Creative Space
MiniMax H3 プロンプト最適化

内容

ユーザーは、MiniMax H3 を使用して生成したい短いビデオを用意します。通常、それは、複数の ショット ショート フィルム、キャラクター パフォーマンス、または製品ディスプレイであり、画像、ダイアログ、サウンドとともに作成する必要があります。 Agentは、MiniMax H3の書き込み方法に従って問題を診断し、プロンプトを書き換えて、直接使用できるプロンプトカードを提供します。ユーザーが希望する場合は、Flova を使用して書き換えの前後でそれぞれを生成し、並べて比較してください。

ツールと分業

  • Flova: MiniMax H3 の現在のパラメータと基準材料要件を照会します。オプションの試用版の生成。
  • 画像または音声処理 (オプション): 参照画像を整理し、参照音声を傍受します。

詳細な手順の索引

  • : 適切なタスクと不適切なタスク、推奨される構造、絵コンテ のライティング、3 種類のクリエイティブな方法、サウンドとダイアログ、一貫性、よくある失敗と修正。手順 2 ~ 4 を読んでください。
  • : カードの形式、アップロードと参考資料の役割、プロンプト での参考資料の参照方法、トライアル世代の比較。ステップ 4 ~ 6 を読みます。

まず明確な境界について話しましょう

  • 行のコピー: ユーザーが確認した行はそのまま保持され、翻訳、修正、書き換えは行われません。
  • 効果を誇張しないでください: プロンプト は成功率を向上させることができますが、口の形状とミラーカットの一貫性を保証することはできません。テストされて生成されたリライトはなく、「絶対に良くなる」ということもありません。
  • 素材の権利: 参考資料および参考音声は、ユーザーが使用する権利を持っているものでなければなりません。本物の有名人の見た目や声を模倣するものではありません。
  • 試行生成は最初に次のように言う必要があります: ユーザーの Flova クォータを消費し、ユーザーが同意した後に実行されます。

ワークフロー

要件収集→現状能力確認→診断→書き換え(確認ポイント)→試作世代比較(オプション)→納品

1. 要件を収集する

  • ユーザーが既に所有している プロンプト のオリジナル テキスト (所有していない場合は、最初から作成することもできます)。
  • 短編映画の目的、中心となる出来事、スタイル。
  • 1 つのショットはまだ複数の ショット;各 ショット にはどのような情報が含まれていますか?
  • 各セリフの元のテキスト、話者、言語、感情、画面上か画面外か。
  • 環境音、アクション効果音、音楽はいつ表示されますか?
  • それぞれの参考資料に責任を持ちたいものと持ち込みたくないものは何ですか?
  • 期間と アスペクト比;試した結果と不満。

不足している情報については、 のセクション 2 を参照してください。まず、タスクが MiniMax H3 に適しているかどうかを判断します (セクション 1)。たとえば、厳密な最初と最後のフレームやシームレスなループが適切でない場合は、ユーザーに直接伝えます。

2. 現在の能力を確認する

creation_generation_models を使用して、MiniMax H3 (detail="full"): サポートされている期間、アスペクト比、解像度、基準物質量、タイプ、役割を確認します。クエリが失敗した場合、パラメータが「未検証」であることを示し、続行されます。

3. 診断

書き方を一つ一つ確認し、問題点、対応する書き方ルール、起こり得る結果などの診断表を作成します。ハイライト:

  • 構造: 参照資料の責任、一文のコアクリエイティブ、グローバル設定、ショット タイムライン、維持条件 が完了しています。
  • 絵コンテ: それぞれの ショット が「風景 + 主題 + アクション + カメラワーク + セリフまたは音」の完全な文として書かれているかどうか。登場人物、衣装、小道具がカット後に語り直されるかどうか。
  • 行: 長さは ショット と一致しますか? ショット と交差する線は前のシーンから継続する必要があると記載されていますか?
  • セリフがない場合: キャラクターは静かにし、自然に口を閉じ、喋らない動作を用意する必要があると規定されていますか。これは偶発的なアンブシュアを避けるための鍵です。
  • サウンド: 環境音、効果音、音楽をイベントの順序で記述するかどうか。混合が抽象的なパーセンテージとして記述されるかどうか。
  • 参考資料: アクション参照はアクションとリズムのみを担当するのか、キャラクター参照はアイデンティティのみを担当するのか。
  • ショット: 最後まで 1 ショット撮りたかったのですが、ショットをカットするように書きました。 「サラウンド」は水平方向とパン方向に分かれていますか?
  • 矛盾: たとえば、基準音楽には音楽は必要ありませんが、静寂には速い動きが必要です。

