Промпты для MiniMax H3: официальная формула и режимы

Почти всё, что написано о промптах для MiniMax H3, — догадки: модели едва неделя. Этот гайд — не догадки. Вместе с запуском H3 31 июля MiniMax опубликовала подробное руководство по эксплуатации, и в нём спрятана редкая вещь: явная, написанная инженерами формула промпта, таксономия ролей для файлов-референсов и откровенный список ошибок, которые чаще всего губят генерацию. На английском из этого до сих пор почти ничего не всплывало.

Мы делаем Pixo, мультимодельную платформу для AI-видео, и читать мануалы к моделям в день их выхода — часть работы: наш агент должен писать промпты продакшен-уровня для каждой модели, которую мы запускаем. Ниже — система промптинга H3, переведённая и разложенная для практикующих авторов, сверенная с официальной документацией MiniMax по генерации видео. (Не знакомы с самой моделью? Начните с нашего обзора H3.)

Официальная формула

Прямо из руководства:

Полный промпт = пояснения к референсам + основная идея + описание по сценам

Три блока, именно в таком порядке. Первый пропускается, если вы ничего не загружали. Большинство неудачных промптов для H3 ломают ровно один из этих блоков — обычно сваливая всё в один нерасчленённый абзац, что в руководстве стоит ошибкой №1.

Блок 1: пояснения к референсам

Каждый загруженный файл получает номер в порядке загрузки и упоминается в тексте как @image1, @video2, @audio3. И у каждого файла должна быть объявленная роль. Таксономию ролей стоит выучить наизусть — по сути это API-поверхность H3 на естественном языке:

• Референс персонажа — зафиксировать лицо или фигуру
• Референс объекта — зафиксировать продукт или реквизит
• Референс сцены — зафиксировать локацию
• Ключевой кадр — зафиксировать кадр (явно скажите, первый он или последний)
• Референс голоса — зафиксировать тембр
• Раскадровка — генерировать кадры по панели сториборда
• Референс стиля — повторить внешний вид изображения
• Референс композиции — повторить кадрирование и компоновку
• Переиспользование аудио — взять дорожку напрямую как звук видео (или её фрагмент)
• Референс движения — зафиксировать действие из видео
• Референс камеры — зафиксировать движение камеры
• Редактируемое видео — то видео, которое нужно изменить

Пример из руководства в переводе: «@image1 — референс персонажа (зафиксировать лицо этой женщины), @video1 — референс движения (использовать танец с мечом оттуда), @audio1 — референс настроения (классическая музыка гуцинь). Пусть эта женщина исполнит танец с мечом из видео во дворе с цветущей сакурой».

Помните про жёсткий потолок из карточки модели: всего 12 файлов — максимум 9 изображений, 3 видеоклипа и 3 аудиодорожки, причём видео и аудио каждое ограничено суммарно 15 секундами.

Блок 2: основная идея

Четыре элемента, прямо названные в руководстве: субъект (кто или что), место (где), событие (что происходит) и жанр/стиль (игровое, анимация, кинематографично, реклама, документально — или названная эстетика вроде киберпанка или неона). Плюс опционально поведение камеры: по умолчанию H3 монтирует кадры склейками, так что если нужен один непрерывный дубль — скажите об этом. По движениям камеры руководство необычно конкретно: пишите точные движения вроде «тревеллинг влево + панорама вправо», а не размытые просьбы вроде «облететь сцену». Для склеек можно задать стиль: жёсткая склейка, затемнение, монтаж под бит, быстрый монтаж.

Блок 3: описание по сценам

Опишите, что происходит во времени, отрезок за отрезком — «0–3 с: …, 3–7 с: …» — связывая элементы с файлами через @-ссылки везде, где связь есть. Здесь же живут диалоги, и правило здесь абсолютное: пишите точную реплику. «Она говорит что-то трогательное» даёт кашу; «Она говорит: „Ты пришёл. Клинок ждал достаточно долго“» даёт именно эту реплику с липсинком.

Правила, которые спасают генерации

Четыре небольших правила из руководства бьют куда сильнее своего веса:

Пишите, что видит камера, а не что это значит. H3 вознаграждает конкретное, визуальное, прямое описание и спотыкается на метафорах. «Мокрый от дождя неон отражается в её кожаной куртке» всегда лучше, чем «атмосфера городской меланхолии».

Экранный текст цитируйте дословно. Хотите надпись в кадре — напишите её: «На экране телефона — заголовок „AI Video Creation“ и кнопка с надписью „Start Now“».

Ненужную музыку убирайте явно. Не нужна фоновая музыка? Завершите промпт строкой non_diegetic_music: N/A. И не противоречьте себе: просить саундтрек в одной строке и запрещать фоновую музыку в другой — задокументированный способ всё сломать.

Называйте план при склейке. Задавая склейку, укажите новую крупность и кого из уже введённых персонажей она держит — именно это удерживает лица консистентными на монтаже.

