Consistência de local no MiniMax H3: mantenha o mesmo cômodo em vários clipes

A personagem está certa, mas o apartamento dela continua mudando. O sofá aparece sob outra janela, a luminária atravessa o cômodo e um close introduz uma porta que não existia no clipe anterior. Nos retratos de moda, cenas tranquilas do dia a dia ou séries de temática adulta de uma personagem recorrente, essas mudanças fazem tomadas separadas parecer produções diferentes.

Para manter o local consistente no MiniMax H3, reutilize imagens de um cômodo definido e descreva os móveis em relação ao cômodo, não à câmera. Use referência para vídeo quando quiser que H3 componha uma nova vista. Quando a disposição exata importar, prepare uma imagem inicial aprovada para cada tomada e anime-as com imagem para vídeo.

Uma grade do cômodo pode ajudar a comunicar várias vistas conectadas, mas não é uma reconstrução 3D nem uma trava garantida. Um criador H3 relatou sucesso com 20 fotografias sobrepostas do cômodo; outros ainda relatam móveis deslocados. A decisão útil é quanta geometria nova sua próxima tomada exige que o modelo invente.

Este guia monta uma sequência de três tomadas num cômodo, com preparação de referências, prompts completos e mudanças específicas quando luminária, parede ou janela desviam. O exemplo apresenta uma modelo adulta fictícia de 32 anos numa série de moda noturna. É um fluxo criativo proposto, não filmagem de um novo teste H3.

Escolha o formato de referência pensando na próxima posição de câmera

Uma fotografia do cômodo, várias vistas separadas e uma folha de contato resolvem problemas diferentes de entrada. Escolha o menor conjunto que realmente mostre o espaço usado pela tomada.

No primeiro episódio, comece com um canto mobiliado, não um apartamento inteiro. Um cômodo com um sofá marcante, uma luminária e uma janela dá ao público informação recorrente suficiente para reconhecê-lo. Também oferece elementos concretos a preservar.

O model card MiniMax H3 separa FL2VA, que usa quadro inicial e final, de Ref2VA, que aceita mídia de referência. Essa diferença importa: um quadro inicial especifica a composição de partida, enquanto uma referência fornece conteúdo para uma nova composição. Enviar a imagem do cômodo como quadro inicial e pedir um contraplano distante exige que o vídeo se desloque a partir daquela imagem; enviá-la como referência de cena pede uma tomada recomposta.

Na SpicyAPI, MiniMax H3 de referência para vídeo aceita de uma a nove referências numeradas de imagem. No exemplo principal abaixo, use duas: cômodo e personagem adulto. Escolha cinco segundos, 768p e 16:9. Isso mantém o briefing fornecido intacto e dá a cada solicitação uma ação curta. Com duas referências, a configuração custa $0.1986 por clipe ou $0.5958 pelas três tomadas antes de repetições. São escolhas iniciais do exemplo, não configurações comprovadas para eliminar desvios de local.

O que o exemplo das 20 fotos de cômodo realmente mostra

Na publicação original sobre consistência de cômodo, o criador fotografou seu escritório real 20 vezes, com conteúdo sobreposto entre fotografias, e combinou as imagens numa grade usada via RefMod. Relatou que imagens separadas do cômodo não haviam produzido a mesma consistência naquele fluxo.

Dois detalhes limitam a conclusão. O criador não havia estabelecido se codificar a grade como RefMod melhorava o resultado em relação a usá-la diretamente. Depois, também relatou uma tentativa maior malsucedida com 62 fotografias e dois cômodos adicionais. Mais cobertura não foi automaticamente melhor.

Aproveite a ideia de vistas conectadas de um cômodo; não trate 20 fotografias ou RefMod como receita obrigatória. Duas vistas bem escolhidas podem bastar para uma tomada modesta, enquanto uma grade densa pode deixar a luminária importante pequena demais para perceber.

RefMod é um mecanismo comunitário para salvar informações reutilizáveis de referência. A documentação do próprio projeto explica que ele codifica materiais de referência, em vez de treinar pesos H3. Seus arquivos salvos não são intercambiáveis com o upload de uma imagem comum. O endpoint H3 de referência de imagem da SpicyAPI não aceita arquivos RefMod; guarde as fotografias ou a grade originais se quiser usar essa rota.

