Видео товара с MiniMax H3: гайд для e-commerce

Каждая e-commerce команда упирается в одну и ту же стену: карточки товара с видео конвертируют лучше, рекламные платформы поощряют видеокреативы — и при этом полноценная съёмка товара стоит четырёхзначную сумму за SKU, а каталог следующего сезона делает её устаревшей. Умножьте на пятьдесят SKU — и «нам нужно видео» тихо превращается в «у нас есть фотографии».

Причина, по которой AI-видео до сих пор не решало эту проблему, — дрейф. Опишите товар словами — и каждая генерация придумает чуть другой: логотип искажается, материал меняется, форма почти правильная. Для лайфстайл b-roll это терпимо. Для товара, который вы продаёте, — дисквалифицирующе.

MiniMax H3, омнимодальная модель, которую MiniMax выпустила 31 июля, идёт другим путём: она читает ваши реальные фотографии товара как референсы и фиксирует SKU, генерируя сцену вокруг него. Мы делаем Pixo — мультимодельную видеоплатформу, где H3 доступна в Playground, — и вот воркфлоу, который мы предложили бы любому владельцу магазина с папкой фотографий товара и без бюджета на видео.

Почему H3 создана для видео товара

Товар привязан к вашим фотографиям, а не к описанию. H3 принимает до 12 референсных файлов в одном промпте — 9 изображений, 3 видеоклипа, 3 аудиодорожки — и воспринимает их как единый бриф. Загрузите пэкшот и детальный снимок, обозначьте их задачи — и сгенерированная сцена несёт ваш товар: та же форма, тот же материал, то же размещение логотипа. Официальный мануал демонстрирует ровно это — один товар в трёх окружениях, где форма, материал и логотип держатся в каждом кадре, — а его шоукейсы (кресло Herman Miller, вращающееся в обзоре функций, ролик про солнцезащитные очки с фиксацией деталей оправы) — это именно видео товара, что говорит о том, под что модель настраивали.

Звук поставляется вместе с картинкой. Каждый результат H3 включает нативное стереозвучание, сгенерированное в том же проходе — эмбиент, звуки товара, закадровый голос, если вы его пропишете. Первый черновик видео товара, которому не нужна музыкальная библиотека или инструмент дубляжа, — это реальная разница в воркфлоу, а не строка в спецификации.

Одна концепция — все плейсменты. На Pixo вы выбираете кадр прямо в промпте — 9:16 для Reels и TikTok, 1:1 для ленты, 3:4 для карточек маркетплейсов, 16:9 для YouTube и главной страницы сайта — в 768p или 2K. Каждый формат генерируется нативно, скомпонованный под этот кадр. Это важно, потому что кроп мастера 16:9 в 9:16 — это то, как товары выпадают из собственной рекламы.

Достаточно быстро для A/B-тестов. Клипы длятся 4–15 секунд — именно ту длину, которую реально досматривают на карточках товара и в платных плейсментах, — и каждый клип — одна генерация. Тест «мраморная столешница против пляжного света» — это два запуска, а не два съёмочных дня.

Воркфлоу: от фотографий к видео товара за пять шагов

1. Выберите 2–3 фото на SKU. Один чистый пэкшот, один снимок под углом или детальный кадр, по желанию крупный план текстуры. Каждый файл может весить до 30MB — используйте реальные фотографии из листинга, а не превью.
2. Откройте Playground и выберите MiniMax H3. Видео → MiniMax H3 в Playground на Pixo. Загрузите фотографии; они нумеруются в порядке загрузки — Image 1, Image 2 — и именно так вы будете на них ссылаться.
3. Напишите промпт из трёх частей. Сначала заметки о референсах («Image 1 фиксирует форму, материал и логотип товара»), затем основная идея (какая сцена, какое настроение), затем что видит камера — по порядку. Конкретика бьёт поэзию: «поднимается пар, камера медленно наезжает» сработает лучше, чем «атмосферное утро».
4. Выберите формат и разрешение. Соотношение сторон — под плейсмент, который вы кормите (одна генерация на формат), 768p для черновиков или 2K для финала.
5. Сгенерируйте, перегенерируйте, экспортируйте. Просмотрите кадр, подправьте промпт там, где он промахивается, и экспортируйте без вотермарки.

Три промпта для копипаста

Подставьте свой товар вместо частей в скобках; структуру сохраните.

1. Чистый студийный пэкшот (16:9 или 1:1, главная страница / листинг)

Референсные файлы шоукейса

Шоукейс из мануала в том же регистре

Image 1 фиксирует точную форму, материал и логотип товара: [матово-чёрный кейс
беспроводных наушников]. Премиальное студийное видео товара. Кейс стоит на светлой
мраморной поверхности на фоне мягкого серого задника. Мягкий рисующий свет слева,
лёгкое отражение на мраморе. Камера медленно облетает товар на 180 градусов.
В середине крышка плавно открывается, показывая наушники внутри. Спокойный,
минималистичный эмбиент; мягкий щелчок открывающейся крышки.
Ненарративная музыка: N/A.

Почему это работает: один зафиксированный референс, одна поверхность, одно движение камеры, одно действие товара. Строка «ненарративная музыка: N/A» оставляет дорожку чистой, чтобы добавить брендовую музыку на посте — или удалите эту строку и позвольте H3 озвучить самой.

