Бонус за пополнение: Чёрная пятница·Пополните от $50 и получите $10 · Пополните от $100 и получите $25·До 30 ноябряПополнить →
Гайд

Как писать промпты для MiniMax H3

Шесть разделов промпта MiniMax H3: метки, номера говорящих, реплики, маркеры сохранения, частые ошибки и полный пример до и после.

Обновлено 2026-11-05

Предоплата, без подпискиREST или MCPОдин ключ для моделей, данных и агентов
@Mia@Leo@[Night Café]lovelyjsonH3 prompt"subject_definitions": "<Subject 1> is…""summary": "[reference generation…"retention_analysis": "fully_preserved""detailed_description": "[Shot 1] …""overall_soundscape": "rain, room tone""non_diegetic_music": "N/A"
Чёрная пятница

Бонус за пополнение: Чёрная пятница

Каждое подходящее пополнение даёт бесплатные средства, а также суммируется с другими предложениями.

До 30 ноября

Пополнение $50
+$10
Бонус 20%
Пополнение $100
+$25
Бонус 25%
Зарегистрироваться и получить

MiniMax H3 делает видео со звуком по опорным картинкам, но читает промпты не так, как большинство видеомоделей. Ему нужен структурированный документ из шести разделов на английском: каждый человек и каждое место помечены, у каждой реплики указаны говорящий и язык, и для каждой опоры сказано, насколько точно её сохранить. Запрос в одну строку тоже даст видео. Полный промпт H3 даст то видео, которое вы просили: нужный человек говорит нужную реплику, комната такая, как на вашей картинке, и никакой неожиданной музыки.

В этом гайде формат разобран по разделам, перечислены ошибки, из-за которых чаще всего приходится переснимать, и обычный запрос переписан в полный промпт. Источник — официальное руководство MiniMax по написанию промптов для режима полных опор, который используется, когда кадр строится по картинкам персонажей и мест. В конце — как API видеокадров пишет всё это за вас.

01

Шесть разделов

Промпт с полными опорами — это шесть подписанных разделов, всегда в таком порядке:

РазделЧто в нём
subject_definitionsПо строке на опору: что это и что от неё сохранить
summaryКороткий абзац, начинающийся с типа задачи в скобках
retention_analysisПо строке на опору: где она появляется и насколько точно сохраняется
detailed_descriptionСамо видео, кадр за кадром, в порядке воспроизведения
overall_soundscapeФон и физические звуки на всё видео
non_diegetic_musicМузыка, которую слышит только зритель, или N/A

Всё пишется по-английски, кроме реплик, текстов песен и надписей в кадре — они остаются на своём языке.

02

Метки: субъекты, картинки и аудио

Опоры называются нумерованными метками, и после определения метка значит одно и то же во всех разделах.

<Subject N>

— видимое содержимое, которое видео использует: человек, животное, предмет, место, костюм, стиль. Это содержимое, а не файл: «<Subject 1> is the young woman in <Picture 1>, with a short black bob and a yellow raincoat.»

<Picture N>

получает отдельную строку, только если картинка — конкретный кадр видео: первый кадр, ключевой, последний или раскадровка. Лист персонажа или фото места упоминается внутри строки субъекта.

<Audio N>

— звуковая опора, чаще всего голос, на который надо ориентироваться: «<Audio 1> is the voice-timbre reference for <Subject 1> (S1).»

В нашем API порядок простой: каждый помеченный персонаж и каждая сцена становятся картинкой и нумеруются в порядке первого упоминания в промпте, а персонаж с голосом приносит аудиоопору.

03

Сводка и тип задачи

Сводка — один абзац, который начинается с типа задачи в квадратных скобках. Для кадров по картинкам важны такие:

Тип задачиКогда
reference generationКартинки задают персонажей, места или стиль, но не являются кадрами видео
keyframe completionКартинка — настоящий кадр: первый, ключевой или последний
audio referenceПовторяются тембр или манера голоса, но запись не копируется

Если подходят несколько, их соединяют через +: кадр, который начинается с вашей картинки, где персонаж говорит сохранённым голосом, — это [keyframe completion + reference generation + audio reference]. В сводке используются только уже определённые метки, новых она не вводит.

04

Сохранение: насколько точно держать каждую опору

{}

В retention_analysis по строке на метку: где она появляется и один фиксированный маркер.

