Od Qwen Image 2.1 do MiniMax H3: zbuduj wielorazowy arkusz referencji postaci NSFW

Twoja fikcyjna dorosła postać wygląda właściwie w portrecie. Potem wideo oddala się, postać obraca, a pojawia się inna fryzura, budowa lub strój. Portret był przydatny; po prostu nigdy nie pokazał informacji potrzebnych nowemu ujęciu.

Użyj Qwen Image 2.1 do przygotowania wyraźnego portretu twarzy i pasujących widoków z przodu, boku i tyłu. Zachowaj obrazy osobno, nawet jeśli składasz też arkusz postaci. W MiniMax H3 animuj jedną gotową scenę, gdy jej początek musi być dokładny; używaj reference-to-video, gdy H3 ma skomponować nowe ujęcie z widoków postaci. Arkusz to wygodne opakowanie, a nie wymóg wciskania wszystkich referencji w jeden obraz.

W serii postaci NSFW wielorazowe są wygląd dorosłej postaci i bieżący strój. Delikatnie oświetlony portret, zapowiedź pełnego stroju i wideo obrotu potrzebują różnych wyborów z tego samego zestawu. Oto praktyczny początek:

Przy poniższych ustawieniach sześć edycji Qwen 2k kosztuje $0.288. Pięciosekundowa próba H3 image-to-video w 768p kosztuje $0.185; wersja referencyjna z trzema obrazami $0.2054. Przygotowanie postaci nie wymaga treningu LoRA ani dużej kolekcji na początku.

Ustal, co arkusz musi wyjaśniać

Arkusz referencji powinien odpowiadać na wizualne pytanie. Jeśli ujęcie nigdy nie opuszcza twarzy, tył wnosi niewiele. Jeśli postać odchodzi i ogląda się, ważniejsze są włosy przy szyi, tył ubrania i bok twarzy niż pięć prawie identycznych portretów.

W przykładzie postacią jest Iris, fikcyjna kobieta w wieku 32 lat, stworzona do serii portretów i wideo dla dorosłych. Ma ciemnego boba do brody z przedziałkiem z boku, brązowe oczy, owalną twarz i wyraźną szczękę. Pierwszy zestaw używa bordowego satynowego szlafroka wiązanego w talii, długich rękawów i ciemnych botków. Planowane klipy to siedzący portret, obrót pełnego stroju i przejście ku drzwiom. Wszystkie przykłady pozostają niebezpośrednie.

Trzy klipy wyjaśniają, dlaczego sama twarz nie wystarcza. Siedzące ujęcie potrzebuje rozpoznawalnych oczu i włosów. Ujęcie stroju długości ubrania, paska i rękawów. Ujęcie drzwi odsłania tył szlafroka i kształt boba z tyłu. Zrobimy brakujące widoki przed prośbą do modelu wideo o ich wymyślenie w ruchu.

Oddziel decyzje tożsamości od stylizacji:

Włosy mogą zmieniać się między kolekcjami, ale powinno to być świadomą nową wersją. Portret krótkich włosów obok tylnego widoku długich daje H3 dwie odpowiedzi na to samo pytanie. Podobnie szerokokątny obraz całej sylwetki i skompresowany bliski portret mogą wyglądać na sprzeczne w proporcjach, choć każdy osobno jest atrakcyjny.

Nie potrzebujesz akapitu wymiarów. Wybierz mały zestaw widocznych cech i zapewnij zgodność obrazów. Jeśli znamię, pierścionek lub maleńki emblemat jest kluczowy, zachowaj osobny obraz detalu; nie zakładaj, że miniaturowy znak panelu pełnej sylwetki przetrwa szerokie ujęcie wideo.

Arkusz może ujawnić brakujące decyzje projektu

Gdy Qwen obraca portret, generuje wcześniej ukryte ucho, włosy z tyłu i szwy ubrania. Nie ma niewidzianego oryginału do odzyskania. Wybierasz wygląd fikcyjnej postaci z tych kątów.

Traktuj pierwszy profil i tył jako projektowanie. Jeśli profil ma nos lub szczękę niepasujące do wyboru postaci, popraw przed zapisaniem arkusza. Jeśli szlafrok z przodu ma pasek, a z tyłu złożone zapięcie, ustal pożądany projekt. Schludny układ nie rozwiązuje sprzecznych paneli.

Dlatego generowanie wszystkich widoków jednym żądaniem może dać szybki przegląd, ale utrudnić finalny wybór: jeden panel może być zły, a dwa przydatne. Osobne widoki pozwalają wymienić profil bez przerysowania przodu.

