Guide d'utilisation
Recettes de prompts image-vers-vidéo pour MiniMax H3 Max destinées aux développeurs
Des structures de prompts prêtes à copier-coller, un vocabulaire de mouvements de caméra et des listes de termes négatifs, à tester sur vos propres premières images
Sur cette page
Pourquoi la structure du prompt compte plus que sa longueur
La plupart des résultats image-vers-vidéo décevants ne proviennent pas de prompts trop courts, mais de prompts interminables, vagues et contradictoires — un mur entier d'adjectifs cinématographiques qui ne dit jamais au modèle ce qui doit rester identique et ce qui doit bouger.
En image-vers-vidéo, la première image porte déjà l'essentiel de l'information visuelle : identité, composition, éclairage, tonalité, texture. Le rôle de votre prompt est plus étroit que vous ne le pensez. Il doit (1) confirmer ce qui doit rester inchangé, (2) spécifier ce qui doit changer, (3) décrire comment la caméra se déplace pendant ces changements. Des adjectifs comme « épique » ou « à couper le souffle » ne correspondent à aucune de ces trois fonctions.
Squelette de la recette
Chaque recette de cet article utilise les mêmes six blocs, dans le même ordre :
- Sujet — qui ou quoi est à l'image, avec les détails identifiants qui doivent être préservés.
- État de la première image — ce que montre l'image fixe : pose, composition, direction de la lumière, profondeur du fond.
- Mouvement — le mouvement principal unique de la scène, et tout mouvement secondaire.
- Caméra — un type de mouvement, une direction, une amplitude approximative.
- Rythme — la durée du plan, et si le mouvement se termine ou se poursuit.
- Négatifs — les artefacts que vous souhaitez supprimer.
Rédiger dans cet ordre n'est pas cosmétique. Cela correspond à la manière dont l'information de conditionnement agit réellement : on ancre d'abord l'image fixe, puis on décrit l'ampleur du changement. Quand une recette échoue, le squelette fixe vous permet de pointer un bloc précis à modifier, plutôt que de réécrire tout le texte en devinant quelle phrase pose problème.
Pourquoi le squelette rend les recettes comparables
Si chaque prompt est de la prose libre, vous ne pourrez jamais déterminer si une meilleure sortie est due à votre nouvelle formulation de caméra ou à une réécriture involontaire de la description du sujet. Le squelette transforme le réglage de prompts d'un artisanat en une expérience contrôlée : même sujet, même état de première image, un seul bloc modifié.
Gardez chaque bloc court — une proposition, pas un paragraphe. L'objectif est d'obtenir un prompt que l'on peut comparer ligne par ligne lors d'une revue de code.
Le bloc de description de la première image
Le bloc de la première image existe pour lutter contre la dérive. Les modèles image-vers-vidéo sont conditionnés par l'image fixe d'entrée, mais un prompt qui ignore l'image fixe — ou pire, qui la contredit — incite le modèle à redessiner votre sujet en quelque chose de générique. Votre description doit se lire comme une annotation de la frame que vous avez réellement téléversée, pas comme une liste de souhaits pour une autre frame.
Annotez, ne réimaginez pas
Couvrez brièvement quatre points :
- Identité du sujet : les détails qui ne peuvent pas changer — longueur et couleur des cheveux, coupe de la veste, emplacement de l'étiquette du produit, rythme des fenêtres du bâtiment.
- Composition : plan rapproché, plan moyen, plan large ; position du sujet dans le cadre (« centré », « tiers gauche ») ; espace visible au-dessus de la tête ou au sol.
- Direction et texture de la lumière : « lumière principale douce venant de la gauche de la caméra », « contre-jour dur avec lumière de contour sur les épaules », « ciel couvert, aucune ombre marquée ».
- Profondeur du fond : ce qui se trouve derrière le sujet et à quelle distance cela semble être — « rue urbaine floue », « fond sans couture uni », « ligne d'arbres à une dizaine de mètres ».
Un modèle de rédaction efficace
Sujet : une femme d'une trentaine d'années, cheveux sombres aux épaules, veste militaire vert olive, sans lunettes.
Première image : plan mi-rapproché, centré, menton à mi-hauteur du cadre, lumière principale douce venant de la gauche de la caméra, lumière d'appoint froide sur la joue droite, devanture de magasin floue à distance de rue en arrière-plan.