Há uma experiência contrária que vale entender. Numa discussão separada sobre consistência de local, um criador descreveu montar quatro vistas em perspectiva após precisar, às vezes, de mais de dez tentativas para obter um passeio adequado pelo cômodo. Mesmo assim, os móveis se moviam ou mudavam. O problema não era reconhecer o estilo geral do ambiente, mas preservar onde cada coisa pertencia.

Por isso, o fluxo abaixo define relações físicas antes de escrever adjetivos cinematográficos. “Uma sala luxuosa e aconchegante” permite muitos cômodos. “O sofá permanece na parede oposta à entrada, com a janela na parede adjacente” descreve uma disposição específica.

Deixe o cômodo compreensível antes de adicionar a personagem

No exemplo contínuo, use uma sala pequena para a série noturna recorrente de uma criadora de moda adulta. A personagem usa vestido de noite bordô. Nos três clipes, ajusta um punho da manga em pé, senta junto ao braço do sofá e depois se vira para a janela. Roupa e pessoa permanecem iguais; este artigo se concentra no cenário ao redor dela.

Primeiro decida o que o cômodo contém. Não precisa de um desenho arquitetônico detalhado. Um plano simples nas suas notas basta para evitar prompts contraditórios.

“Norte” e “oeste” são rótulos de planejamento aqui, não exigência de colocar uma bússola na imagem. No prompt real, vincule a disposição a referências visíveis: parede do sofá, parede da janela e entrada. Essas descrições continuam úteis depois de a câmera virar.

Da entrada olhando para o sofá, a janela aparece à esquerda e a luminária à direita. De outro lado do cômodo, suas posições na tela podem mudar. Preserve a relação física delas com o sofá; não force a janela a permanecer na borda esquerda em toda composição.

Ilustração: a câmera muda de posição; sofá, janela e luminária continuam vinculados às mesmas paredes.

Fotografe um cômodo real com sobreposição

Se tem acesso ao local, mova-se por ele mantendo móveis e luz inalterados. Comece com uma fotografia ampla da entrada. Depois, faça uma vista junto à janela que ainda inclua sofá e luminária. Acrescente uma vista perto do canto oposto apenas se a sequência planejada revelar aquele lado.

Cada imagem vizinha deve compartilhar um objeto reconhecível ou encontro de paredes. O mesmo braço do sofá, moldura de janela ou luminária cria uma conexão visível. Um close de cúpula e uma imagem ampla de outra parede sem relação não explicam onde a luminária fica.

Mantenha a câmera razoavelmente nivelada e use a mesma configuração de lente quando possível. Distorção forte de grande angular pode fazer um cômodo pequeno parecer muito mais profundo numa referência que noutra. Evite mover os móveis para melhorar cada foto: uma mesa afastada numa vista vira evidência conflitante quando essa vista entra no conjunto.

Fotografe o cômodo vazio se possível. Numa série de personagem adulto, o ambiente deve descrever o cenário enquanto uma imagem separada fornece a pessoa. Alguém numa fotografia de local pode contribuir com roupa, pose ou presença indesejadas numa composição posterior. Você também precisa da área atrás do sujeito, não só da parte atraente ao redor dos ombros.

O ponto útil para parar é cobrir as tomadas planejadas. Se os três clipes ficam perto do sofá, não precisa de fotografias de cozinha, corredor e banheiro. Guarde-os como locais separados quando uma cena futura exigir.

Construa um cômodo fictício a partir de um desenho aprovado

Para uma sala inventada, escolha uma vista-mestre antes de gerar variações. Fixe número de janelas, estilo de sofá, luminária e disposição das paredes. Faça outra vista editando a principal e compare ambas antes de aceitar a nova no conjunto de referências.

Um ângulo novo plausível não é necessariamente consistente. Se a segunda imagem adicionar outra janela ou levar a luminária ao braço oposto do sofá, não a inclua só porque é atraente. A coleção de referências passaria a descrever dois cômodos diferentes.