ユーザーが満足のいく結果を受け取らなかった場合は、まず書き込み方法のセクション 7「一般的な失敗と修正」のボックスにチェックを入れる必要があります。

4. 書き換え(確認ポイント)

  • 推奨構造に従って書き換え、の形式で出力します。
  • 参考資料については、「最初の参考画像の担当は・・・」のように担当と除外を提出時と同じ順序で記載してください。
  • 複数の ショット ショットごとに完全な文章を書き、ショットがカットされるたびにキャラクターのアンカー ポイントを伝えます。
  • どのショットで誰がどのセリフを言うのか、どのアクションで効果音が現れるのか、音楽が入る・弱まる・止まるなどのイベントに応じてタイムラインにサウンドが書き込まれます。
  • 変更の説明が添付されています。診断表の問題に 1 つずつ対応し、何が変更されたのか、なぜ変更されたのかを説明します。
  • 生成または配信を試みる前に、ユーザーに表示して確認してください。

5. トライアル世代の比較 (オプション)

ユーザーが同意した後、 と、Flova ですばやく生成します。

  • オリジナルの プロンプト と書き換えられたバージョンがそれぞれ 1 回生成され、パラメーターは参照マテリアルとまったく同じです。
  • カット後の文字の一貫性、セリフの口の形、予期せぬセリフや字幕の有無、音声の順序などの主要な比較を行いながらユーザーに並べて表示します。
  • それでも問題がある場合は、一般的な失敗に基づいて別のラウンドを変更します。各ラウンドで変更する変数は 1 つだけです。たとえば、ラインを短くするだけ、または音の順序だけを調整します。

6. 配送

  • プロンプト カード (1 枚以上)、プロンプト のオリジナル テキストを直接コピーできます。
  • 診断シートと修正手順。
  • トライアル生成中: 各ラウンドの変更、タスク ID と結果、および最終的に推奨されるバージョン。
  • ユーザーに注意してください: 厳密なループやピクセル レベルの最初と最後のフレームについては プロンプト に依存せず、後処理に任せてください。

MiniMax H3の書き込み方法

モデルでサポートされる実際の期間、スケール、解像度、および参照マテリアルの数は、creation_generation_models のクエリ結果の影響を受けます。

##1.いつ使用するのが適切でしょうか?

以下に適しています:

  • 映像、セリフ、環境音、アクション効果音などを組み合わせて、ひとつの短編映画として完成させたいと思っています。
  • 複数の ショット ナラティブ、キャラクターのパフォーマンス、製品の表示、アクションの変更、視覚的な変換。
  • キャラクター、シーン、プロダクト、アクション、カメラワーク、サウンドの作成にも参照してください。
  • ショット 言語と音声入力シーケンスをより明確にする必要があります。
  • 単一の画像からアクションを開発するか、複数の画像からキャラクター、シーン、開始状態と終了状態を定義します。

以下には適していません:

  • 音声参照のみで視覚情報はなく、同時に映像本体の厳密な復元が求められる。
  • 最初と最後のフレームのピクセルレベルのロック、または完全にシームレスなループが必要です。
  • 他のピクセルを完全に変更せずに、既存のビデオを非常に正確に部分的に置き換える必要があります。
  • 多くの会話、複数のロケーション、複雑な展開を非常に短いクリップに詰め込む必要があります。

