Benutzerhandbuch
MiniMax H3 Max Bild-zu-Video-Prompt-Rezepte für Entwickler
Direkt kopierbare Prompt-Strukturen, Formulierungen für Kamerabewegung und Negativwortlisten, die du an deinen eigenen ersten Frames testen kannst
Auf dieser Seite
Warum die Struktur eines Prompts wichtiger ist als seine Länge
Die meisten enttäuschenden Ergebnisse bei Bild-zu-Video entstehen nicht durch zu kurze Prompts, sondern durch lange, vage und widersprüchliche Prompts – eine ganze Wand filmischer Adjektive, die dem Modell nie sagt, welche Inhalte erhalten bleiben und welche sich bewegen sollen.
Bei Bild-zu-Video trägt der erste Frame bereits den Großteil der visuellen Informationen: Identität, Komposition, Beleuchtung, Farbton, Textur. Die Aufgabe deines Prompts ist enger, als du denkst. Er sollte (1) bestätigen, was unverändert bleiben muss, (2) festlegen, was sich ändern soll, und (3) beschreiben, wie sich die Kamera während dieser Änderungen bewegt. Adjektive wie „episch“ oder „atemberaubend“ entsprechen keiner dieser drei Aufgaben.
Das Gerüst des Rezepts
Jedes Rezept in diesem Artikel verwendet dieselben sechs Blöcke in derselben Reihenfolge:
- Subjekt – wer oder was im Bild ist, mit den identifizierenden Details, die erhalten bleiben müssen.
- Zustand des ersten Frames – was das Standbild zeigt: Pose, Komposition, Lichtrichtung, Hintergrundebenen.
- Bewegung – die eine Hauptbewegung in der Szene sowie alle Nebenbewegungen.
- Kamera – eine Bewegungsart, eine Richtung, ein ungefähres Ausmaß.
- Tempo – die Länge der Aufnahme und ob die Bewegung zum Abschluss kommt oder weiterläuft.
- Negativbegriffe – die Artefakte, die du unterdrücken möchtest.
In dieser Reihenfolge zu schreiben ist keine Oberflächlichkeit. Sie entspricht der Art und Weise, wie Konditionierungsinformationen tatsächlich wirken: zuerst das Standbild verankern, dann das Ausmaß der Veränderung beschreiben. Wenn ein Rezept scheitert, ermöglicht dir das feste Gerüst, auf einen bestimmten Block zu zeigen, um ihn zu ändern, statt den gesamten Text neu zu schreiben und zu raten, welcher Satz das Problem verursacht hat.
Warum das Gerüst Rezepte vergleichbar macht
Wenn jeder Prompt frei formulierter Fließtext wäre, könntest du nie feststellen, ob eine bessere Ausgabe auf deine neu geschriebene Kamerabewegungsformulierung zurückzuführen ist oder darauf, dass du zufällig auch die Subjektbeschreibung geändert hast. Das Gerüst verwandelt die Prompt-Optimierung von Handwerkskunst in ein kontrolliertes Experiment: gleiches Subjekt, gleicher Zustand des ersten Frames, nur ein Block geändert.
Halte jeden Block kurz – einen Nebensatz, keinen Absatz. Das Ziel ist ein Prompt, den man in einem Code-Review Zeile für Zeile diffen kann.
Der Block zur Beschreibung des ersten Frames
Der Block zum ersten Frame existiert, um Drift entgegenzuwirken. Bild-zu-Video-Modelle werden auf das eingegebene Standbild konditioniert, aber Prompts, die das Standbild ignorieren – oder schlimmer, ihm widersprechen – verleiten das Modell dazu, dein Subjekt in etwas Beliebiges umzuzeichnen. Deine Beschreibung sollte sich wie eine Anmerkung zu dem Frame lesen, den du tatsächlich hochgeladen hast, nicht wie eine Wunschliste für einen anderen Frame.
Anmerken, nicht neu erfinden
Decke vier Dinge kurz ab:
- Identität des Subjekts: Details, die sich nicht ändern dürfen – Haarlänge und -farbe, der Schnitt der Jacke, die Position des Produktetiketts, der Fensterrhythmus eines Gebäudes.
- Komposition: Nahaufnahme, Halbtotale, Weitwinkel; die Position des Subjekts im Bild („zentriert“, „im linken Drittel“); wie viel Kopffreiheit oder Boden sichtbar ist.