Quando um contraplano expõe uma parede nunca mostrada na imagem-mestre, você precisa decidir o que pertence ali. O modelo não recupera um desenho existente que nunca recebeu. Desenhe uma disposição simples, crie a vista ausente deliberadamente ou monte a próxima tomada sem expor o lado desconhecido.

Numa série fixa, costuma ser mais útil estabelecer três posições de câmera às quais voltar que exigir movimento irrestrito pelo cômodo inteiro. Uma vista ampla da entrada, uma vista média ao lado do sofá e um retrato junto à janela oferecem um vocabulário visual reconhecível sem exigir um cenário virtual completo.

Monte uma grade sem transformar o cenário numa colagem

Use uma grade quando a relação entre várias vistas for útil e cada painel permanecer legível. Guarde uma cópia sem recorte de cada fotografia de origem. A grade é uma apresentação adicional das imagens, não motivo para descartar os originais.

Para a sala, uma disposição inicial prática é de quatro painéis: vista da entrada, vista junto à janela, vista junto à luminária e vista mais próxima da relação sofá-mesa. A escolha de quatro painéis é uma conveniência editorial do exemplo, não um ideal H3 medido.

Organize as vistas amplas numa sequência sensata ao redor do cômodo. Evite uma borda branca enorme ou barra decorativa de título. Coloque rótulos nos nomes dos arquivos ou nas notas, não sobre as paredes fotografadas. A imagem deve comunicar móveis e geometria, não virar um slide de apresentação dentro do vídeo.

Com tamanho total fixo, adicionar painéis reduz os pixels de cada vista. Uma folha de 2048 pixels de largura com quatro colunas dá cerca de 512 pixels por coluna antes de espaços ou margens. Uma luminária pequena na fotografia original pode virar poucas dezenas de pixels no painel final. Acrescentar uma quinta vista ampla quase idêntica não restaura o detalhe perdido.

Se um móvel é a marca da série, deixe-o grande o suficiente para reconhecer. Você pode usar uma vista próxima separada de sofá e luminária como referência adicional, em vez de espremer os detalhes numa grade densa. Dê uma função restrita à imagem: o canto existente de sofá e luminária, não um novo desenho de cômodo.

Ilustração: uma grade reúne vistas numa imagem, enquanto cada painel recebe menos espaço.

Uma grade de local e um storyboard também são diferentes. A grade mostra um espaço de várias posições. Um storyboard orienta o modelo a produzir várias composições ou cortes. Numa solicitação de tomada única, diga que a grade é material de referência de local e que a saída deve ter uma única vista contínua de câmera. Caso contrário, uma fonte em blocos pode ser interpretada como um alvo em blocos.

Um panorama de 360 graus é outra opção quando você já tem um utilizável. Um exemplo comunitário de panorama mostrou um corredor criado com referência panorâmica, mas participantes apontaram mudanças em portas e maçanetas. O autor também observou incerteza sobre a influência de revisão do prompt ou seed na distorção. Trate a cobertura panorâmica como entrada útil, não prova de cômodo geometricamente exato.

Nesta série de três tomadas, vistas comuns sobrepostas são mais fáceis de examinar que uma projeção desconhecida. Se já entende fotografia panorâmica, guarde o panorama limpo; se não, não precisa adicionar trabalho de conversão antes de criar uma cena simples no sofá.

Dê funções separadas ao cômodo e à personagem adulta

Use a mesma ordem de upload em toda solicitação de referência para vídeo:

1. Picture 1: vista-mestre do cômodo vazio ou grade do cômodo.
2. Picture 2: personagem adulto fictício com a roupa pretendida, sobre fundo simples.
3. Picture 3, apenas quando necessário: uma vista mais clara de um canto específico já presente em Picture 1.

A imagem de personagem não deve ser a referência de local concorrente mais forte. Se contiver um quarto claro atrás da pessoa enquanto Picture 1 mostra uma sala aconchegante, os materiais discordam. Recorte ou substitua o fundo desnecessário antes de pedir ao modelo de vídeo que interprete o conflito.