Wybierz portret, arkusz trzech widoków lub osobne referencje

Jeden portret: użyj, gdy aparat pozostaje blisko

Czysty portret głowy i ramion lub od klatki piersiowej poświęca dużą część obrazu twarzy. To rozsądne źródło wyrazu twarzy, małego obrotu lub nowego bliskiego portretu. Nie ustala pełnej budowy, butów ani tyłu ubrania.

Wybierz niezasłonięte oczy, czytelne krawędzie włosów i światło po obu stronach twarzy. Dłoń na szczęce, głębokie kolorowe cienie lub mocno przechylona głowa mogą pasować do gotowego posta, lecz czynią portret mniej informacyjnym jako ogólne źródło. Zachowaj dramatyczną wersję do sceny; przygotuj prostszą do ponownego użycia.

Jeśli istniejący portret jest dokładnie zamierzonym początkiem, może iść prosto do image-to-video. Jeśli chcesz inny pokój, szerszy kadr lub nowy strój, najpierw stwórz obraz w Qwen. Żądanie startu H3 z ciasnej twarzy i natychmiastowego przejścia do pełnej sylwetki dodaje projektowanie postaci do ruchu.

Trzy pełne widoki: użyj do ustalenia zarysu

Przód, bok i tył wyjaśniają zarys stojącej postaci i garderobę. Przydają się do obrotu stroju i klipu drzwi. Zachowaj postawę, ubranie, światło i pozorną skalę we wszystkich trzech. Bok powinien być prawdziwym bokiem, a nie kolejnym portretem trzy czwarte z przodu.

Wadą jest obszar twarzy. Trzy pełne sylwetki mieszczą się w arkuszu, ale żadna nie ma dużej twarzy. Jeśli następny klip kończy blisko oczu, zachowaj portret obok arkusza. Panel tyłu nie dostarcza żadnych dowodów twarzy, niezależnie od rozmiaru całego pliku.

Nie ma dowiedzionego uniwersalnego układu H3 do skopiowania. W dyskusji społeczności o formatach arkusza postaci twórcy pytają konkretnie o liczbę paneli, rozmiar zbliżenia i rozdzielczość; odpowiedzi zawierają lokalne ustawienia skalowania i osobiste preferencje. Nie są kontrolkami opisanego zadania hostowanego. Wybieraj układ według czytelności, zamiast modelowego obowiązku konkretnej siatki.

Osobne obrazy: użyj, gdy każdy widok ma własne zadanie

Niezależne pliki zachowują przydatny rozmiar widoków i upraszczają wymianę. Dla klipu stroju Iris portret twarzy, przód pełnej sylwetki i profil dostarczają trzy różne informacje. Dla drzwi zastąp przód tyłem, jeśli początek już ustanowiono gdzie indziej.

Praktycznym kosztem jest pilnowanie kolejności. Po usunięciu drugiego obrazu „Picture 3” może wskazywać coś innego. Czytelnie nazwij pliki i sprawdź numerowane miniatury przed wysłaniem. Twórca pytający o arkusze kontra niezależne referencje H3 opisywał dokładnie ten problem: pojedyncze obrazy działały dla tożsamości, ale zmiana wejść powodowała pomyłki połączeń. Arkusz może uprościć obsługę bez dowodu lepszej twarzy.

Moja rekomendacja początkowa to zachowaj indywidualne oryginały, zrób przegląd, jeśli pomaga, i dobieraj format uploadu do ujęcia. Osobne pliki możesz później połączyć w arkusz. Odzyskanie czystego dużego portretu z maleńkiego panelu jest znacznie trudniejsze.

Daj twarzy dość miejsca przed dodawaniem paneli

Wymiary obrazu i detale twarzy są różne. Duży arkusz może nadal mieć maleńkie twarze.

Wyobraź sobie źródło pełnej sylwetki z osobą wysoką na 1 500 pikseli i twarzą około 180 pikseli. Zmniejszenie sylwetki do 750 dla arkusza daje twarz około 90 pikseli. Przycięcie panelu i powiększenie nie przywróci oryginalnych próbek. Liczby ilustrują geometrię; nie są minimalną specyfikacją twarzy H3.

Możesz rozwiązać to na trzy sposoby:

• Zachowaj osobny bliski portret dla każdego ujęcia, gdzie ważna jest twarz.
• Użyj mniej widoków w przeglądzie, by potrzebne pozostały duże.
• Buduj arkusz z oryginałów, zamiast zrzutów miniatur lub ponownej kompresji wcześniejszego kolażu.