  • fully_preserved: сохраняется как определено — то, что нужно для лица, причёски и одежды персонажа.
  • partially_preserved: используется, но часть черт меняется (тот же человек в другой куртке).
  • attribute_transfer: черта переходит к другому (её пальто на другом персонаже).
  • weak_reference: остаётся только общее сходство стиля или настроения.

У аудиоопор свои маркеры: fully_copy, partially_copy, reference (только тембр и манера) и weak_reference. Строка выглядит так: <Subject 1> (appears in [Shot 1], [Shot 2]): fully_preserved - her short black bob and yellow raincoat are retained.

05

Подробное описание

Это тело промпта, и MiniMax просит подробностей: для генерации обычно 350–500 английских слов. Оно открывается одним-двумя предложениями о стиле, дальше — по кадрам:

  • [Shot 1] начинает видео и не имеет метки времени. Следующие кадры начинаются со времени склейки: [Shot 2] At 00:04.000, the shot cuts to…
  • При первом ясном появлении субъекта опишите черты из опоры, где он в кадре и что делает. Дальше называйте его меткой.
  • Движение камеры пишется простыми словами внутри кадра: «the camera slowly pushes in».
  • Укажите опорный кадр, где он есть: «the shot begins from <Picture 3>».

Говорящие и реплики#

Каждый голос получает постоянный номер в порядке, в котором люди впервые заговорили: (S1), (S2). Говорящий субъект несёт обе метки, а слова идут внутри <d> с указанием языка:

Text
<Subject 2> (S1) leans forward and says quietly, <d>[Russian] Я думала, ты не придёшь.</d>

Сохраняйте номер говорящего при каждой его реплике, заканчивайте каждую реплику на ., ? или ! перед </d> и прямо пишите, если кто-то молчит: «<Subject 1> listens and does not speak.»

06

Звук и музыка

overall_soundscape описывает фон и физические звуки на всё видео: шум помещения, дождь по стеклу, кофемашину. Реплики сюда не пишутся: они живут в кадре, где их произносят.

non_diegetic_music — музыка, которую слышит только зритель: инструменты, темп, развитие. Если музыка не нужна, пишите N/A. Расплывчатый раздел — это приглашение добавить саундтрек.

07

Семь ошибок, из-за которых переснимают

  1. Местоимения при двух людях. «Она протягивает ему чашку» неоднозначно, когда в кадре двое. Пишите метку субъекта каждый раз, когда кто-то действует.
  2. Одежда с картинки описана иначе. Если на листе жёлтый дождевик, «красная куртка» в описании спорит с опорой. Описывайте то, что на картинке, или не трогайте одежду.
  3. Отдельная строка картинки для листа персонажа. Картинки, которые только задают человека или место, упоминаются в строке субъекта. Отдельная строка <Picture N> говорит модели, что это кадр видео.
  4. Реплика без разметки. Цитата без <d>[Язык] …</d> и номера говорящего может прозвучать не из тех уст или не прозвучать вовсе.
  5. Молчание подразумевается. Если персонаж не должен говорить, так и напишите. Если музыки не нужно, пишите N/A.
  6. Метка времени у первого кадра. У [Shot 1] её нет никогда, у каждого следующего она обязательна.
  7. Разделы не по порядку или не по-английски. Шесть разделов — по порядку и по-английски, каждый раз.
08

До и после

Вот запрос в том виде, как его обычно пишут, с двумя сохранёнными персонажами и местом (картинки 1, 2 и 3 по порядку упоминания):

Text
@Mia садится напротив @Leo в @[Night Café]. Она говорит «Ты пришёл». Он улыбается, но не отвечает. Медленный наезд камеры, без музыки.

И тот же кадр как полный промпт H3 (описание сокращено ради места):

Text
subject_definitions:
<Subject 1> is the young woman in <Picture 1>, with a short black bob, a yellow raincoat over a grey sweater, and silver hoop earrings.
<Subject 2> is the young man in <Picture 2>, with short curly brown hair, a dark green bomber jacket and a white T-shirt.
<Subject 3> is the narrow café at night in <Picture 3>, with a neon sign in a rain-streaked window, small marble tables and warm pendant lights.

summary:
[reference generation] In <Subject 3>, <Subject 1> sits down across from <Subject 2> and speaks one line; <Subject 2> smiles without answering, in a single slow push-in shot.