2. Лайфстайл-сцена (9:16, Reels / TikTok / Shorts)

Image 1 фиксирует товар: [янтарный стеклянный флакон сыворотки с пипеткой, этикетка
в точности как на фото]. Вертикальное лайфстайл-видео. Залитая солнцем полка в ванной
утром, расфокусированные зелёные растения позади. В кадр входит женская рука, поднимает
флакон и медленно поворачивает его этикеткой к камере. Тёплый свет из окна, малая
глубина резкости, капли воды на стеклянной полке. Тихий утренний эмбиент. Спокойный
женский голос говорит: «Две капли. Вот и весь уход».

Почему это работает: рука даёт масштаб и жизнь без необходимости фиксировать лицо, разворот к камере гарантирует читаемый кадр с этикеткой для превью, а реплика прописана дословно — H3 генерирует голос вместе с картинкой, без задачи липсинка, поскольку говорящий за кадром.

3. Один SKU, монтаж из трёх сцен (16:9, рекламный креатив)

Референсные файлы шоукейса

Шоукейс из мануала в том же регистре

Image 1 фиксирует форму, материал и логотип товара: [термокружка из нержавеющей стали].
Рекламный ролик из трёх сцен с чистыми жёсткими склейками. Сцена 1: кружка на скамье
в спортзале, утренний свет, рядом полотенце. Сцена 2: та же кружка в подстаканнике
автомобиля, городское боке проплывает за окном. Сцена 3: та же кружка на офисном столе
рядом с ноутбуком, послеполуденный свет. Форма, материал и логотип товара остаются
идентичными в каждой сцене. Стабильная штативная композиция, товар по центру.
Эмбиент следует за каждой локацией. Ненарративная музыка: N/A.

Почему это работает: это демонстрация нулевого дрейфа из мануала, превращённая в рекламный креатив — три контекста, одна идентичность. Говорите «остаются идентичными в каждой сцене» явно; повторение фиксации в тексте действия — дешёвая страховка.

Видео товара или UGC-реклама — какой гайд вам нужен?

Этот гайд про продуктовое видео: SKU — герой, картинка отполирована, назначение — листинг, сайт или чистый платный плейсмент. Если вам нужен нарочито грубый, снятый «на телефон», креаторский формат для перформанс-рекламы — это другой плейбук: смотрите создание UGC-рекламы с Pixo. А если нужен полноценный кинематографичный ролик со спикером и нарративной аркой через несколько кадров — под это построен раскадровочный пайплайн из нашего гайда по AI-рекламе.

FAQ

Есть ли AI, который делает видео товара из фотографий?

Да. MiniMax H3 генерирует видео товара длиной 4–15 секунд из ваших существующих фотографий. Загрузите до 9 изображений как референсы — пэкшоты, детальные снимки, лайфстайл-фото — и H3 зафиксирует форму, материал и логотип товара во всей сгенерированной сцене, а звук создаётся в том же проходе. Модель доступна в Playground на Pixo.

Сколько фотографий товара нужно?

Для большинства SKU достаточно двух-трёх хороших: один чистый пэкшот, один снимок под углом или детальный кадр и, по желанию, крупный план текстуры. Каждый референс может весить до 30MB. Пронумеруйте их в промпте — Image 1 фиксирует товар, Image 2 показывает деталь, — чтобы модель понимала задачу каждого файла.

Будет ли товар выглядеть одинаково в каждой сцене?

В этом и смысл генерации с фиксацией по референсу. Поскольку товар привязан к загруженным фотографиям, а не описан словами, его форма, материал и логотип сохраняются в разных окружениях — официальный мануал H3 демонстрирует один и тот же SKU в трёх сценах с нулевым дрейфом.

Идут ли видео со звуком?

Да — каждый результат H3 включает нативное стереозвучание, сгенерированное вместе с картинкой: эмбиент, звуки товара и закадровый голос, если вы пропишете реплику в промпте. Отдельная музыкальная подложка или дубляж для первого черновика не нужны.

Какие соотношения сторон и разрешение доступны?

На Pixo вы выбираете формат прямо в промпте: 9:16 для Reels, TikTok и Shorts, 1:1 для ленты, 3:4 или 4:3 для маркетплейсов, 16:9 для YouTube и главных страниц сайта — в 768p или 2K. Каждая генерация рендерит один формат нативно, скомпонованный под этот кадр, а не обрезанный.

Можно ли попробовать бесплатно?

Новые пользователи получают 200 бесплатных кредитов при регистрации, а на тарифы сейчас действует скидка до 55%. Экспорт — без вотермарки.

MiniMax H3 доступна в Playground на Pixo — загрузите фотографии товара и генерируйте кадры длиной 4–15 секунд в 768p или 2K. Зарегистрируйтесь сейчас — новые пользователи получают 200 бесплатных кредитов при регистрации, а на тарифы сейчас действует скидка до 55%. Для более грубой креаторской рекламы смотрите UGC-рекламу с Pixo; для многокадровых кинематографичных роликов — гайд по AI-рекламе; для полного разбора модели начните с что такое MiniMax H3.