- Lichtrichtung und -qualität: „weiches Führungslicht von links der Kamera“, „hartes Gegenlicht mit Kantenlicht auf den Schultern“, „bewölkt, keine deutlichen Schatten“.
- Hintergrundebenen: was hinter dem Subjekt ist und wie weit es zu sein scheint – „verschwommene Stadtstraße“, „glatter nahtloser Hintergrund“, „Baumreihe etwa zehn Meter entfernt“.
Funktionierende Formulierungsmuster
Subjekt: eine Frau in ihren Dreißigern, schulterlanges dunkles Haar, olivgrüne Feldjacke, keine Brille.
Erster Frame: halbnahe Einstellung, zentriert, Kinn auf mittlerer Bildhöhe, weiches Führungslicht von links der Kamera, kühles Aufhelllicht auf der rechten Wange, dahinter verschwommene Schaufenster in Straßenentfernung.
Beachte, was fehlt: keine emotionalen Adjektive, keine Hintergrundgeschichte, keine Farbgradierungsanweisungen, die mit der vorhandenen Farbstimmung des Standbilds kollidieren. Du beschreibst, statt einen Dreh zu inszenieren.
Häufiges Scheitern: Überbeschreibung
Wenn dein Block zum ersten Frame länger ist als der Bewegungsblock, hast du die Prioritäten umgekehrt. Lange Beschreibungen laden Widersprüche ein – du erwähnst „helles Tageslicht“, während das Standbild in der Dämmerung ist, und das Modell muss eine Wahl treffen. Wenn das Standbild nicht mit dem Text übereinstimmt, ist Drift meist die Folge. Schreib diesen Block, während du das Bild betrachtest, und lösche dann, was auf dem Bild bereits offensichtlich ist.
Eine praktische Gewohnheit: Lege das Referenzframe und den Block zum ersten Frame in derselben Datei nebeneinander ab. Wenn du das eine bearbeitest, lies das andere erneut.
Kamerabewegung und Formulierungen zur Zeit
Vage filmische Sprache ist die häufigste Quelle für „zufällige“ Bewegungen. „Dynamische Kameraführung“ sagt dem Modell nichts Ausführbares. Benenne die Bewegung, gib die Richtung an, gib das Ausmaß an und sag, wie lange sie dauert.
Formulierungsmuster für die vier Hauptbewegungen
Dolly-in / Push-in
Kamera: langsames Heranfahren an das Gesicht des Subjekts, etwa 15 % Annäherung über die gesamte Aufnahme, keine Rotation.
Schwenk
Kamera: gleichmäßiger horizontaler Schwenk von links nach rechts, mittlere Geschwindigkeit, Horizont bleibt waagerecht.
Orbit
Kamera: langsamer Orbit um das Subjekt, etwa 30 Grad nach rechts der Kamera, Subjekt bleibt zentriert, Hintergrundparallaxe sichtbar.
Feste Kamera + Subjektbewegung
Kamera: fixiert, keine Bewegung. Nur das Subjekt bewegt sich.
Jedes dieser Muster tut drei Dinge: eine Bewegungsart, eine Richtung, ein ungefähres Ausmaß. Eine zweite Bewegung hinzuzufügen („heranfahren und gleichzeitig orbiten“) ist erlaubt, sollte aber bewusst geschehen – es verdoppelt die Wahrscheinlichkeit unerwarteter Ergebnisse.
Zeit und Tempo
Gib an, ob die Bewegung zum Abschluss kommt oder weiterläuft, und verknüpfe dies mit einfachen Worten an die Länge der Aufnahme:
- „der Push-in ist im letzten Frame abgeschlossen“
- „der Schwenk läuft nach Ende der Aufnahme weiter“
- „die erste Hälfte bleibt statisch, dann beginnt der Orbit“
- „eine durchgehende Aufnahme, kein Schnitt“
Vermeide konkrete Sekundenangaben, es sei denn, deine Pipeline legt die Clip-Länge fest; wenn ja, beseitigt die Angleichung der Formulierung an diese Länge eine ganze Klasse von Fehlern. „Kein Schnitt“ ist es wert, ausdrücklich geschrieben zu werden, weil manche Prompts sonst einen impliziten Schnitt provozieren.