O guia oficial de prompts com referência da MiniMax trata ambientes como conteúdo referenciado reutilizável e os distingue de imagens usadas como âncoras concretas de composição. O hábito útil é dizer o que cada imagem contribui e o que pode mudar. Não precisa descrever o rosto novamente para explicar onde o sofá fica.

Mantenha idêntica a instrução de cômodo entre tomadas. Depois altere posição de câmera, enquadramento e ação. Isso é especialmente útil numa série diária: o local fica familiar, enquanto um novo gesto ou roupa dá à próxima postagem uma razão para existir.

Os três prompts abaixo supõem que Picture 1 contém as vistas acordadas do cômodo e Picture 2 contém a personagem adulta e o vestido bordô. Pedem clipes separados de cinco segundos, não três cortes dentro de uma solicitação de cinco segundos. Mantenha cinco segundos, 768p e 16:9 nos três ao estabelecer a sequência.

Tomada 1: estabeleça o cômodo a partir da entrada

É o ponto de referência do espectador. Mostre móveis suficientes para tornar a próxima tomada reconhecível, mas mantenha a ação pequena.

Picture 1 mostra várias vistas de uma sala. Use-a para móveis, disposição de paredes, materiais e iluminação do cômodo. Picture 2 fornece uma mulher adulta fictícia de 32 anos e seu vestido de noite bordô; ignore seu fundo. Crie uma tomada contínua de retrato de moda de cinco segundos, com uma vista de câmera e sem colagem. A câmera fica na entrada, olhando para o sofá terracota na parede oposta. A janela alta com cortinas creme fica na parede à esquerda da parede do sofá. A luminária de chão de latão permanece no canto ao lado do braço direito do sofá nesta vista da entrada. A mesa redonda de madeira escura fica na frente do sofá. A mulher está ao lado da mesa e ajusta lentamente um punho da manga, depois acomoda as mãos. Mantenha a câmera parada. Luz suave do dia entra pela janela, com brilho quente suave da luminária. Preserve as posições dos móveis e a única janela durante toda a tomada. Ambiente sonoro discreto do cômodo, sem diálogo nem música.

Essa tomada estabelece a relação janela-sofá-luminária. É mais útil que começar com um retrato fechado sem nenhuma característica marcante do cômodo visível. Você pode recortar mais perto depois; não consegue usar uma luminária invisível como evidência de continuidade visual.

Tomada 2: mova a câmera, mantenha os móveis no lugar

No segundo clipe, mova a câmera para perto da janela e olhe diagonalmente pelo sofá. A luminária permanece ao lado do mesmo braço físico do sofá, embora a perspectiva mude.

Picture 1 fornece a mesma sala e sua disposição fixa de móveis. Picture 2 fornece a mulher adulta fictícia de 32 anos e seu vestido de noite bordô; ignore seu fundo. Faça uma tomada média contínua de moda de cinco segundos junto à janela alta, olhando diagonalmente para o sofá e a luminária de chão de latão. A mulher está sentada perto da extremidade do sofá terracota do lado da janela. Ela apoia uma mão no braço do sofá e vira o olhar ligeiramente para a janela. A luminária permanece na extremidade oposta do sofá, no canto original. A mesa redonda de madeira escura permanece na frente do sofá; mostre apenas a parte naturalmente visível desta posição de câmera. O sofá continua na parede original. Preserve a disposição real do cômodo enquanto muda o ponto de vista. A luz do dia da janela vem de perto da câmera; a luminária permanece uma luz quente de fundo. Câmera parada, perspectiva natural, um cômodo, sem corte nem disposição em painéis. Ambiente sonoro discreto do cômodo, sem diálogo nem música.

Observe a instrução da mesa: ela pode ficar parcialmente escondida, mas não se moveu. Exigir que todo objeto de referência permaneça inteiramente visível pode contrariar o novo ângulo. Um cômodo convincente tem oclusão; consistência não significa que todo objeto apareça em todo quadro.

Tomada 3: termine no retrato junto à janela

O clipe final pode ser mais fechado sem perder a ligação com o cenário. Mantenha uma parte reconhecível da arquitetura e um móvel na composição.