2. ユーザーに明確なニーズを尋ねる

書き始める前に、ユーザーに質問してください。

  • ビデオの目的、テーマ、中心となるイベント、および全体的なスタイル。
  • 被写体の外観、風景、小道具、および最も重要な識別機能。
  • ワンショットがまだ複数の ショット であり、各 ショット にどのような情報が含まれているかを願っています。
  • 動作はどのような状態から始まり、どのように変化し、最終的にどこで停止するのか。
  • カメラ位置、風景、移動方向、リズム。
  • セリフの元のテキスト、話者、言語、感情、および画面上または画面外のステータス。
  • 環境音、アクション効果音、音楽はいつ表示されますか?
  • 各参照資料が担当するものと継承したくないもの。

3. 即時書き込み方法

推奨構造
[参考素材职责]
[一句话核心创意]
[全局人物、场景、风格和声音设定]
[镜头或事件时间线]
[必须保持的内容与少量关键限制]

具体的な順序の提案:

  1. 主題とシーン: 誰がどこにいて、現在の状態は何ですか。
  2. 核となるアクションまたはバリエーション: 何が起こり、どのようにアクションが順番に達成されるか。
  3. ビジュアル スタイル: リアリズム、アニメーション、商業的または映画的な雰囲気、および光と色。
  4. ショット 言語: 風景、視点、カメラの動き、レンズのカット ロジック。
  5. サウンド: セリフ、環境音、アクション効果音、音楽の順序関係。
  6. 維持条件: キャラクター、衣装、グッズ、小道具、空間演出、その他変更できないコンテンツ。
絵コンテ 記述方法
  • 各ショットは「風景+主題+アクション+カメラワーク+セリフ/音声」の完全な文章を使用します。
  • ショット 全体での一貫性を維持するために、カット中にキャラクター、衣装、小道具、ターゲット シーンを再説明します。
  • 行の長さは ショット のリズムと一致する必要があります。短い ショット には長い会話は含まれません。
  • 線が ショット と交差する場合は、「前のシーンから話し続けている」ことを明確に示し、話者が画面上から画面外に切り替わるか、またはその逆に切り替わるかを示します。
  • 最後まで1発で撮りたい場合は、複数ショット構成ではなく、連続アクション、連続カメラワークに書き換えてください。
  • モデルの誤解を避けるために、「Surround カメラワーク」はカメラのトラバース方向とパン方向に分割する必要があります。
例
人物参考负责女主角的脸、发型、浅蓝色汉服和银色长剑;动作参考只提供舞剑动作与节奏。

一段电影感的中式庭院剑舞,晨光柔和,全程连续运镜。
开场为大全景:她从画面左侧缓慢进入,剑尖朝下,摄影机以步行速度向右跟拍。
随后镜头自然推到中景,她拔剑并完成参考动作,脸、服装和长剑设计保持一致。
结尾为近景,剑刃停在脸侧,花瓣划过前景,她平静呼吸并看向镜头。
无对白、无音乐,只保留脚步、风声和一次短促金属声。

4. 3種類のクリエイティブ手法

マルチモーダルリファレンス
  • キャラクター図はアイデンティティを担当し、シーン図は空間を担当し、製品図は構造を担当し、ビデオはアクションと ショット リズムを担当し、オーディオは音色またはサウンド スタイルを担当します。
  • 「この資料を参照してください」というだけでなく、各資料の用途を項目ごとに説明します。
  • ビデオ移行アクションを参照する場合、カメラワーク、速度、感情、シーンを継承するかどうかを示します。不要なディメンションは明示的に除外する必要があります。
ピクチャードライバー
  • 1 つの画像で、キャラクター、シーン、構図、またはオープニングを担当できます。
  • 複数の写真はそれぞれの責任を明確に定義する必要があり、異なる写真が同時にキャラクターのアイデンティティや製品の構造を競合させないようにしてください。
  • 2 つの開始状態と終了状態の画像は変化の方向を説明するのに役立ちますが、最後のフレームでのピクセル レベルの一致を保証することはできません。
純粋なテキストの作成
  • 被写体の外観、シーンの詳細、アクションプロセス、スタイル、ショット、サウンドを補完します。
  • 「空間を伝える大パノラマ→アクションを伝えるミディアムショット→細部を強調するクローズアップ」という階層を利用できます。
  • ショット 短いほど、イベントやセリフはより簡潔にする必要があります。