retention_analysis:
<Subject 1> (appears in [Shot 1]): fully_preserved - her short black bob, yellow raincoat, grey sweater and hoop earrings are retained.
<Subject 2> (appears in [Shot 1]): fully_preserved - his curly brown hair, dark green bomber jacket and white T-shirt are retained.
<Subject 3> (appears in [Shot 1]): fully_preserved - the neon sign, rain-streaked window, marble tables and pendant lights are retained.

detailed_description:
The target video is realistic and cinematic, with warm low-key interior light and cool neon spill from the window.
[Shot 1] A medium two-shot inside <Subject 3>: rain streaks the window behind a small marble table under warm pendant lights. <Subject 2>, the young man with curly brown hair in a dark green bomber jacket, sits on the right, hands around a coffee cup. <Subject 1>, the young woman with a short black bob in a yellow raincoat, walks in from the left, pulls out the chair opposite him and sits down, raindrops still on her shoulders. The camera slowly pushes in toward the table. <Subject 1> (S1) looks at him and says softly, <d>[Russian] Ты пришёл.</d> <Subject 2> holds her gaze, then smiles slowly and does not speak. The push-in ends on both faces in the warm light.

overall_soundscape:
Quiet café room tone, rain against the window, the soft scrape of a chair and a cup set down on marble.

non_diegetic_music:
N/A

Что изменилось: у каждого человека есть метка и описание, совпадающее с его картинкой, у реплики есть говорящий и язык, молчание сказано прямо, движение камеры записано в кадре, а «без музыки» стало N/A.

09

Или доверьте это нам

{}

Всё это полезно знать, но здесь ничего из этого не обязательно. В API видеокадров и в видеоплейграунде вы пишете первую версию — строку с тегами @, — а полный промпт пишется за вас перед каждым рендером:

  1. Напишите, что нужно

    Пометьте сохранённых персонажей и сцены через @, возьмите реплики в кавычки и скажите, что важно: кто молчит, какая камера, без музыки.

  2. Модель со зрением пишет промпт H3

    Она читает руководство MiniMax, смотрит на ваши настоящие картинки и пишет все шесть разделов: метки, тип задачи, сохранение, описание по кадрам, говорящих и звук. Ответ проверяется на наличие всех шести разделов по порядку; неудачная модель пробует ещё раз, а если ошибки продолжаются, её подменяет другая.

  3. Кадр рендерится

    MiniMax H3 получает полный промпт. Поле prompt_rendered у кадра показывает ровно то, что он получил, так что формат можно изучать по своим же кадрам.

Переписывание включено по умолчанию и никогда не ломает кадр: если полного промпта не получилось, кадр рендерится по вашим словам как обычно. Оно идёт как обычный чат-вызов по вашему ключу, показывается как other_usd рядом с ценой кадра и добавляет 10–45 секунд до начала рендера. Сам кадр стоит $0.13 за отрендеренную секунду с одной картинкой.

Если хотите писать промпты сами, отправьте rewrite: false. Промпт, который уже начинается с subject_definitions:, уходит модели как есть. Все поля — в справке по переписыванию.

10

Частые вопросы

?
Промпты MiniMax H3 обязательно писать по-английски?+

Шесть разделов — по-английски. Реплики, тексты песен и надписи остаются на своём языке внутри <d>[Язык] …</d>, так что персонаж может говорить по-русски в английском промпте.

Какой длины должен быть промпт H3?+

MiniMax советует 350–500 английских слов на подробное описание сгенерированного видео. Кадрам с большим количеством реплик может понадобиться больше, чтобы уместить весь разговор.

Чем reference generation отличается от keyframe completion?+

reference generation использует картинки как подсказки, кто и где. keyframe completion использует картинку как настоящий кадр видео, например первый. Кадр может быть и тем и другим.

Можно увидеть промпт, по которому сделано моё видео?+

Да. Если переписывание сработало, у кадра rewritten равно true, а в prompt_rendered лежит полный промпт из шести разделов, который получил H3.

Можно выключить автоматическое переписывание?+

Да: rewrite: false в запросе или снять галочку в плейграунде. Промпты, начинающиеся с subject_definitions:, всегда отправляются как есть.

Это генератор промптов для MiniMax H3?+

По сути да: переписывание — это генератор промптов H3, встроенный в API видеокадров. Его кадры можно использовать и как шаблоны. Условия лицензии модели — на странице условий MiniMax H3, другие гайды — на странице гайдов.

Один предоплаченный ключ для моделей, данных и агентов

Без подписки. Пополняйте баланс, используйте сколько нужно и смотрите каждое списание в логах.