Consistencia de ubicaciones en MiniMax H3: conserva la misma habitación en varios clips

El personaje se ve bien, pero su apartamento cambia constantemente. El sofá aparece bajo otra ventana, la lámpara de pie cruza la habitación y un primer plano introduce una puerta inexistente en el clip anterior. En retratos de moda, escenas cotidianas tranquilas o series de temática adulta con un personaje recurrente, esos cambios hacen que los planos parezcan de producciones diferentes.

Para mantener ubicaciones consistentes en MiniMax H3, reutiliza imágenes de una habitación definida y describe los muebles respecto al espacio, no a la cámara. Usa referencia a video cuando quieras que H3 componga otra vista. Si importa la disposición exacta, prepara una imagen inicial aprobada para cada plano y anímala con imagen a video.

Una cuadrícula puede comunicar vistas conectadas de la habitación, pero no es una reconstrucción 3D ni garantiza bloquear el escenario. Un creador H3 contó que le funcionaron 20 fotografías superpuestas; otros siguen describiendo muebles desplazados. La decisión útil es cuánta geometría nueva debe inventar el modelo para el siguiente plano.

Esta guía construye una secuencia de tres planos en una habitación, con preparación de referencias, prompts completos y cambios concretos cuando se desplace lámpara, pared o ventana. El ejemplo usa una modelo adulta ficticia de 32 años en una serie de moda nocturna. Es un flujo creativo propuesto, no material de una prueba H3 nueva.

Elige el formato de referencia según la siguiente posición de cámara

Una fotografía de habitación, varias vistas separadas y una hoja de contactos resuelven problemas de entrada distintos. Elige el conjunto mínimo que muestre el espacio utilizado por tu plano.

Para un primer episodio, empieza con un rincón amueblado, no con todo el apartamento. Un sofá distintivo, una lámpara y una ventana dan suficiente información recurrente para reconocerlo. También aportan elementos concretos que conservar.

La ficha de MiniMax H3 separa FL2VA, que usa primer y último fotograma, de Ref2VA, que acepta medios de referencia. Importa: un fotograma inicial especifica una composición de partida; una referencia aporta contenido para una composición nueva. Subir una habitación como inicio y pedir un contraplano distante exige que el video viaje desde esa imagen; usarla como referencia de escena pide un plano recién compuesto.

En SpicyAPI, MiniMax H3 de referencia a video acepta entre una y nueve referencias numeradas. Para el ejemplo principal, usa dos: habitación y personaje adulto. Elige cinco segundos, 768p y 16:9. Conserva el encargo suministrado y da a cada solicitud una acción breve. Con dos referencias cuesta $0.1986 por clip o $0.5958 para los tres antes de reintentos. Son elecciones iniciales, no ajustes probados para eliminar cambios de ubicación.

Qué demuestra realmente el ejemplo de 20 fotos

En la publicación original de consistencia de habitación, el creador fotografió 20 veces su oficina real con contenido compartido entre fotos y las reunió en una cuadrícula utilizada mediante RefMod. Contó que las imágenes separadas no habían producido la misma consistencia en ese flujo.

Dos detalles limitan la conclusión. No había establecido si codificar la cuadrícula como RefMod mejoraba usarla directamente. También describió después un intento mayor fallido con 62 fotografías y dos habitaciones adicionales. Más cobertura no mejoró automáticamente.

Adopta la idea de vistas conectadas de una habitación, no interpretes 20 fotos o RefMod como receta obligatoria. Dos vistas bien elegidas pueden bastar para un plano modesto, mientras que una cuadrícula densa puede volver ilegible la lámpara importante.

RefMod es un mecanismo comunitario para guardar información reutilizable de referencias. La documentación del proyecto explica que codifica material de referencia y no entrena pesos H3. Sus archivos guardados no son intercambiables con una imagen corriente. El endpoint H3 de referencias de SpicyAPI no acepta RefMod; conserva las fotos originales o cuadrícula para esa ruta.

También conviene entender experiencias contrarias. En otra conversación sobre consistencia de ubicaciones, un creador reunió cuatro vistas en perspectiva después de necesitar a veces más de diez intentos para un recorrido adecuado. Aun así, los muebles cambiaban o se movían. No fallaba el reconocimiento del estilo general, sino conservar dónde iba cada cosa.