Как писать промпты для каждого из трёх режимов

Режим референсов (до 9 изображений + 3 видео + 3 аудио): формула применяется полностью — блок пояснений к референсам обязателен, а неподписанные файлы — потраченные впустую файлы.

Image-to-video / первый и последний кадр: загрузите одно изображение и скажите, начальный это кадр или финальный; загрузите два — и H3 достроит между ними движение, свет и звук. Принципиально: в этом режиме она не придумывает склеек. Пример из руководства: «@image1 — первый кадр: женщина с мечом под цветущей сакурой. Проведите её от стойки готовности через весь танец с мечом, плавно, без склеек».

Чистый text-to-video: файлов нет, а потолок щедрый — руководство ставит лимит промпта в 7000 символов. Минимум для пригодного результата: внешность субъекта + детали сцены + действие + стиль. Промпты короче этого — задокументированный способ провалиться, а не стилистический выбор.

Готовые заготовки

Три промпта, построенные по официальной формуле (адаптируйте свободно):

[References] @image1 is the character reference (lock her face). @image2 is the scene reference.
[Core idea] A woman in a rain-soaked neon alley in Tokyo at night; cinematic live-action; one continuous take, slow push-in.
[Process] 0–4s: she walks toward camera, rain on her jacket, distant traffic hum. 4–8s: she stops, looks up; she says: "It was never about the money." Ambient rain continues. non_diegetic_music: N/A

[References] @image1 is the object reference (lock the perfume bottle, label included). @audio1 is the audio reuse track.
[Core idea] Luxury product film, 21:9, studio-to-sunset lighting shift; beat-synced cuts.
[Process] 0–3s: bottle rises from black marble, side light. 3–6s: cut on beat to golden-hour terrace, bottle identical. 6–8s: macro on the label, on-screen text reads "NOCTURNE".

[Edit instruction, against an existing video] Replace the cat in the video with a golden retriever. Keep the camera move, lighting and background unchanged.

Шесть ошибок, о которых предупреждает руководство

Честный короткий путь

Финальный совет руководства — отдать написание промптов профессиональному напарнику — это признание самой MiniMax в том, что мы видим у всех фронтир-моделей: промпты незаметно стали техзаданиями, с манифестами референсов, блоками таймингов и правилами форматирования. Знание формулы отделяет пригодный результат от каши, но писать промпты уровня спецификации на каждый кадр многосценного видео — настоящая работа.

Ровно для этой работы мы и построили агента Pixo: опишите видео, которое хотите, — и агент напишет сценарий, раскадровку и покадровые промпты на родном диалекте каждой модели, включая формулу выше. Разным моделям нужны разные диалекты, в чём и весь смысл нашего сравнения H3 и Seedance 2.5. MiniMax H3 скоро появится в раскадровке Pixo рядом с Seedance, Kling и Veo. Зарегистрируйтесь — новым пользователям 200 бесплатных кредитов при регистрации — и вы сможете взяться за H3 в тот же день, когда она появится.

Часто задаваемые вопросы

Какая официальная формула промпта у MiniMax H3?

В руководстве MiniMax она сформулирована так: полный промпт = пояснения к референсам + основная идея + описание по сценам. Сначала объявите, зачем нужен каждый загруженный файл, затем назовите субъекта, место, событие и стиль, а потом опишите действие во времени — при необходимости с таймкодами.

Как ссылаться на загруженные файлы в промпте MiniMax H3?

Нумеруйте их в порядке загрузки и упоминайте прямо в тексте — @image1, @video2, @audio3. У каждого файла должна быть объявленная роль: фиксация лица, фиксация объекта, референс сцены, референс движения, референс голоса, ритмическая дорожка и так далее. Файлы без указанного назначения — самая частая причина того, что референс проигнорирован.

Как запретить MiniMax H3 добавлять фоновую музыку?

Напишите это явно в конце промпта: "non_diegetic_music: N/A" (или то же самое обычными словами). Незаписанные пожелания обычно игнорируются — и никогда не просите саундтрек в одной строке, запрещая фоновую музыку в другой.

Как удержать лицо персонажа консистентным в MiniMax H3?

Загрузите референсное изображение персонажа и явно подпишите его как фиксацию лица — например: "@image1 — референс персонажа (зафиксировать лицо этой женщины)". Ожидать консистентности лица без подписанного референса — одна из типичных ошибок, перечисленных в руководстве.

Какие три режима генерации есть у MiniMax H3?

Reference-to-video (до 12 файлов — 9 изображений, 3 видео, 3 аудио, у каждого объявлена роль), image-to-video по одному или двум ключевым кадрам (H3 достраивает движение между ними и не придумывает склеек) и чистый text-to-video.

Этот гайд переводит и переупорядочивает собственное руководство MiniMax по H3, сверенное с официальной документацией по генерации видео и опубликованной карточкой модели по состоянию на 5 августа 2026 года. Приведённые паттерны промптов — те, что наш агент использует в продакшене; поведение модели меняется с обновлениями, поэтому воспринимайте любой отдельный пример как отправную точку, а не как гарантию.