Essence bottle with frosted translucent pale-blue glass, navy cap, centered ivory label, exact “AERIS” wordmark and “HYDRATING ESSENCE” line. The bottle, cap and label are rigid physical objects: never bend, melt, peel, ripple, rotate independently or change proportions. Keep all typography, label placement, materials and colors stable and readable in every shot. Use @2 as the timing and sonic-design reference. Match its restrained premium rhythm, ambient bed and final glass chime; regenerate the soundtrack naturally for the new visuals. Create an 8-second cinematic 16:9 luxury skincare money shot with a luminous pale-blue, pearl and soft-silver palette. No people. 0.0–1.2s — Extreme macro of a sculptural clear serum ribbon floating in empty space, with glassy highlights and tiny suspended droplets. No product visible yet. 1.2–2.6s — Match cut through the serum curve to reveal @1 standing perfectly upright and motionless on a translucent aqua pedestal. A large clear liquid arc frames the bottle from at least 20 centimeters behind it and never touches or crosses the product. 2.6–4.5s — Smooth 20-degree camera orbit around the completely rigid @1. Silver-blue rim light travels across the frosted glass. The cap stays closed, the label remains flat and fully readable, and the background liquid arc moves only behind the bottle. 4.5–6.2s — Controlled macro tracking pass from the navy cap down the straight glass edge to the exact front label. Nothing occludes the bottle. “AERIS” and “HYDRATING ESSENCE” remain sharp and correctly spelled. 6.2–8.0s — Final centered hero lock-up: @1 remains perfectly unchanged on the translucent pedestal, framed by restrained clear serum arcs in the distant background and soft silver-blue caustics. Gentle forward camera drift. End exactly on the final chime from @2. Premium Korean/European skincare TVC, photoreal materials, polished studio lighting, refined negative space, smooth rhythmic transitions. Exactly one unchanged bottle. No opening cap, no detached label, no liquid touching or wrapping around the bottle, no product deformation, no duplicate bottle, no warped or misspelled text, no extra copy, no logo changes, no heavy smoke, no black background, no pure white seamless background, no chaotic splash, no hands, no subtitles, no watermark.

Tư liệu tham chiếu · 2

Tham chiếu: Ảnh 1 · Bao bì và nhận diện sản phẩm — Tham chiếuẢnh 1 · Bao bì và nhận diện sản phẩm

Tham chiếuÂm thanh 1 · Lớp âm thanh môi trường và tiếng chuông thủy tinh

Tải MP3

Kết quả tạo ra · 1

Kết quả tạo raHero shot sản phẩm AERIS Hydrating Essence

Tải MP4

Ví dụ thực hànhNhận diện nhân vật và chuyển giao quỹ đạo chuyển động

Đầu vào: Ảnh 1 · Video 1 · Âm thanh 1 · 8 s · 16:9

Phần	Nội dung
Tham chiếu	Ảnh 1 quyết định nhân vật; Video 1 chỉ quyết định hành động và máy quay; Âm thanh 1 quyết định đặc tính và nhịp của âm thanh
Trình tự	Bước vào khung hình → quay người lại → nhìn thẳng vào máy quay
Máy quay	Bám theo từ góc thấp, cuối cảnh nâng lên thành trung cảnh (medium shot)
Âm thanh	Tiếng bước chân, tiếng vải sột soạt, âm thanh môi trường trong nhà và nhạc tần số thấp
Loại trừ	Không sao chép nhân vật, trang phục hay bối cảnh từ Video 1

Prompt hành động nhân vật

Use @1 for the character identity, face, short silver bob, cobalt-blue utility jumpsuit and white sneakers. Use @2 only for the walking cadence, single clockwise turn, low-angle tracking path and final camera rise; do not copy its performer, clothing, background or sound. Use @3 only for the restrained low-frequency music, spacious room tone and rhythmic structure; regenerate synchronized footsteps and fabric movement for the new scene. Create an 8-second cinematic 16:9 video in a monumental raw-concrete gallery. The same woman walks forward, makes one controlled clockwise turn, then looks directly into the camera. The low-angle tracking camera remains smooth and rises to a stable medium shot before the final pose. Preserve her identity and wardrobe throughout. No dialogue, no text, no watermark.