Schnell-/Langsam-Begriffe, die tatsächlich etwas bedeuten
Ersetze vage Begriffe durch relative Wörter, die das Modell kalibrieren kann: „langsam“, „mittel“, „schnell“, „kaum wahrnehmbar“. Diese sind weit nützlicher als „filmisch“, „fegend“ oder „dramatisch“, weil letztere weder Richtung noch Ausmaß haben. Ein guter Test: Könnte ein Kameramann, der deine Beschreibung liest, wissen, in welche Richtung er sich bewegen soll? Wenn nicht, schreib es neu.
Negativbegriff-Listen nach Inhaltstyp
Negativbegriffe sind eine günstige Versicherung, aber nicht universell. Eine für Sprecher-Aufnahmen abgestimmte Negativliste kann einem Produkt-Turntable-Video schaden. Behalte separate Listen pro Inhaltstyp und erweitere eine Liste nur, wenn du ein reproduzierbares Artefakt siehst.
Personen
Negativbegriffe: zusätzliche Finger, verformte Hände, verzerrte Gesichtsmerkmale, Identitätsdrift zwischen Frames, flackernde Augen, unheimliche Zähne, doppelte Gliedmaßen, flackernde Kleidungstexturen
Identitätsdrift und Handartefakte sind die beiden Dauerbrenner. Wenn das Subjekt den Kopf dreht oder Gesten macht, füge hinzu: „die Gesichtsstruktur darf sich beim Kopfdrehen nicht verformen“.
Produkte
Negativbegriffe: verzerrter Etikettentext, veränderte Logosform, flackernde Oberflächenreflexionen, zitternde geradlinige Geometrie, Farbverschiebung zwischen Frames, auftauchende Hintergrundobjekte
Produktaufnahmen scheitern an Konsistenz, nicht an Dramatik. Gerade Kanten und gedruckter Text sind die Kanarienvögel – wenn das Etikett „atmet“, ist die Aufnahme unbrauchbar.
Umgebungen
Negativbegriffe: plötzlich auftauchende oder verschwindende Objekte, zitterndes Laub, gebogene Gebäudelinien, pulsierendes Wasser, plötzliche Lichtwechsel, gekippter Horizont beim Schwenken
Besonders beim Schwenken lohnen sich „gekippter Horizont“ und „verzerrte gerade Gebäudelinien“ auf der Liste.
Erweitern oder kürzen
Füge einen Negativbegriff erst hinzu, wenn du ein Artefakt mit denselben Frames und demselben Prompt in mindestens zwei Läufen reproduzieren kannst. Lösche Negativbegriffe, die du nie ausgelöst gesehen hast, besonders wenn sie deiner Absicht widersprechen – ein Negativbegriff „keine Kamerabewegung“ in einem Push-in-Rezept ist ein Widerspruch, der die Stabilität beeinträchtigt. Halte jede Liste unter etwa einem Dutzend Einträgen; überlange Negativlisten verwässern die Anweisung, genau wie überlange positive Prompts.
Speichere die Listen als benannte Strings in deiner Konfiguration, statt sie für jeden Prompt inline einzufügen, damit alle Rezepte desselben Inhaltstyps konsistent bleiben.
Rezept-Durchläufe mit echten Ausgaben
Die folgenden Rezepte sind vollständig und direkt zum Kopieren und Einfügen. Die Ausgabebeschreibungen stammen aus Testläufen mit unseren eigenen ersten Frames; behandle sie als zu überprüfende Erwartungen, nicht als Garantien, denn deine Frames sind andere.
Rezept 1: Porträt-Push-in
Subjekt: ein Mann in seinen Vierzigern, kurzes grauweißes Haar, marineblauer Rundhalspullover.
Erster Frame: halbnahe Einstellung, zentriert, weiches Führungslicht von links der Kamera, verschwommener Hintergrund mit warmen praktischen Lichtquellen in Zimmerentfernung.
Bewegung: leichte Kopfdrehung in Richtung Kamera, Schultern sinken leicht ab; kein Gehen.
Kamera: langsames Heranfahren an das Gesicht, etwa 15 % Annäherung über die gesamte Aufnahme, keine Rotation.
Tempo: eine durchgehende Aufnahme, der Push-in ist im letzten Frame abgeschlossen.
Negativbegriffe: zusätzliche Finger, verzerrte Gesichtsmerkmale, Identitätsdrift zwischen Frames, flackernde Augen, plötzliche Lichtwechsel.