Czterokomórkowy przegląd może dać jedną komórkę portretowi i trzy przodowi, bokowi i tyłowi. Szeroki pasek trzech paneli pasuje do przeglądu garderoby, ale nadal potrzebuje osobnego portretu, jeśli twarz jest za mała. Duże nagłówki, dekoracyjne ramki i puste marginesy zużywają miejsce bez opisu Iris.

Ilustracja: zmniejszenie wysokości postaci o połowę zmniejsza też twarz; osobny portret zachowuje czytelność.

Oglądaj arkusz w rzeczywistym zapisanym rozmiarze. Czy odróżniasz oczy, linię włosów i szczękę bez zgadywania? Czy tył ubrania pasuje do przodu? Jeśli nie, zmiana „bardzo szczegółowy” na „ultraszczegółowy” w prompcie wideo nie naprawia źródła.

Oddziel też rozmiar wejścia i wyjścia. Bliski portret daje informacje tożsamości, lecz finalny szeroki kadr może nadal pokazać maleńką twarz. Aby była czytelna w gotowym klipie, przybliż aparat lub wybierz większą osobę w kompozycji. Więcej pikseli referencji nie nada widocznych detali oku szerokiemu na osiem pikseli przy dostarczeniu.

Zbuduj wielorazowy zestaw w Qwen Image 2.1

Karta modelu Qwen Image 2.1 opisuje zintegrowane generowanie i edycję z maksymalnie dziesięcioma obrazami referencyjnymi. Tutaj przydatna jest edycja zaakceptowanego źródła. Nie musisz odtwarzać Iris z tekstu dla każdego kąta.

Prompty są proponowanym przykładem produkcji, a nie nowo zmierzonym wynikiem Qwen–H3. Zastąp Iris własną zatwierdzoną fikcyjną dorosłą postacią.

1. Stwórz lub wybierz portret twarzy

Jeśli już masz postać, zacznij od jej obrazu. Jeśli nie, użyj Qwen Image 2.1 text to image do wyboru twarzy. Powściągliwy prompt źródłowy:

Fotograficzny portret Iris, fikcyjnej dorosłej kobiety w wieku 32 lat. Ciemny bob do brody z przedziałkiem z boku, brązowe oczy, owalna twarz z wyraźną szczęką. Ma bordowy satynowy szlafrok z prostym kołnierzem. Kadr od klatki piersiowej, głowa prosto, twarz lekko ku aparatowi, swobodny neutralny wyraz. Równe miękkie światło studyjne i proste ciepłoszare tło. Naturalna faktura skóry, bez dramatycznego kolorowego światła i napisów, jedna osoba.

Użyj 3:4, 1k, PNG, nieprzezroczystego tła i wyłącz rozszerzanie promptu dla już konkretnej instrukcji. Żądanie text-to-image 1k kosztuje $0.024. Cztery propozycje $0.096, ale cztery są wyborem budżetu, a nie wymogiem; zatrzymaj się przy twarzy, którą chcesz zachować.

Zapisz wybrany pełny obraz jako źródło portretu. Nie generuj dalej opisu w poszukiwaniu identycznej twarzy. Teraz referencją jest obraz.

Jeśli jedyny portret ma mocne kolorowe światło, użyj edycji proszącej o neutralne światło z zachowaniem twarzy. Porównaj z oryginałem przed zastąpieniem. Korekta światła zmieniająca szczękę daje inną postać, nawet przy czystszej skórze.

2. Ustal przód całej sylwetki

Otwórz edycję Qwen Image 2.1, prześlij portret jako pierwsze i jedyne źródło i użyj:

Rozszerz dorosłą kobietę ze źródłowego portretu do jednego stojącego widoku pełnej sylwetki. Zachowaj tożsamość twarzy Iris, dorosły wiek, ciemnego boba i przedziałek. Ma proporcjonalną średnią budowę i stoi prosto z rozluźnionymi rękami lekko oddzielonymi od boków, widocznymi dłońmi i wygodnie rozstawionymi stopami. Pokaż bordowy satynowy szlafrok wiązany w talii, długie rękawy i ciemne botki. Przód, poziomy aparat, proste ciepłoszare tło studyjne, równe miękkie światło. Pokaż całą głowę i oba botki z małym marginesem. Jedna osoba, jeden widok, bez kolażu i tekstu.