Picture 1 é a referência de local da mesma sala. Picture 2 fornece a mulher adulta fictícia de 32 anos e seu vestido de noite bordô, sem transferência do fundo. Crie um retrato único de cinco segundos da cintura para cima junto à janela alta da sala. Posicione a câmera perto da mesa redonda, olhando para a extremidade do sofá terracota do lado da janela. A mulher fica entre sofá e janela e vira lentamente os ombros para a luz do dia, terminando com um olhar lateral relaxado. Mostre a cortina creme e parte do braço original do sofá atrás dela. Outros móveis podem ficar fora do quadro; não os reposicione para torná-los visíveis. Mantenha a janela na parede original e preserve as proporções do cômodo. Luz suave do dia permanece a principal iluminação, com contribuição quente sutil da luminária do outro lado da sala. A câmera fica parada. Sem porta nova, janela adicional, tela dividida ou mudança de cena. Ambiente sonoro discreto do cômodo, sem diálogo nem música.

Cortina e braço do sofá sustentam a continuidade aqui. Você não pede à tomada final próxima que comprove toda a planta. Essa é a função da tomada de estabelecimento e da concordância entre as vistas de origem.

Mantenha a luz vinculada a uma fonte no cômodo

A continuidade da luz fica confusa quando prompts usam apenas direções da tela. “Luz da esquerda” descreve outra disposição física depois de a câmera ir ao outro lado. Nesta sala, use a janela como fonte principal e a luminária como fonte quente secundária.

Na vista da entrada, a luz da janela chega da esquerda do quadro. Na vista média junto à janela, vem de perto da câmera. Ambas podem pertencer ao mesmo momento. Pedir sombras idênticas no rosto em toda tomada pode exigir que a luz se mova com a câmera, prejudicando a continuidade de cômodo que você tenta criar.

Mantenha três decisões estáveis: quais fontes estão ligadas, quão clara a janela é em relação à luminária e o horário do dia. Não precisa de um diagrama técnico para escrever “luz suave do dia da janela com luminária quente fraca ao fundo”. Precisa evitar misturar referência noturna escura e contraplano claro ao meio-dia, a menos que a mudança de horário seja pretendida.

Em imagens de moda adulta, iluminação dramática também pode esconder evidências úteis do cômodo. Se a referência ampla mostra pouco além da silhueta da personagem, talvez não haja borda legível do sofá ou encontro de paredes para levar à tomada seguinte. Prepare uma referência clara do cômodo mesmo quando o retrato final for mais atmosférico.

Ilustração: a luz pode mudar de direção na tela quando a câmera se move sem mudar sua fonte física.

Trate uma mudança intencional de dia para noite como nova versão de iluminação do mesmo cenário. Mantenha os móveis, forneça uma vista noturna aprovada e descreva a janela como escura. Substituir apenas “luz do dia” por “noite de neon” mantendo uma referência ensolarada ativa dá ao modelo instruções incompatíveis.

Quando o cômodo continuar mudando, faça a tomada como imagem estática primeiro

Se H3 reposiciona repetidamente a luminária num ângulo novo, pare de pedir que cada solicitação de vídeo resolva aquele ângulo do zero. Prepare uma imagem estática que já contenha cômodo, câmera e personagem corretos e depois a anime.

A edição Qwen Image 2.1 é uma rota disponível de preparação de imagens. Comece com imagem do cômodo e imagem do personagem adulto; use uma terceira vista do cômodo apenas se fornecer geometria ausente. Escolha formato final do quadro, fundo opaco e PNG. No exemplo, use 16:9, 2k e expansão de prompt desativada. É um uso proposto das entradas de edição, não uma afirmação de que reconstrói o cômodo não visto corretamente na primeira tentativa.

Para a tomada 2, use este prompt de edição:

Use a primeira imagem apenas para a sala, preservando móveis e arquitetura. Use a segunda apenas para uma mulher adulta fictícia de 32 anos e seu vestido de noite bordô. Crie uma fotografia única em plano médio junto à janela alta do cômodo, olhando diagonalmente para o sofá terracota. Sente-a na extremidade do sofá mais próxima da janela, com uma mão apoiada no braço. Mantenha o sofá na mesma parede. Mantenha a luminária de chão de latão no canto na extremidade oposta do sofá e a mesa redonda de madeira escura na frente dele. Mostre sobreposição e perspectiva naturais do novo ponto de vista. Use luz suave do dia da janela e brilho quente suave da luminária. Preserve os formatos dos móveis visíveis; não adicione outra janela nem porta. Uma fotografia, sem painéis de composição nem texto.