Por eso el flujo siguiente define relaciones físicas antes que adjetivos cinematográficos. «Un salón cálido y lujoso» permite muchas habitaciones. «El sofá permanece en la pared opuesta a la entrada y la ventana en la contigua» describe una disposición concreta.

Haz comprensible la habitación antes de añadir al personaje

Para el ejemplo, usa un salón pequeño para una serie recurrente de moda nocturna de una creadora adulta. Lleva vestido borgoña. En los tres clips ajusta un puño de pie, se sienta junto al brazo del sofá y después gira hacia la ventana. Vestuario y personaje se mantienen; aquí nos concentramos en el escenario.

Decide primero qué contiene la habitación. No hace falta un plano arquitectónico detallado. Un esquema sencillo en tus notas evita que los prompts se contradigan.

«Norte» y «oeste» son etiquetas de planificación, no una solicitud de brújula en la imagen. En el prompt, liga la disposición a anclas visibles: pared del sofá, pared de ventana y entrada. Siguen ayudando cuando gira la cámara.

Desde la entrada mirando al sofá, la ventana aparece a izquierda y la lámpara a derecha. Desde otro lado pueden cambiar de posición en pantalla. Conserva la relación física con el sofá; no obligues a mantener la ventana en el borde izquierdo en toda composición.

Ilustración: la cámara cambia de lugar; sofá, ventana y lámpara permanecen asociados a las mismas paredes.

Fotografía una habitación real con zonas compartidas

Si tienes acceso, recórrela sin cambiar muebles ni luz. Empieza con una fotografía amplia desde la entrada. Después toma una desde la ventana que siga incluyendo sofá y lámpara. Añade otra cerca de la esquina opuesta solo si la secuencia revelará ese lado.

Cada imagen vecina debe compartir un objeto reconocible o unión de paredes. El mismo brazo del sofá, marco o lámpara conecta las vistas. Un detalle de pantalla de lámpara y una vista amplia de una pared sin relación no explican dónde está la lámpara.

Mantén la cámara razonablemente nivelada y la misma lente cuando sea práctico. Una distorsión gran angular fuerte puede hacer que la habitación parezca mucho más profunda en una referencia. No cambies muebles para mejorar cada foto: una mesa apartada en una se convierte en evidencia contradictoria al incorporarla.

Captura la habitación vacía si puedes. En una serie adulta, el entorno describe el escenario y otra imagen aporta la persona. Alguien en la foto de ubicación puede introducir ropa, postura o presencia no deseadas después. También necesitas la zona detrás del sujeto, no solo el fragmento atractivo junto a sus hombros.

Detente cuando hayas cubierto los planos previstos. Si los tres permanecen junto al sofá, no necesitas cocina, pasillo y baño. Guárdalos como ubicaciones separadas para cuando una escena los requiera.

Construye una habitación ficticia desde un diseño aceptado

Para un salón inventado, elige una vista maestra antes de generar variaciones. Fija número de ventanas, estilo de sofá, lámpara y paredes. Crea otra vista editando esa base y compárala antes de aceptarla en el conjunto.

Un ángulo nuevo plausible no es necesariamente consistente. Si la segunda imagen añade una ventana o cambia la lámpara de brazo del sofá, no la incluyas solo por ser atractiva. La colección describiría dos habitaciones distintas.

Cuando un contraplano revele una pared nunca mostrada, decide qué debe contener. El modelo no recupera un diseño existente que no recibió. Dibuja una distribución simple, crea esa vista deliberadamente o prepara el siguiente plano sin revelar el lado desconocido.

En una serie fija suele servir más establecer tres posiciones repetibles que exigir movimiento sin límites por todo el espacio. Una vista amplia de entrada, una media junto al sofá y un retrato desde la ventana dan vocabulario visual reconocible sin necesitar un escenario virtual completo.

Reúne una cuadrícula sin convertir el escenario en collage

Usa cuadrícula cuando importe la relación entre vistas y cada panel sea legible. Conserva una copia sin recortar de cada foto. La cuadrícula es otra presentación, no una razón para descartar originales.

Para el salón, un inicio práctico son cuatro paneles: entrada, lado de ventana, lado de lámpara y una vista cercana de la relación sofá-mesa. Es una elección editorial del ejemplo, no un óptimo H3 medido.