Wybierz 3:4, 2k, PNG, nieprzezroczyste, z wyłączonym rozszerzaniem. Edycja jednego źródła kosztuje $0.048. Dodatkowe miejsce pod twarzą jest celem: obraz ustala proporcje i ubranie, zamiast wymagać od portretu każdej roli.

Zaakceptuj projekt ciała przed dalszą pracą. Sprawdź szerokość ramion względem głowy, proporcje tułowia i nóg, długość szlafroka i obuwie. Aparat blisko stóp może zniekształcać relacje; poziomy prosty widok łatwiej użyć ponownie. Jeśli botki są przycięte, poproś o ten sam widok z większym miejscem powyżej i poniżej. Nie zmniejszaj całej postaci do odległego pokoju tylko dla zmieszczenia.

3. Wygeneruj bok i tył z zatwierdzonych źródeł

Dla boku prześlij najpierw portret, potem zatwierdzony przód pełnej sylwetki. W 2k dwie referencje nadal kosztują $0.048 za jeden edytowany obraz. Użyj:

Obraz 1 dostarcza twarz i fryzurę Iris. Obraz 2 dostarcza budowę tej samej dorosłej postaci, bordowy satynowy szlafrok, wiązanie talii i ciemne botki. Stwórz jeden pełny widok z profilu tej samej kobiety zwróconej ku lewej krawędzi obrazu. Zachowaj wyprostowane ciało, rozluźnione ręce i widoczną całą głowę oraz botki. Zachowaj długość szlafroka, kształt rękawów i pozycję paska. To samo proste ciepłoszare tło i równe światło. Jedna osoba, jeden bok, bez panelu przodu i tekstu.

Dla tyłu pozostaw te same źródła i zastąp zamówiony widok:

Obraz 1 dostarcza fryzurę Iris i dorosłą tożsamość. Obraz 2 dostarcza budowę i kompletny bordowy strój szlafroka. Pokaż jeden pełny widok tyłu tej samej kobiety stojącej prosto i zwróconej bezpośrednio od aparatu. Zachowaj boba do brody, kształt ramion szlafroka, wiązanie talii, długość brzegu i ciemne botki. Głowa podąża za ciałem, zamiast patrzeć przez ramię. To samo proste ciepłoszare tło studyjne i równe światło. Jedna osoba, jeden tył, bez kolażu i tekstu.

Tył z twarzą patrzącą przez ramię jest inną pozą; ukrywa część informacji obrotu. Zapisz pozę przez ramię osobno, jeśli konkretny klip jej potrzebuje.

Nie używaj nowego boku jako jedynego źródła tyłu, a tyłu jako jedynego źródła następnej twarzy. Wracaj do oryginalnego portretu i zaakceptowanego ciała. Unikniesz zamiany przypadkowej zmiany pośredniego obrazu w punkt wyjścia wszystkich późniejszych.

4. Dodaj osobny portret profilu tylko w razie potrzeby

Profil pełnej sylwetki może mieć czytelny zarys i za mało detali twarzy. Jeśli wideo zbliża się do profilu, zrób portret głowy i ramion z portretu i zaakceptowanego boku:

Obraz 1 dostarcza tożsamość twarzy Iris. Obraz 2 ustala zaakceptowany kąt boczny i fryzurę. Zrób portret głowy i ramion z profilu tej samej kobiety w wieku 32 lat zwróconej ku lewej krawędzi. Zachowaj linię nosa, szczękę, widoczne ucho i boba; głowa pozioma, wyraz swobodny. Proste ciepłoszare tło, miękkie równe światło, bez zmiany fryzury i makijażu, jeden portret.

W 2k dodaje to kolejne $0.048. Pomiń, jeśli finalne ujęcie nigdy nie pokazuje tego widoku blisko. Biblioteka referencji nie staje się użyteczniejsza tylko dlatego, że ma każdy możliwy kąt.

5. Złóż arkusz bez ponownego generowania zatwierdzonych obrazów

Umieść zaakceptowany przód, bok i tył na prostym płótnie w edytorze. Zachowaj podobną wysokość pełnych sylwetek, małe odstępy i proste tło. Dodaj osobną twarz jako czwarty obszar tylko przy wystarczającym rozmiarze.

Składanie powinno układać istniejące piksele. Prośba do Qwen o przerysowanie czterech zatwierdzonych obrazów w nowy arkusz dodaje kolejną okazję do zmiany. Możesz preferować ją dla szybkości, ale ponownie sprawdź panele; zatwierdzenie źródeł nie zatwierdza automatycznie nowo generowanego kolażu.