Ausgabe: Die Identität blieb erhalten, der Push-in wirkte beabsichtigt statt wie ein Zoom-Crop. Frühere Versionen ohne die Angabe „keine Rotation“ erzeugten eine leichte Rollbewegung, die das Bild wie aus der Hand wirken ließ.
Rezept 2: Produkt-Turntable
Subjekt: eine matt keramische Tasse mit einem aufgedruckten Etikett auf einer Seite.
Erster Frame: Produkt zentriert auf einem nahtlosen hellgrauen Hintergrund, weiches Deckenlicht, schwacher Kontaktschatten.
Bewegung: keine Eigenbewegung des Produkts; mit wechselndem Blickwinkel wird das Etikett lesbar.
Kamera: langsamer Orbit nach rechts der Kamera, etwa 30 Grad, Subjekt bleibt zentriert.
Tempo: durchgehend, der Orbit läuft nach Ende der Aufnahme weiter.
Negativbegriffe: verzerrter Etikettentext, veränderte Logosform, zitternde geradlinige Geometrie, Farbverschiebung zwischen Frames.
Ausgabe: Das Etikett blieb über den Großteil des Bogens lesbar; im letzten Drittel trat eine leichte Kantenweichheit auf, die wir durch Verkleinerung des Orbitwinkels auf etwa 25 Grad behoben, statt weitere Negativbegriffe hinzuzufügen.
Rezept 3: Umgebungs-Schwenk
Subjekt: eine leere Küstenstraße am bewölkten Mittag, mit niedriger Leitplanke auf der Meerseite.
Erster Frame: Weitwinkelaufnahme, die Straße verläuft nach rechts, flaches diffuses Licht, keine Sonne sichtbar.
Bewegung: sanfter Wind im Gras am Straßenrand; alles andere bleibt still.
Kamera: gleichmäßiger horizontaler Schwenk von links nach rechts, mittlere Geschwindigkeit, Horizont waagerecht.
Tempo: durchgehender Schwenk, kein Schnitt.
Negativbegriffe: gekippter Horizont beim Schwenken, gebogene Gebäudelinien, plötzlich auftauchende Objekte, pulsierendes Wasser.
Ausgabe: Der Horizont blieb waagerecht, weil wir es ausdrücklich geschrieben haben. Ohne diese Angabe driftete er in früheren Läufen über die gesamte Aufnahme um einige Grad – subtil, aber ausreichend, damit sich eine weite Landschaft falsch anfühlt.
Iteration und Regressionstests von Prompts
Ein Prompt ist keine einmalige Nachricht, sondern ein Konfigurationswert. Behandle ihn wie jede andere Konfiguration, die die Ausgabe beeinflusst: versionieren, festhalten, was er produziert hat, und jeweils nur eine Variable ändern.
Die Ein-Variablen-Schleife
- Wähle ein fehlerhaftes Verhalten in der Ausgabe aus (Drift, Handartefakte, unerwünschte Kamerarollbewegung).
- Bestimme, zu welchem Block es gehört – meist Bewegung, Kamera oder Negativbegriffe.
- Ändere nur einen Nebensatz in diesem Block.
- Führe den Lauf mit demselben ersten Frame erneut aus.
- Behalte oder verwerfe je nach Beobachtung und dokumentiere es.
Zwei Blöcke auf einmal zu ändern ist genau der Grund, warum Teams sechs Wochen später Prompts haben, über die niemand mehr nachdenken kann.
Frames, Prompts und Ausgaben gemeinsam protokollieren
Jeder Lauf-Datensatz sollte enthalten:
- Hash oder ID des Eingabeframes
- den vollständigen Prompt-String, einschließlich Negativbegriffen
- die Rezeptversion
- einen Verweis auf die Ausgabe sowie eine kurze Notiz zu Bestehen oder Fehlschlagen
Dieses Trio – Frame, Prompt, Ausgabe – ist der Schlüssel, um Regressionen erkennbar zu machen. Wenn das zugrunde liegende Modell aktualisiert wird oder du eine gemeinsame Negativliste anpasst, kannst du die gespeicherten Frames erneut ausführen und die Ergebnisse mit bekannt guten Ausgaben diffen.