Ordena las vistas amplias en una secuencia lógica alrededor de la habitación. Evita bordes blancos enormes o barras decorativas de título. Pon etiquetas en nombres de archivo o notas, no sobre las paredes fotografiadas. Debe comunicar mobiliario y geometría, no convertirse en diapositiva dentro del video.

A tamaño total fijo, más paneles dejan menos píxeles por vista. Una hoja de 2048 píxeles de ancho con cuatro columnas da unos 512 por columna antes de márgenes. Una lámpara pequeña puede quedar en unas decenas de píxeles. Añadir una quinta vista casi idéntica no recupera el detalle.

Si un mueble identifica la serie, mantenlo reconocible. Puedes aportar otra vista cercana de sofá y lámpara como referencia en vez de comprimirlos en una cuadrícula densa. Asígnale una función concreta: el rincón existente, no un nuevo diseño de habitación.

Ilustración: la cuadrícula reúne vistas en una imagen y deja menos espacio a cada panel.

Cuadrícula de ubicación y guion gráfico también son distintos. La primera muestra un espacio desde varias posiciones; el segundo pide varias composiciones o cortes. En una solicitud de plano único, aclara que la cuadrícula referencia la ubicación y la salida debe ser una vista continua. De otro modo, el origen dividido puede interpretarse como destino dividido.

Un panorama 360 grados es otra opción si ya tienes uno útil. Un ejemplo comunitario mostró un pasillo desde una referencia panorámica, pero los comentarios señalaron puertas y manijas cambiadas. El autor dudaba si una revisión del prompt o la semilla afectó la distorsión. Trátalo como cobertura útil, no prueba de geometría exacta.

En esta serie de tres planos es más fácil revisar vistas ordinarias conectadas que una proyección desconocida. Si entiendes fotografía panorámica, conserva el panorama limpio; si no, no añadas conversiones antes de hacer una escena sencilla de sofá.

Asigna funciones separadas a habitación y personaje adulto

Mantén el orden de subida en todas las solicitudes de referencia a video:

1. Picture 1: vista maestra de habitación vacía o cuadrícula.
2. Picture 2: personaje adulto ficticio con el conjunto previsto y fondo sencillo.
3. Picture 3, solo si hace falta: vista más clara de un rincón ya presente en Picture 1.

La imagen del personaje no debería ser la referencia de ubicación competidora más fuerte. Si tiene dormitorio luminoso detrás y Picture 1 un salón cálido, discrepan. Recorta o sustituye el fondo innecesario antes de pedir al modelo que interprete el conflicto.

La guía oficial de prompts de referencia de MiniMax trata entornos como contenido reutilizable y los distingue de imágenes que anclan una composición concreta. El hábito útil es decir qué aporta cada imagen y qué puede cambiar. No necesitas volver a describir el rostro para explicar dónde se coloca el sofá.

Mantén idéntica la instrucción de habitación entre planos. Cambia posición de cámara, encuadre y acción. Ayuda especialmente en una serie diaria: la ubicación se vuelve familiar mientras otro gesto o conjunto da un motivo al siguiente contenido.

Los tres prompts siguientes suponen que Picture 1 contiene las vistas acordadas y Picture 2 el personaje con vestido borgoña. Piden clips separados de cinco segundos, no tres cortes en una solicitud de cinco. Mantén cinco segundos, 768p y 16:9 mientras estableces la secuencia.

Plano 1: presenta la habitación desde la entrada

Es la referencia del público. Muestra suficiente mobiliario para reconocer el siguiente plano, pero limita la acción.

Picture 1 muestra varias vistas de un salón. Úsala para mobiliario, distribución de paredes, materiales y luz. Picture 2 aporta una mujer adulta ficticia de 32 años y su vestido de noche borgoña; ignora el fondo. Crea un plano continuo de retrato de moda de cinco segundos, con una vista de cámara y sin collage. La cámara está en la entrada mirando al sofá terracota de la pared opuesta. La ventana alta con cortinas crema está en la pared a la izquierda de la pared del sofá. La lámpara de latón permanece en la esquina junto al brazo derecho del sofá desde esta vista de entrada. La mesa redonda de madera oscura sigue delante del sofá. La mujer está junto a la mesa, ajusta lentamente un puño y después deja quietas las manos. Mantén cámara fija. Entra luz diurna suave por la ventana, con resplandor cálido tenue de lámpara. Conserva muebles y única ventana durante todo el plano. Ambiente tranquilo, sin diálogo ni música.