Zapisz obie wersje: czyste źródła i złożony przegląd. Nazwy mogą być iris-robe-face, iris-robe-front, iris-robe-left-profile i iris-robe-back. Nagłówki i notatki trzymaj w osobnym dokumencie, jeśli zatłaczają obraz.

Ilustracja: zachowaj indywidualne widoki źródłowe; przegląd jest kolejnym sposobem opakowania.

Nie mieszaj wariantów garderoby w jednym zestawie referencji

W kolekcjach dorosłych postaci nowy strój często jest głównym powodem ponownego użycia postaci. Łatwo wprowadzić konflikty: źródło twarzy pokazuje szlafrok, pełne ciało suknię, trzeci obraz inną stylizację. „Zachowaj tę samą postać” nie mówi, które ubranie wygrywa.

Twórz kolejny strój jako nową edycję Qwen z portretu tożsamości. Ustal pełny przód przed bokiem i tyłem. Na przykład:

Zachowaj fikcyjną dorosłą kobietę z Image 1: tę samą twarz, dorosły wiek, budowę i ciemnego boba do brody. Zmień tylko ubranie na dopasowaną czarną marynarkę wieczorową z pasującymi spodniami i ciemnymi botkami. Zrób jeden pełny przód na tym samym prostym ciepłoszarym tle. Prosty wyraźny strój; bez szlafroka, dodatkowych akcesoriów i tekstu.

Potem zbuduj pasujące kąty z zatwierdzonego przodu tego stroju. Drugi zestaw powinien mieć marynarkę wszędzie. Dla bliskiego portretu użyj ciaśniejszego kadru usuwającego większość starego ubrania lub stwórz pasujący w nowym. Nie dostarczaj starego szlafroka jako równie autorytatywnej referencji ubrania.

Jeśli używasz osobnego zdjęcia garderoby, wybierz bez innej rozpoznawalnej osoby, gdy możliwe, i przypisz tylko ubranie. Dla wideo skupionego na stroju ubranie Iris na obrazie najpierw jest konkretniejsze niż prośba do H3 o połączenie twarzy, ubrania i trudnego ruchu całej sylwetki w jednym kroku.

Podejście działa też dla kilku poziomów stylizacji. Zachowaj jasny prosty zestaw postaci do ponownego użycia, a potem przygotuj z niego każdą scenę dla dorosłych. Nie musisz umieszczać każdego stanu garderoby lub sceny w przeglądzie. Arkusz opisuje Iris; obraz sceny określa początek konkretnego klipu.

Podaj właściwy obraz właściwemu zadaniu H3

Oficjalna karta modelu H3 MiniMax odróżnia tryby pierwszej/ostatniej klatki i referencji. W SpicyAPI widać to jako dwa zadania z różnymi polami. Jedno nie jest po prostu drugim z większą liczbą slotów obrazów.

Ścieżka A: skomponuj początek w Qwen, potem animuj

Użyj dla siedzącego portretu Iris lub zapowiedzi stroju, której pierwsza kompozycja musi pasować do gotowego obrazu.

W edycji Qwen prześlij portret twarzy i przód bieżącego stroju. Stwórz scenę:

Obraz 1 dostarcza tożsamość twarzy Iris i ciemnego boba. Obraz 2 dostarcza budowę i bordowy satynowy szlafrok. Pokaż tę samą fikcyjną kobietę w wieku 32 lat siedzącą prosto obok wysokiego okna w miękko oświetlonej prywatnej garderobie. Kadr od pasa w górę, twarz w delikatnym ujęciu trzy czwarte, dłonie luźno na kolanach. Ciepła lampa po prawej aparatu, stonowane zasłony, bez luster i innych osób. Jedna gotowa scena fotograficzna, bez paneli i etykiet.

Wybierz finalny kształt już teraz: 3:4 dla przykładu portretu lub 9:16, jeśli tak dostarczasz. Zapisz zaakceptowany wynik. W MiniMax H3 image to video prześlij gotową scenę jako obraz początkowy, ustaw pięć sekund i 768p. Użyj:

Siedząca kobieta powoli przesuwa wzrok ku aparatowi i daje powściągliwy uśmiech. Głowa robi mały naturalny obrót, ramiona pozostają rozluźnione. Zablokowany aparat, bez zoomu i cięcia. Zachowaj osobę, fryzurę, szlafrok i pokój. Ciche odgłosy pokoju i miękki szelest tkaniny; bez dialogu i muzyki.

Obraz początkowy ustala kształt, więc zadanie nie ma osobnego ustawienia proporcji. Portret, szlafrok i pokój już znajdują się w kadrze; prompt ruchu nie musi rekonstruować ich w prozie.