Einen kleinen Gold-Set aufbauen
Behalte pro Inhaltstyp fünf bis zehn Frames, die deine tatsächliche Arbeitslast repräsentieren: ein Porträt mit Kopfdrehung, ein Produkt mit gedrucktem Text, eine weite Umgebung mit Horizont. Führe dieses Set vor jedem Produktionsgang einer Rezeptänderung aus. Es dauert nur Minuten und fängt die meisten unerwarteten Regressionen ab.
Erwartungen verfolgen, nicht nur Punktezahlen
Ein einfaches Bestanden/Durchgefallen pro Anwendungsfall – etwa „Hände sauber“, „Etikett lesbar“, „Horizont waagerecht“ – ist nützlicher als eine einzelne subjektive Qualitätsbewertung, weil es dir sagt, welchen Block du erneut prüfen musst. Wenn ein Anwendungsfall von Bestanden auf Durchgefallen kippt, weißt du genau, welcher Rezeptversion und welchem Nebensatz du es zuschreiben musst.
Rezepte in deine Pipeline integrieren
Sobald Rezepte stabil sind, sollten sie nicht in einer Notiz-App bleiben, sondern in den Code wandern.
Rezepte als versionierte Konfiguration speichern
Speichere jedes Rezept als strukturiertes Objekt – ein Feld pro Block – statt als vorab zusammengesetzten String. Das Zusammensetzen der Blöcke zur Anfragezeit ermöglicht es dir, Subjekt- und Erster-Frame-Blöcke zwischen Rezepten zu teilen und Negativlisten je nach Inhaltstyp auszutauschen. Lege die Konfiguration unter Versionskontrolle, tagge sie und füge die Version in jeden Log-Eintrag ein.
{
"id": "portrait_pushin",
"version": "3",
"subject": "...",
"first_frame": "...",
"motion": "...",
"camera": "langsames Heranfahren an das Gesicht, etwa 15 % Annäherung, keine Rotation",
"pacing": "eine durchgehende Aufnahme, der Push-in ist im letzten Frame abgeschlossen",
"negatives": "portrait_default"
}
Vor der Veröffentlichung im Batch testen
Führe die zusammengesetzten Prompts in einer Schleife über deine Gold-Frames aus, speichere die Ausgaben zusammen mit den Lauf-Datensätzen und überprüfe markierte Anwendungsfälle, bevor du eine Rezeptversion beförderst. Da jedes Rezept über dieselbe Schnittstelle denselben Endpunkt anspricht, ist das Batch-Test-Framework nur eine dünne Hülle um deinen normalen Aufruf – keine modellspezifischen Sonderfälle zu pflegen.
Den Endpunkt skaliert aufrufen
In der Produktion setzt du den Prompt aus der Konfiguration zusammen, übergibst deinen ersten Frame und reichst ihn über die API ein. Behandle Rate-Limits und Wiederholungen wie jede andere asynchrone Arbeitslast: stelle Jobs in eine Warteschlange, hänge an jeden Job die Rezeptversion und Frame-ID und schreibe den zurückgegebenen Ausgabeverweis in die Logs. Wenn ein Rezept in der Produktion ungewöhnlich abschneidet, kannst du den exakten Frame und Prompt, der es erzeugt hat, hervorholen.
Zu Endpunktparametern, unterstützten Seitenverhältnissen und Details zu Anfrage und Antwort siehe die Modellseite von MiniMax H3 Max Bild-zu-Video – die obigen Rezepte sind so gestaltet, dass sie sich direkt anwenden lassen.
Schreib Prompts wie Code, betrachte Ausgaben wie Testergebnisse, dann ist Bild-zu-Video kein Glücksspiel mehr.
Ähnliche Artikel
Alle Artikel ansehen →-
Benutzerhandbuch
Leitfaden für den Einstieg in gpt-6.2-sol: Grenzen der Fähigkeiten, API-Anbindung und Hinweise zur Token-Abrechnung
Entscheidungshilfen und praktische Hinweise zur Anbindung für Engineering-Teams
-
Benutzerhandbuch
gpt-6.2-astra Einstiegsleitfaden: Grenzen der Textmodell-Fähigkeiten, Integrationspunkte und Kostenkontrolle
-
Benutzerhandbuch
Tripo H3.1 Einstiegsleitfaden: Drei Eingabewege, Parameter und Preiswahl
Praktische Entscheidungsfindung und Kostenkontrolle bei der 3D-Generierungsintegration für Entwickler