Tư liệu tham chiếu · 3

Tham chiếu: Ảnh 1 · Chân dung nhân vật đơn lẻ — Tham chiếuẢnh 1 · Chân dung nhân vật đơn lẻ

Tham chiếuVideo 1 · Bước đi, xoay người và đường đi của máy quay

Tải MP4

Tham chiếuÂm thanh 1 · Nhạc nền tần số thấp, âm thanh nền của căn phòng và nhịp điệu

Tải MP3

Kết quả tạo ra · 1

Kết quả tạo raNhận diện nhân vật và chuyển giao quỹ đạo chuyển động

Tải MP4

Cách viết phần tư liệu tham chiếu

Sau khi thêm tư liệu tham chiếu, hãy mô tả trong prompt từng tư liệu chịu trách nhiệm điều gì, lần lượt từng mục một. Đừng chỉ viết “tham chiếu Ảnh 1” hay “tham chiếu Video 1”; hãy nói rõ cần giữ nguyên điều gì và không được sao chép điều gì.

Tư liệu	Thông tin phù hợp để cung cấp	Trọng tâm trong prompt
Ảnh nhân vật	Khuôn mặt, kiểu tóc, vóc dáng, trang phục và phong thái	Với ảnh có nhiều người, chỉ rõ dùng nhân vật nào
Ảnh sản phẩm	Hình dạng chai, chất liệu, màu sắc, nhãn, logo và chữ	Liệt kê riêng những chi tiết bao bì cần giữ chính xác
Video hành động	Dáng đi, điệu nhảy, cử chỉ, đường đi của máy quay hoặc nhịp dựng	Nêu rõ chỉ tham chiếu những động tác nào, và loại trừ nhân vật cùng bối cảnh gốc
Âm thanh	Âm sắc, lời thoại, nhịp, phong cách nhạc hoặc hiệu ứng âm thanh	Nêu rõ dùng nguyên trạng hay chỉ tham chiếu đặc tính âm thanh của nó

Ví dụ về vai trò của tư liệu tham chiếu

Image 1 provides the character's face, hairstyle, and wardrobe; Image 2 provides the scene and lighting; Video 1 references only the action rhythm and follow-shot path, without copying its character, wardrobe, background, or sound.

Cách viết phần máy quay

Mô tả máy quay gồm cỡ cảnh, góc máy, chuyển động máy quay và mục đích của chuyển động đó. Đừng chỉ chất đống thuật ngữ cảnh quay; hãy giải thích máy quay di chuyển quanh chủ thể như thế nào và sau khi di chuyển thì cần nhìn thấy điều gì.

Kiểu cảnh quay	Tác dụng
Push in (đẩy vào)	Máy quay tiến lại gần chủ thể, nhấn mạnh biểu cảm, sản phẩm hoặc chi tiết quan trọng
Pull out (kéo ra)	Máy quay lùi ra, để lộ toàn bộ nhân vật, bối cảnh hoặc mối quan hệ không gian
Tracking (bám theo)	Máy quay đi theo chủ thể đang chuyển động, giữ tốc độ và khoảng cách gần với chủ thể
Arc shot (quay vòng cung)	Máy quay di chuyển quanh chủ thể, cho thấy đường nét, chất liệu và chiều sâu không gian
Pan (lia ngang)	Máy quay giữ nguyên vị trí, khung hình xoay ngang sang chủ thể hoặc thông tin mới
Pedestal (nâng/hạ máy)	Cả máy quay nâng lên hoặc hạ xuống, làm thay đổi độ cao quan sát
Handheld (cầm tay)	Rung nhẹ tự nhiên, hợp với cảm giác phim tài liệu, quay đường phố và UGC
Static (cố định)	Khung hình cố định, để hành động của chủ thể trở thành tâm điểm hình ảnh
POV (góc nhìn nhân vật)	Quan sát hành động và môi trường từ vị trí mắt của nhân vật

Mô tả máy quay hoàn chỉnh

Open on a medium close-up at a slightly low angle. The camera does a small arc along the left side of the product at a slow, steady speed, then pushes in toward the label so the logo and bottle material come into sharp focus, and finally rests on a front-facing product close-up.