Nie przesyłaj całego arkusza jako początku. To prosi image-to-video o start z kilkoma postaciami lub panelami. „Zignoruj siatkę” nie zmienia roli wejścia. Wybierz widok lub najpierw stwórz scenę.

Dostępna jest opcjonalna klatka końcowa, ale pozostaw pustą dla małego ruchu siedzącego. Arkusz postaci też nie jest klatką końcową. Obraz końca powinien być jedną wiarygodną kompozycją finalną tego samego ujęcia.

Ścieżka B: wyślij właściwe widoki jako referencje

Użyj MiniMax H3 reference to video, gdy chcesz nowej pozycji aparatu lub ujęcia z zestawu postaci. Bazowe H3 przyjmuje tutaj od jednej do dziewięciu referencji obrazów. Nie przyjmuje obrazu początkowego obok nich i nie udostępnia referencji wideo ani audio.

Dla klipu pełnego stroju prześlij w kolejności:

1. Portret twarzy Iris.
2. Zatwierdzony przód w bordowym szlafroku.
3. Zatwierdzony lewy profil w tym samym stroju.

Ustaw 3:4, pięć sekund, 768p. Użyj:

Pictures 1, 2 i 3 pokazują tę samą fikcyjną dorosłą kobietę Iris w wieku 32 lat. Picture 1 dostarcza twarz i ciemnego boba; Picture 2 pełne proporcje i bordowy strój szlafroka; Picture 3 pasujący bok. Stwórz jedno ujęcie całej sylwetki Iris samej w miękko oświetlonej garderobie. Zaczyna przodem do aparatu, potem powoli obraca się do widoku trzy czwarte ciała skierowanego w lewo i zatrzymuje. Zachowaj oba botki w kadrze i nieruchomy aparat. Szlafrok, wiązanie talii i fryzura pozostają te same. Jedna osoba w jednej ciągłej scenie, bez dzielonego ekranu i paneli referencji. Ciche odgłosy pokoju, bez dialogu i muzyki.

Zatrzymanie trzy czwarte jest celowe. Daje ruch stroju bez pełnego obrotu i powrotu w pięć sekund. Jeśli potrzebujesz profilu, poproś o profil; jeśli tyłu, dodaj lub zastąp tylną referencję i daj czas działaniu.

Przy złożonym arkuszu prześlij jako obraz referencyjny i uprość przypisanie:

Picture 1 to przegląd jednej fikcyjnej dorosłej kobiety Iris w wieku 32 lat z kilku kątów. Wszystkie panele opisują tę samą kobietę w tym samym bordowym szlafroku. Użyj ich do ustalenia wyglądu, a potem stwórz jedną pełną scenę tylko z Iris. Nie odtwarzaj układu paneli.

Potem dodaj działanie, aparat i dźwięk. Jeśli dołączasz bliski portret, wskaż go jako referencję twarzy jego rzeczywistym numerem. To zwykłe doprecyzowanie, a nie specjalne polecenie gwarantujące interpretację.

Ilustracja: skomponowany początek wysyłaj do image-to-video, a wybrane widoki do reference-to-video dla nowego ujęcia.

Co przenosi się między modelami

Przenoszą się pliki obrazów. Nazwa postaci, poprzednia rozmowa i seed Qwen nie tworzą zapisanej tożsamości wewnątrz H3. Przesyłaj zamierzone źródła do każdego żądania.

Qwen używa image_urls do edycji. H3 image-to-video używa image_url; zadanie referencyjne reference_image_urls. Nawet całkowita praca w Playground pozwala dzięki temu zrozumieć różne formularze. Kilka URL w polu początku nie przełącza zadań.

Bazowe H3 nie udostępnia seeda. Późniejszy render 2k to nowe generowanie, a nie gwarantowana większa kopia próby 768p. Zachowaj lubiane ujęcie przed kolejnym żądaniem.

Przygotuj konkretnie bok i pełny obrót

Pełny obrót nie jest przodem z większym ruchem. Model musi ujawnić informacje, ukryć twarz, potem ją odzyskać. Arkusz daje wskazówki wizualne, ale nie zamienia postaci w rigowany zasób 3D.

Dla klipu drzwi Iris użyj przodu lub trzy czwarte, profilu i tyłu w tym samym szlafroku. Tył musi pokazać położenie boba nad kołnierzem i układ ubrania za plecami. Jeśli finalny gest to spojrzenie przez ramię, zrób osobny obraz w Qwen i zatwierdź minę przed użyciem ważnego zakończenia.