Establece la relación ventana-sofá-lámpara. Es más útil que empezar con un retrato cerrado donde no aparece ningún rasgo del escenario. Puedes recortar después; una lámpara invisible no aporta continuidad visual.

Plano 2: mueve la cámara y deja los muebles en su sitio

Para el segundo, coloca la cámara cerca de la ventana mirando diagonalmente al sofá. La lámpara sigue junto al mismo brazo físico aunque cambie la perspectiva.

Picture 1 aporta el mismo salón con mobiliario fijo. Picture 2 aporta la mujer adulta ficticia de 32 años y vestido de noche borgoña; ignora el fondo. Crea un plano medio continuo de moda de cinco segundos junto a la ventana alta, mirando diagonalmente al sofá y la lámpara de latón. La mujer está sentada cerca del extremo del sofá terracota más próximo a la ventana. Apoya una mano en el brazo y gira ligeramente la mirada hacia la ventana. La lámpara permanece en el extremo opuesto, en su esquina original. La mesa redonda de madera oscura sigue delante del sofá; muestra solo la parte visible naturalmente desde esta cámara. El sofá permanece contra su pared original. Conserva la distribución real cambiando el punto de vista. La luz diurna viene de junto a la cámara; la lámpara sigue como luz cálida de fondo. Cámara fija, perspectiva natural, una habitación, sin cortes ni paneles. Ambiente tranquilo, sin diálogo ni música.

Observa la indicación de mesa: puede ocultarse parcialmente sin moverse. Exigir que todos los objetos se vean enteros puede contrariar el ángulo. Una habitación creíble tiene oclusiones; consistencia no significa que aparezca cada accesorio en cada fotograma.

Plano 3: termina con el retrato junto a la ventana

El final puede ser más cerrado sin perder relación con el escenario. Mantén una pieza arquitectónica y un mueble reconocibles.

Picture 1 referencia la ubicación del mismo salón. Picture 2 aporta la mujer adulta ficticia de 32 años y vestido borgoña, sin transferir el fondo. Crea un retrato único de cintura hacia arriba de cinco segundos junto a la ventana alta. Coloca la cámara cerca de la mesa redonda mirando al extremo del sofá terracota junto a la ventana. La mujer está de pie entre sofá y ventana y gira lentamente los hombros hacia la luz diurna, terminando con una mirada lateral relajada. Muestra la cortina crema y parte del brazo original del sofá detrás. Los demás muebles pueden quedar fuera; no los muevas para mostrarlos. Conserva la ventana en su pared original y las proporciones de habitación. La luz diurna suave sigue siendo principal, con contribución cálida sutil de la lámpara al otro lado. Cámara fija. Sin puerta nueva, ventana adicional, pantalla dividida ni cambio de escena. Ambiente tranquilo, sin diálogo ni música.

Cortina y brazo del sofá mantienen aquí la continuidad. No pides al retrato demostrar todo el plano de planta. Eso corresponde al plano de presentación y la coherencia entre vistas de origen.

Mantén la luz ligada a una fuente de la habitación

La continuidad confunde si los prompts solo usan direcciones de pantalla. «Luz por la izquierda» describe otra distribución física cuando la cámara cambia de lado. Aquí usa ventana como fuente principal y lámpara de pie como secundaria cálida.

Desde la entrada, la luz de ventana llega por la izquierda del encuadre. En el plano medio junto a ella, llega desde cerca de cámara. Ambos pueden ser el mismo momento. Exigir sombras idénticas en cada rostro puede obligar a que la luz siga a la cámara y debilitar la continuidad buscada.

Fija tres decisiones: fuentes encendidas, brillo relativo ventana/lámpara y hora del día. No necesitas un diagrama técnico para decir «luz diurna suave de ventana y lámpara cálida tenue al fondo». Sí debes evitar referencia nocturna oscura con contraplano luminoso de mediodía salvo cambio temporal intencional.

En moda adulta, la luz dramática también puede ocultar evidencia útil de la habitación. Si la referencia amplia apenas muestra más que la silueta, puede faltar borde de sofá o unión de paredes legible. Prepara una referencia clara aunque el retrato final sea más atmosférico.