Se incluir uma terceira imagem do cômodo, acrescente: “A terceira imagem fornece a vista junto à janela e esclarece a relação sofá-luminária; não introduz outro cômodo nem muda o desenho dos móveis.”

Compare a imagem resultante com a vista-mestre antes de animar. Se a luminária se moveu, corrija a imagem estática. Se o ângulo necessário não puder ser consistente, escolha uma posição próxima que as fontes realmente sustentem. Isso oferece uma decisão explícita antes de pagar pelo movimento.

Depois abra MiniMax H3 de imagem para vídeo, envie a imagem aprovada como quadro inicial e use cinco segundos em 768p. O prompt de animação pode ser curto porque a imagem já fixa a composição:

Anime este quadro inicial como uma tomada contínua de cinco segundos. A mulher adulta mantém a posição sentada e vira lentamente o olhar para a janela, com um pequeno movimento natural dos ombros e da mão. A câmera permanece parada. Mantenha sofá, mesa, luminária, janela e cortinas fixos no lugar. Preserve luz do dia existente e luz quente da luminária. Sem objetos novos, cortes ou mudança de cômodo. Ambiente sonoro discreto, sem diálogo nem música.

Prepare tomada 1 e tomada 3 da mesma forma, usando suas composições pretendidas. Isso significa três imagens iniciais aprovadas, não uma única imagem continuamente esticada para ângulos cada vez mais diferentes. Cada vídeo começa na disposição escolhida.

Um quadro final opcional pode especificar a composição de encerramento, mas não fixa todo quadro intermediário. Não use duas imagens de cômodos contraditórios como início e fim esperando que o modelo resolva invisivelmente a diferença dos móveis. Se ambos os extremos forem necessários, devem descrever o mesmo cenário e um movimento plausível entre eles.

Para um gesto pequeno, a câmera fixa também limita quanto ambiente novo precisa aparecer. Se movimento indesejado de câmera for o problema restante, use o guia separado de vídeo com câmera fixa, em vez de acrescentar fotografias do cômodo indefinidamente.

Altere a entrada correspondente ao erro de continuidade

Uma repetição pode produzir outro resultado, mas não adiciona aos materiais uma fotografia ausente da parede. Antes de repetir, identifique o erro visível e escolha uma mudança que o trate.

São causas plausíveis para investigar, não diagnósticos de uma geração não vista. A diferença importante é se o erro já existe numa referência estática, aparece apenas na nova composição ou se desenvolve em movimento.

Se já existe na referência, repare a fonte. Se aparece quando H3 inventa um ângulo novo, restrinja esse ângulo ou prepare-o como imagem estática. Se surge em movimento, encurte a ação ou limite o deslocamento da câmera. Aumentar a resolução não informa ao modelo em qual parede deve estar a janela.

Não corrija um problema isolado de luminária reescrevendo o cômodo inteiro, mudando a roupa e selecionando outra proporção. Isso cria um briefing novo. Mantenha as partes aprovadas e revise a relação espacial errada.

Um espelho merece cuidado especial. Pode revelar objetos fora da vista principal da câmera, criando efetivamente outra vista do cômodo dentro do quadro. Se não for essencial, deixe-o fora da primeira sequência. Se for essencial, prepare uma imagem com o reflexo correto e evite um movimento grande que exija uma vista refletida em mudança.

Reutilize o cenário numa série diária de personagem adulto

Depois que as três posições funcionarem no projeto, reutilize as imagens aprovadas do cômodo na próxima sessão. Volte ao mesmo conjunto de fontes, em vez de tratar todo quadro atraente de vídeo como nova referência de cômodo. Um quadro posterior pode já conter sofá um pouco mais longo ou janela deslocada; reutilizá-lo pode incorporar essa alteração à solicitação seguinte.