Zapisz kolejność ruchu zamiast stosu instrukcji aparatu i ciała:

Iris stoi przed wejściem, powoli obraca ciało tyłem, potem robi dwa spokojne kroki ku drzwiom i zatrzymuje się. Aparat pozostaje w pozycji początkowej z całą sylwetką w kadrze. Bordowy szlafrok i bob do brody pozostają niezmienione. Jedno ciągłe ujęcie; bez orbity aparatu i cięcia.

To obraca postać przy nieruchomym aparacie. Orbitujący aparat i obracające się ciało tworzą inną sekwencję widocznych kątów. Najpierw wybierz jeden ruchomy element. Jeśli finalny film wymaga obu, stwórz prostszy ruch przed wydatkiem na bardziej skomplikowane ujęcie.

Dla prezentacji stroju klip przód–bok, a potem bok–tył może być przydatniejszy niż jeden pełny obrót. Cięcie pozwala kontrolować dwie kompozycje początkowe. Pozwala też zastąpić jeden nieudany fragment bez generowania całego ruchu. To wybór montażowy, a nie dowód, że H3 nie potrafi pełnego obrotu.

Nie oczekuj, że tył naprawi twarz zmieniającą się z profilu. Dla tego objawu dodaj portret profilu. Z kolei czwarte zbliżenie twarzy nie ustali nigdy niepokazanego tyłu szlafroka. Dodaj obraz odpowiadający na brakujące pytanie.

Planuj osobno przygotowanie referencji i wideo

Poniżej przykłady w USD dla użytych bazowych zadań Qwen Image 2.1 i MiniMax H3. To opłaty generowania, bez czasu edycji i dodatkowych świadomie wybieranych prób.

Dla jednej taniej poprawki źródła 1k kosztuje mniej. Dla etapów dwóch i trzech referencji poradnika wybierz 2k: kosztuje tyle samo lub mniej w podanych kombinacjach. Nie zakładaj tej reguły dla każdego modelu, poziomu czy liczby referencji; użyj rzeczywistego szacunku.

Konkretny budżet przygotowania z istniejącego portretu: przód całej sylwetki, bok, tył, portret profilu, jeden wymieniony widok i jedna scena początkowa. Sześć edycji 2k po $0.048 daje $0.288. Złożenie plików w arkusz w edytorze nie dodaje opłaty modelu. Start bez portretu z czterema propozycjami 1k dodaje $0.096, podnosząc budżet do $0.384.

Przy ustawieniach każdy obraz dodaje $0.0068. Sam arkusz zamiast trzech plików oszczędza $0.0136 za żądanie. To słaby powód usuwania potrzebnej referencji twarzy. Jeśli arkusz pozostawia twarz za małą i odrzucisz jedną dodatkową próbę 768p z trzema referencjami, $0.2054 już przekracza piętnaście takich oszczędności.

Dla małego zestawu startowego zaplanuj cztery próby 768p:

• Image-to-video: $0.288 przygotowania + 4 × $0.185 = $1.028 z istniejącego portretu.
• Wideo z trzema referencjami: $0.288 przygotowania + 4 × $0.2054 = $1.1096 z istniejącego portretu.

Dodaj $0.096 do planu, jeśli robisz też cztery początkowe propozycje twarzy. To budżety wydatków, a nie deklaracja użytecznego wyniku w czterech uruchomieniach wideo. Ukończony nielubiany klip nadal zużywa budżet; dobieraj kolejną zmianę do konkretnego problemu.

Gdy zestaw działa w serii, używaj go ponownie. Dziesięć pięciosekundowych klipów z trzema referencjami w 768p kosztuje $2.054 przed dodatkowymi próbami, bez odbudowania wszystkich kątów dla każdego klipu. Nowy strój potrzebuje świeżych widoków ubrania; nowy pokój nie wymaga automatycznie nowej twarzy.

Napraw źródło odpowiadające objawowi

Problem pozy nie jest wymyślony, ale zakres ma znaczenie. W dyskusji lokalnego procesu H3 autor zgłaszał ściąganie wideo ku kątowi referencji zbliżenia i mówił, że arkusz obrotów pomagał tylko częściowo. To powód jaśniejszych informacji kąta, a nie dowód naprawy każdego żądania hostowanego jednym formatem arkusza.