5. 音声と会話のライティング

  • セリフはユーザーまたはストーリーボードによって確認されたとおりそのまま残り、翻訳、修正、または書き直しはされません。
  • 各文の話者、言語、感情、話す速度、画面上/画面外の状態を書き留めます。
  • セリフがない場合は、キャラクターが話さないことを明確にし、キャラクターの自然な動きを調整して、予期せぬ口の形を軽減します。
  • 環境音、効果音、音楽は「剣を抜くと金属音が鳴り、剣を止めると音が消える」といったように出来事順に表記されています。
  • 音楽は、スタイル、楽器編成、雰囲気について記述し、どの出来事から始まり、いつ消えるか終わるかを示します。
  • ミキシングの際には、「ボーカルは前方ではっきりと聞こえ、音楽は低く、雨音は遠くで聞こえる」などの相対的な関係を使用します。

6. パフォーマンスと一貫性を向上させる方法

  • キャラクターは常に同じ顔、髪型、服の輪郭、装飾品で描写されます。
  • 製品は常にその構造、素材、色、Logo、テキスト、配置方向を維持します。
  • 連続する変換では、前の形式のどの目に見える特徴が各段階で保持される必要があるかを示します。
  • アクション参照は動きとリズムのみを担当し、キャラクター参照は責任の混乱を避けるためにアイデンティティのみを担当します。
  • 各カットのキャラクター、衣装、小道具、シーンの位置、光の方向の名前を変更します。
  • 複数のキャラクターを名前、服装、体型、位置、声で区別できます。
  • 複数の候補が必要な場合は、アクション、ショット、またはサウンドのどれが改善されたかを判断しやすくするために、一度に 1 つの変数のみを調整します。
  • 重要なテキストと Logo は明確な視覚的参照を必要とし、生成後の校正と再試行のために予約されています。

7. よくある失敗と修正

  • 参考資料には明確な役割がない: それぞれの資料がどのような役割を担っているのか、どのような内容が継承できないのかを項目ごとに説明します。
  • カット後のキャラクターの変更: 主要なアイデンティティの参照を修正し、カット後の顔、髪型、服装、アクセサリーを再説明しました。
  • 意味のない線や口の形: キャラクターが沈黙を保っており、口が自然に閉じており、話さない動作が継続的に表示されていることを明確にします。
  • 線の口の形が間違っています: 単語数が ショット のリズムと一致するように線を短くし、話者と言語を明確にします。
  • 音楽コントロールが不安定: 抽象的なパーセンテージを記述するのではなく、イベントを使用して、音楽がいつ入ってくるか、フェードアウトするか、完全に停止するかを示します。
  • 1 つのショットは終了しますが、カットが発生します: ショットとカットの構造を削除し、連続アクション、空間パス、および カメラワーク のみを保持します。
  • プロンプト 矛盾しています: 参照音楽と音楽なし、静止画と速いアクション、リアルな漫画と迫力のある漫画など、矛盾する要件がないか確認します。
  • 字幕または画面上のテキストが予期せず表示される: 簡単に字幕が表示され、生成後に確認する原因となる長いダイアログを削減します。
  • ループはシームレスではありません: プロンプトでは、最後のフレームがピクセル レベルで最初のフレームに確実に戻ることが困難です。厳密なループは後処理に任せる必要があります。

プロンプト カードと引き継ぎFlova

プロンプト クラス インスピレーション は、写真やビデオではなく、直接生成できる プロンプト カード (各画面に 1 枚、または ショット) を提供します。この記事では、カードの書き方、カードをFlova に渡して簡単に生成する方法、カードを使用して検証結果を生成する方法について説明します。