Ilustración: la luz puede cambiar de dirección en pantalla al mover cámara sin cambiar su fuente física.

Trata pasar de día a noche intencionalmente como otra versión de luz del mismo escenario. Conserva los muebles, aporta una vista nocturna aceptada y describe ventana oscura. Cambiar solo «luz diurna» por «noche de neón» dejando una referencia soleada activa da instrucciones incompatibles.

Si la habitación sigue cambiando, crea primero el plano como imagen fija

Si H3 reorganiza repetidamente la lámpara en otro ángulo, deja de pedir que cada video resuelva ese ángulo desde cero. Prepara una imagen con habitación, posición y personaje correctos y luego anímala.

La edición Qwen Image 2.1 es una ruta disponible. Empieza con habitación y personaje; usa tercera vista solo si aporta geometría ausente. Elige forma final, fondo opaco y PNG. Aquí usa 16:9, 2k y expansión desactivada. Es un uso propuesto de sus entradas, no una afirmación de que reconstruya lo no visto correctamente a la primera.

Para el plano 2, utiliza:

Usa la primera imagen solo para el salón, conservando muebles y arquitectura. Usa la segunda solo para una mujer adulta ficticia de 32 años y vestido de noche borgoña. Crea una fotografía de plano medio desde la ventana alta mirando diagonalmente al sofá terracota. Siéntala en el extremo cercano a la ventana con una mano en el brazo. Mantén sofá en la misma pared, lámpara de pie de latón en la esquina del extremo opuesto y mesa redonda de madera oscura delante. Muestra superposición y perspectiva naturales del nuevo punto de vista. Usa luz diurna suave y resplandor cálido tenue de lámpara. Conserva formas visibles; no añadas ventanas ni puertas. Una fotografía, sin paneles ni texto.

Si incluyes tercera imagen, añade: «La tercera aporta la vista junto a la ventana y aclara la relación sofá-lámpara; no introduce otra habitación ni cambia los muebles».

Compara la salida con la vista maestra antes de animar. Si la lámpara se movió, corrige la imagen. Si el ángulo no resulta consistente, elige una cámara cercana respaldada realmente por el origen. Así decides explícitamente antes de pagar movimiento.

Después abre MiniMax H3 de imagen a video, sube la imagen aceptada como inicio y usa cinco segundos a 768p. El prompt puede ser breve porque la imagen ya fija composición:

Anima este fotograma inicial en un plano continuo de cinco segundos. La mujer adulta conserva su posición sentada y gira lentamente la mirada a la ventana, con pequeño movimiento natural de hombros y mano. Cámara fija. Mantén sofá, mesa, lámpara, ventana y cortinas en sus posiciones. Conserva luz diurna y cálida existentes. Sin objetos nuevos, cortes ni cambio de habitación. Ambiente tranquilo, sin diálogo ni música.

Prepara del mismo modo los planos 1 y 3 con sus propias composiciones. Son tres imágenes iniciales aceptadas, no una estirada repetidamente a ángulos cada vez más distintos. Cada video comienza con la disposición elegida.

Un fotograma final opcional especifica el cierre, pero no fija todos los fotogramas intermedios. No uses habitaciones contradictorias como inicio y fin esperando que resuelva la discrepancia invisiblemente. Si necesitas ambos, deben describir el mismo escenario y un movimiento plausible.

Para un gesto pequeño, bloquear cámara también limita cuánto entorno nuevo debe revelarse. Si queda movimiento de cámara no deseado, usa la guía de cámara fija en vez de añadir fotos indefinidamente.

Cambia la entrada que corresponda al error de continuidad

Repetir puede dar otra salida, pero no añade una fotografía de pared ausente. Antes identifica el error visible y un cambio que lo trate.

Son causas plausibles que investigar, no diagnósticos de una generación no vista. Distingue si el error ya está en la referencia, aparece en la nueva composición o se desarrolla al moverse.

Si está en la referencia, repara el origen. Si aparece al inventar otro ángulo, limita ese ángulo o prepáralo como imagen fija. Si surge durante movimiento, acorta la acción o el recorrido de cámara. Subir resolución no indica en qué pared va la ventana.