Dla małego miejscowego defektu obrazu Qwen zadanie edycji przyjmuje czarno-białą maskę z dokładnie jednym źródłem; biel oznacza zamówione przemalowanie. Użyj do fragmentu paska lub rozpraszającego tła i potem sprawdź twarz. Dla rzeczywiście innej twarzy lub ciała wróć do zaakceptowanych źródeł i odtwórz widok, zamiast nakładać naprawy na zmieniający się wynik.

Jeśli źródło jest poprawne, a klip nadal zmienia się w środku, ogromny arkusz niekoniecznie odpowiada. Skróć ruch, usuń zbędną orbitę lub podziel klip naturalnym cięciem. Każde usuwa konkretne wymaganie. Zachowaj stały zestaw przy zmianie ruchu, by nie oceniać nowej twarzy i ruchu razem.

Co proces ustala dla tworzenia NSFW

Przykłady przygotowują fikcyjną osobę dorosłą do dojrzałej serii portretowej; nie obiecują zmiany zachowania treści przez arkusz. Publiczny zapis bazowego H3 image-to-video zawiera ukończone testy zaawansowanych obrazów NSFW i intensywniejszej kategorii dla dorosłych. Zapis reference-to-video zawiera ukończony test zaawansowanych obrazów NSFW, ale nie dokumentuje wyższej kategorii. Brak pokrycia nie jest wynikiem odmowy.

Jeśli wyższa intensywność ma znaczenie, image-to-video ma szersze udokumentowane pokrycie: najpierw przygotuj scenę jako jeden obraz. Wybierz reference-to-video dla nowych opisanych kompozycji bez traktowania wyniku image-to-video jako obietnicy tego zadania. Porównanie wersji H3 opisuje też różnice treści wariantów, w tym złagodzenia prośby przez inne warianty.

Wybieraj dokładny endpoint sceny zamiast identycznego zachowania wszystkich produktów z „H3” w nazwie. Wszystkie postacie muszą być wyraźnie dorosłe; używaj oryginalnych fikcyjnych postaci lub referencji, które masz zgodę przekształcać. Metoda pozostaje ta sama: ustal osobę, strój, potem daj wideo widoki potrzebne ruchowi.

Częste pytania

Czy mogę zrobić cały arkusz jednym żądaniem Qwen?

Tak, możesz poprosić o arkusz wielu widoków z zatwierdzonego portretu. To przydatny pierwszy przegląd. Dla wielorazowego zestawu zachowaj lub odtwórz pojedyncze pełne widoki, by wymienić błędny panel bez przerysowania reszty. Jedno żądanie jest formatem początkowym, a nie gwarancją spójnej anatomii i odzieży paneli.

Czy mogę przesłać klatkę początkową i arkusz razem?

Nie przez bazowe zadania H3 tego poradnika. Image-to-video przyjmuje obraz początkowy i opcjonalny końcowy. Reference-to-video od jednej do dziewięciu referencji. Skomponuj dokładny początek w Qwen dla pierwszej ścieżki lub pozwól H3 stworzyć nową kompozycję z referencji dla drugiej.

Czy arkusz potrzebuje przezroczystego tła?

Nie. Proste równomiernie oświetlone tło jest łatwym początkiem. Przezroczystość pomaga składaniu, ale nie dowodzi lepszego zachowania tożsamości. Unikaj złożonego pokoju, lustra lub dodatkowej osoby w źródle, gdy nie powinny wystąpić w wideo.

Czy potrzebuję LoRA lub RefMod?

Nie dla tych kroków. Proces przenosi zwykłe obrazy między Qwen i H3. Zapisany przegląd nie jest trenowanymi wagami ani RefMod, a bazowe zadanie referencyjne nie ma pola żadnego typu pliku. Przygotuj użyteczny zestaw obrazów przed decyzją, czy bardziej specjalistyczny proces powracającej postaci jest wart konfiguracji.

Zacznij od następnego ujęcia, a nie największego arkusza

Jeśli następny post to bliski portret, skomponuj i animuj portret. Jeśli następny post to ujęcie całej sylwetki pokazujące strój podczas odwracania się, najpierw zrób brakujące boki i tył, zachowaj czytelną twarz i wyślij tylko potrzebne ruchowi materiały. Zachowaj pojedyncze obrazy, nawet gdy wygodniej przeglądać jeden arkusz.

Pierwszy użyteczny etap to zatwierdzona twarz, zatwierdzony przód całej sylwetki i dodatkowy kąt ujawniany przez następny klip. Zbuduj je w Qwen, świadomie wybierz pierwszą klatkę lub referencje H3 i wydaj następne generowanie na ujęcie faktycznie opisane przez źródła.