Mantenha as vistas vazias do cômodo separadas de personagem e roupa. Quando a próxima postagem tiver outra roupa, substitua a imagem de personagem com roupa, mantendo as fontes do cômodo. Quando o ambiente mudar intencionalmente, atualize as vistas relevantes juntas: uma cadeira nova mostrada em apenas um ângulo vira contradição quando o ângulo antigo retorna.

Numa série recorrente de temática adulta, a familiaridade pode vir de pequenos elementos: cortina ao lado da personagem, sofá terracota atrás de um retrato sentado ou luminária quente no canto distante. Não precisa revelar o apartamento inteiro diariamente. Mude recorte, gesto ou posição dentro de um canto estabelecido antes de adicionar outro cômodo.

Você também pode evitar deslocamentos difíceis entre posições usando cortes. Uma vista de estabelecimento seguida de um plano médio sentado comunica mudança de tempo ou pose sem pedir que H3 mostre a personagem contornando a mesa e sentando numa tomada ininterrupta. Use movimento contínuo apenas quando vê-lo for importante à cena.

O tratamento de conteúdo adulto ainda pertence ao modelo e à tarefa escolhidos. Uma técnica de referência de local não amplia o comportamento de conteúdo de um modelo, e uma cena de moda bem-sucedida não estabelece o que toda versão H3 gerará. O fluxo de cômodo aqui trata do cenário; selecione separadamente o endpoint apropriado ao assunto real.

Faça orçamento das tomadas necessárias, incluindo preparação

Para a rota de imagens estáticas aprovadas, MiniMax H3 comum de imagem para vídeo custa $0.037 por segundo em 768p e $0.058 em 2k.

Esses totais cobrem geração de vídeo a partir de imagens já existentes. Adicione qualquer preparação de imagem e toda geração extra. Por exemplo, repetir uma vez a tomada 2 leva o subtotal de vídeo 768p a $0.740. Um rascunho de resolução menor seguido de outra geração de resolução maior são duas solicitações, não uma atualização gratuita do primeiro resultado.

Referência para vídeo acrescenta $0.0068 por referência de imagem a essas tarifas de vídeo. Com as duas imagens usadas acima, uma solicitação de cinco segundos em 768p custa $0.185 + $0.0136 = $0.1986. Três clipes custam $0.5958; uma repetição leva o total a $0.7944. Uma terceira referência de canto eleva cada solicitação de cinco segundos a $0.2054 e o total de três tomadas a $0.6162. A grade conta como uma imagem enviada nessa conta, mas combinar fotos apenas para economizar a tarifa de referência pode sacrificar detalhes legíveis.

No exemplo de preparação de imagens, a edição Qwen Image 2.1 em 2k custa $0.048 por saída com as duas ou três referências descritas aqui. Três dessas edições acrescentam $0.144, levando três imagens preparadas mais três clipes de cinco segundos em 768p de imagem para vídeo a $0.699 antes de repetições. Fotografias de origem existentes, tempo de composição manual e criação inicial de personagem ou cômodo ficam fora desse subtotal.

O motivo financeiro para preparar uma imagem não é garantir menos tentativas. É resolver a disposição visível dos móveis antes de gastar com movimento. Se um ângulo está claramente errado como imagem estática, um vídeo mais longo não fará dele o cômodo certo.

Comece com um cômodo, um ângulo claro e uma ação curta

Escolha os três móveis que identificam o local. Fotografe ou estabeleça sua relação numa vista limpa do cômodo vazio e prepare apenas a vista adicional realmente necessária à próxima tomada.

Use referência para vídeo para explorar uma nova composição a partir desse conjunto de fontes. Quando a posição dos móveis continuar mudando, aprove a composição como imagem estática e anime-a com um gesto pequeno. Mantenha as mesmas fontes físicas de luz e referências do cômodo no próximo clipe.

No exemplo da sala, o primeiro resultado útil é uma vista de cinco segundos da entrada com sofá, janela e luminária nas posições acordadas. Construa o ângulo sentado a partir do mesmo desenho de cômodo. Um cenário reconhecível em três tomadas é uma base mais útil para uma série recorrente que um passeio espetacular que muda o apartamento no meio.