No arregles una lámpara aislada reescribiendo toda la habitación, cambiando conjunto y proporción. Crearías un nuevo encargo. Conserva lo aceptado y revisa la relación espacial errónea.

Un espejo merece cuidado especial. Puede mostrar objetos fuera de la vista principal y crear otra vista de la habitación dentro del encuadre. Si no es esencial, déjalo fuera de la primera secuencia. Si lo es, prepara una imagen con reflejo correcto y evita un movimiento grande de cámara que exija un reflejo cambiante.

Reutiliza el escenario en una serie diaria de personajes adultos

Cuando funcionen las tres posiciones, reutiliza las imágenes aceptadas en la siguiente sesión. Vuelve al conjunto original en vez de tomar cada fotograma atractivo como nueva referencia. Uno posterior quizá tenga sofá más largo o ventana desplazada; reutilizarlo incorpora el cambio a la siguiente solicitud.

Separa habitación vacía de personaje y vestuario. Cuando el siguiente contenido use otro conjunto, sustituye la imagen del personaje y conserva las de habitación. Si cambias el escenario intencionalmente, actualiza las vistas relevantes juntas: una silla nueva solo en un ángulo contradice el anterior cuando regrese.

En una serie adulta recurrente, la familiaridad puede venir de detalles: cortina junto al personaje, sofá terracota tras el retrato sentado o lámpara cálida lejana. No necesitas mostrar todo el apartamento a diario. Cambia recorte, gesto o posición dentro de un rincón establecido antes de añadir otra habitación.

También puedes evitar recorridos difíciles cortando entre posiciones. Una presentación seguida de plano medio sentado comunica cambio temporal o de postura sin pedir caminar alrededor de la mesa y sentarse en una toma ininterrumpida. Usa continuidad solo cuando ver ese movimiento importe.

El manejo de contenido adulto sigue correspondiendo al modelo y tarea específicos. La técnica de ubicación no amplía su comportamiento, y una escena de moda lograda no establece qué generarán todas las versiones H3. El flujo trata el escenario; elige por separado el endpoint adecuado para el tema real.

Presupuesta los planos necesarios, incluida preparación

En la ruta de imágenes aceptadas, H3 ordinario de imagen a video cuesta $0.037 por segundo a 768p y $0.058 a 2k.

Cubren video desde imágenes ya disponibles. Añade preparación y cada generación extra. Por ejemplo, repetir el plano 2 deja el subtotal 768p en $0.740. Un borrador inferior seguido de generación nueva superior son dos solicitudes, no una mejora gratuita del primero.

Referencia a video añade $0.0068 por imagen a las tarifas. Con dos, cinco segundos a 768p cuestan $0.185 + $0.0136 = $0.1986. Tres clips cuestan $0.5958; con un reintento, $0.7944. Una tercera vista eleva cada solicitud a $0.2054 y las tres a $0.6162. Una cuadrícula es una imagen subida para calcular, pero reunir fotos solo para ahorrar una referencia puede sacrificar legibilidad.

Para preparar imágenes, Qwen Image 2.1 edit a 2k cuesta $0.048 por salida con las dos o tres referencias descritas. Tres ediciones añaden $0.144: imágenes preparadas más tres clips de cinco segundos a 768p suman $0.699 antes de reintentos. Fotografías existentes, composición manual y creación inicial de personaje o habitación quedan fuera.

El motivo financiero para preparar una imagen no es garantizar menos intentos. Permite resolver mobiliario visible antes de gastar en movimiento. Si el ángulo es claramente incorrecto en imagen fija, un video largo no lo convertirá en la habitación correcta.

Empieza con una habitación, un ángulo claro y una acción breve

Elige tres muebles o elementos que identifiquen la ubicación. Fotografía o establece su relación en una vista limpia vacía y prepara solo la vista adicional que necesite el siguiente plano.

Explora otra composición desde ese conjunto con referencia a video. Si los muebles siguen cambiando, aprueba la composición como imagen y anímala con gesto pequeño. Mantén fuentes físicas de luz y referencias en el siguiente clip.

En el salón del ejemplo, el primer resultado útil es una vista de entrada de cinco segundos con sofá, ventana y lámpara acordados. Construye el ángulo sentado desde el mismo diseño. Tres planos reconocibles son una base más útil para una serie recurrente que un recorrido espectacular que cambie el apartamento a mitad.