Cách viết phần âm thanh

Hãy mô tả riêng lời thoại, âm thanh môi trường, hiệu ứng âm thanh đồng bộ và nhạc, đồng thời nêu mỗi loại xuất hiện ở hành động hay cảnh quay nào. Nội dung âm thanh phải khớp với những gì diễn ra trên màn hình.

Lời thoại: nêu ai đang nói, cảm xúc khi nói và nguyên văn câu thoại;
Âm thanh môi trường: mô tả âm thanh không gian kéo dài liên tục, như tiếng người nói chuyện rì rầm trong trung tâm thương mại, sóng biển, mưa hoặc tiếng nền của thành phố về đêm;
Hiệu ứng âm thanh đồng bộ: gắn âm thanh với một hành động cụ thể, như mở nắp, đế giày chạm đất, vải cọ vào nhau hoặc rót chất lỏng vào ly;
Nhạc nền: nêu phong cách, nhạc cụ và tempo của bản nhạc, cùng những thay đổi về cường độ ở các thời điểm quan trọng.

Ví dụ mô tả âm thanh

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

Giúp prompt ổn định hơn

Điều chỉnh số hành động cho khớp với thời lượng: video ngắn nên tập trung vào một hành động chính; khi cần nhiều sự kiện, hãy chia chúng theo thứ tự thời gian;
Dùng động từ quan sát được: thay “rất cao cấp” bằng “ánh sáng bên tông lạnh lướt dọc mép kính, phản chiếu sạch và tiết chế”;
Tránh mâu thuẫn về máy quay: đừng đòi hỏi cùng lúc máy quay cố định, đẩy vào nhanh và vòng cung lớn;
Nêu những thứ cần giữ nguyên: nhận diện nhân vật, trang phục, bao bì, logo, màu sắc và đạo cụ chính cần nêu riêng từng mục;
Nêu khung hình cuối: viết rõ cảnh quay dừng lại ở đâu và điều gì phải nhìn thấy rõ trong khung hình cuối;
Chỉ giữ những ràng buộc cần thiết: tập trung các ràng buộc vào những vấn đề thực sự ảnh hưởng đến thành phẩm, như lỗi chính tả, biến dạng, sản phẩm bị nhân đôi và watermark.

Nếu kết quả lệch khỏi prompt, hãy lần lượt kiểm tra: chủ thể, hành động, bối cảnh và máy quay có mâu thuẫn nhau không; mỗi tư liệu tham chiếu có chỉ đảm nhận một vai trò rõ ràng không; số hành động có phù hợp với thời lượng video không; và khung hình cuối cùng cùng những thứ cần giữ nguyên đã được nêu rõ chưa.

Minh họa: tư liệu tham chiếu và kết quả tạo ra

Ví dụ thực hànhTạo từ văn bản · Sinh vật vẽ tay trong căn bếp

Prompt đầu vào

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 camera looks like a hurried phone shot held in one hand: slight shake, hesitant close focus, backlit exposure breathing, and coarse grain in the shadows. Use room floor tone, fabric rustle, a soft cup clink, dripping water, the shooter's footsteps and breathing, and the faint electronic hum and tiny chirps of the hand-drawn little creature. Avoid huge eyes, fangs, threatening motion, sudden black screens, or jump-scare shots.

Kết quả tạo ra · 1

Kết quả tạo raSinh vật vẽ tay trong căn bếp

Tải MP4

Ví dụ thực hànhTạo từ khung hình đầu · Trailer space opera

Prompt đầu vào

An epic theatrical space opera trailer. Keep a fast pace and grand scale, using crisp hard cuts, a shaking command bridge, white-hot flashes, extremely short black frames, and violent jump-drive 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, and gradually widens its tracking, leaving a brief afterimage before flashing in a black frame.

Tư liệu tham chiếu · 1

Kết quả tạo ra · 1

Tư liệu tham chiếu · 1