カード形式

各カードには以下のアイテムが含まれています。項目がない場合は「なし」と記入します。

アイテム何を書くか
番号たとえば、ユーザーの画面または 元動画 の ショット に対応する P01
対象モデルと機能例: Seedance 2.5 · マルチモーダル参照生ビデオ。 GPT Image 2 · 画像編集
目的一言で言えば: この写真またはビデオは何に使用されますか
プロンプトコード ブロックで指定された、直接貼り付けることができる完全なオリジナル テキスト
参考資料コピーごとに 1 行: ファイル名、リクエスト内のランキング、役割 (以下を参照)、担当するもの、継承されないもの
パラメータ期間、アスペクト比、解像度など。値はcreation_generation_modelsのクエリ結果に基づきます。見つからない場合は、「未確認」と記入してください。
維持条件変えてはならないキャラクター、商品、文章、構成
書き方の説明2 ~ 3 文: なぜこのように書くのか、モデル記述法のどのルールに該当するのか
合格のポイント顔の一貫性があるか、テキストが一字一句正しいか、アクションがテレポートするかどうかなど、生成後に何を見て成功か失敗かを判断するか

プロンプト 原文はターゲット言語で書かれています。ユーザーが中国語を使用する場合、デフォルトの書き方は中国語です。モデルの記述方法が英語を推奨している場合、またはユーザーが英語を要求している場合は、必要に応じて記述してください。セリフとシーンのテキストは、翻訳や修正を行わずに、元のテキストからコピーされています。

Flova に任せてすぐに生成

Flova Skill の「クイック生成」の「参考資料」の方法に従ってください。重要なポイント:

  1. アビリティの確認: creation_generation_models を使用して対象モデル (detail="full") を確認し、選択したアビリティのパラメーター範囲、参照素材スロット、使用可能な役割を確認します。
  2. 参考資料の準備: モデルで許可されているアスペクト比にエッジをトリミングしたり、必要な部分を切り取ったり、サポートされている形式に変換したりするなど、カードに応じて各素材を処理します。
  3. アップロード: creation_upload_ticket → アップロード → 返されたアドレスに従って creation_upload_complete を実行し、file_ref を取得します。 file_ref 有効期限は約 1 時間です。送信する前にアップロードしてください。
  4. 役割をマークします: inputs の各マテリアルの役割をマークします。
    • first_frame: 画像はこの画像から始まり、それと一致している必要があります。
    • last_frame: 画面はこの図で終了します。
    • reference: 外観、スタイル、またはコンテンツを指しますが、画像がそれと同じである必要はありません。
    • driving_audio: この音声を使用して口の形と動きを動かします。
    • base_video: このビデオを編集するか、書き込みを続けてください。
  5. 提出と記録: client_request_id を持参し、カード番号、参考資料、file_ref とタスク ID の対応をメモします。
refers to reference material in プロンプト
  • 現在の書き方: 「最初の参考画像はキャラクターの顔と服装を担当し、2 番目の参考画像は商品の外観を担当します。」のように、順番に単語を使用して参照します。ここでの順序は、inputs の同様のマテリアルの順序と一致している必要があります。写真、動画、音声は「先頭」から数えます。

他のツールに任せる

ユーザーが他のプラットフォームやツールに投稿したい場合:

  • Flova固有のマークとキャラクター説明文を削除し、同ツールの参考画像アップロード方法に変更します。
  • パラメータはそのツールの設定に従います。
  • ユーザーへの注意: 書き込み方法は対象モデルに基づいており、別のモデルに置き換えると効果が異なる可能性があります。

トライアル世代の比較 (オプション)

試用版の生成では、ユーザーの Flova クォータが消費されます。続行する前に、まず説明してください。

  • 同じパラメータと同じ参照マテリアルを使用して、元の プロンプト と書き換えられた プロンプト がそれぞれ 1 回生成され、ユーザーが確認できるように並べて表示されます。
  • 各ラウンドで 1 つの変数のみを変更します。たとえば、参照責任のみを変更するか、タイムラインのみを変更して、どれが機能したかを判断できるようにします。
  • 各ラウンドの変更、タスク ID、結果を記録し、最後にまとめて配信します。
  • 生成される結果はランダムであり、比較は傾向を示すだけです。判断を下す前に、重要な結論をもう 1 回か 2 回生成します。

制作の流れ

  1. Flova

    Flova

    テスト動画を生成

    改善したプロンプトで短い動画を作り、ショットの接続と台詞を確認します。