Remarquez ce qui manque : aucun adjectif d'humeur, aucun contexte narratif, aucune instruction de colorimétrie en conflit avec l'étalonnage existant de l'image fixe. Vous décrivez, vous ne dirigez pas un nouveau tournage.
Échec courant : la sur-description
Si votre bloc de première image est plus long que le bloc de mouvement, vous avez inversé les priorités. Une description verbeuse invite aux contradictions — vous mentionnez « une lumière du jour éclatante » alors que l'image fixe est au crépuscule, et le modèle doit choisir. Quand l'image fixe et le texte divergent, la dérive en est généralement le résultat. Rédigez ce bloc en regardant l'image, puis supprimez ce que l'image rend déjà évident.
Une habitude utile : placez l'image de référence et le bloc de première image dans le même fichier, côte à côte. Si vous modifiez l'un, relisez l'autre.
Vocabulaire des mouvements de caméra et du temporisation
Le langage cinématographique vague est la source la plus fréquente de mouvements « aléatoires ». « Un mouvement de caméra dynamique » n'indique rien d'exécutable au modèle. Nommez le mouvement, donnez la direction, donnez l'amplitude, et précisez combien de temps il dure.
Modèles de rédaction pour les quatre mouvements principaux
Travelling avant / dolly in
Caméra : rapprochement lent vers le visage du sujet, environ 15 % de zoom avant sur toute la durée du plan, sans rotation.
Panoramique
Caméra : panoramique horizontal fluide, de gauche à droite, vitesse moyenne, horizon maintenu horizontal.
Orbite
Caméra : orbite lente autour du sujet, environ 30 degrés vers la droite de la caméra, sujet maintenu centré, parallaxe du fond visible.
Caméra fixe + mouvement du sujet
Caméra : verrouillée, aucun mouvement. Seul le sujet bouge.
Chacun de ces exemples fait trois choses : un type de mouvement, une direction, une amplitude approximative. Ajouter un second mouvement (« s'approcher tout en orbitant ») est permis, mais doit être intentionnel — cela double la probabilité de résultats inattendus.
Temps et rythme
Précisez si le mouvement se termine ou se poursuit, et liez-le à la durée du plan avec des mots simples :
- « le travelling avant se termine à la dernière image »
- « le panoramique continue après la fin du plan »
- « reste immobile dans la première moitié, puis commence à orbiter »
- « plan-séquence continu unique, sans montage »
Évitez d'écrire des secondes précises, sauf si votre pipeline fixe la durée du clip ; si c'est le cas, aligner la formulation sur cette durée élimine toute une catégorie d'échecs. « Sans montage » mérite d'être écrit explicitement, car certains prompts attirent sinon un montage implicite.
Les mots de vitesse et de lenteur qui ont réellement du sens
Remplacez les termes vagues par des mots relatifs que le modèle peut calibrer : « lent », « moyen », « rapide », « presque imperceptible ». Ceux-ci sont bien plus utiles que « cinématographique », « balayant » ou « dramatique », qui n'ont ni direction ni amplitude. Un bon test : un cadreur lisant votre description saurait-il dans quelle direction se déplacer ? Si non, réécrivez.
Listes de prompts négatifs par type de contenu
Les prompts négatifs sont une assurance bon marché, mais pas universelle. Une liste négative calibrée pour du contenu de prise de parole peut au contraire nuire à une vidéo de plateau tournant de produit. Conservez des listes distinctes par type de contenu, et n'étendez une liste que lorsque vous constatez un artefact reproductible.
Personnes
Négatifs : doigts en trop, mains déformées, traits du visage distordus, dérive d'identité entre les images, scintillement des yeux, dents étranges, membres dupliqués, scintillement de la texture des vêtements
La dérive d'identité et les artefacts de mains sont les deux problèmes persistants. Si le sujet tourne la tête ou fait un geste, ajoutez « la structure du visage ne doit pas se déformer lors du mouvement de tête ».
Produits
Négatifs : texte d'étiquette déformé, forme du logo modifiée, scintillement des reflets de surface, tremblement des arêtes droites, dérive chromatique entre les images, apparition d'objets en arrière-plan
Les plans produit échouent sur la cohérence, pas sur le dramatique. Les arêtes droites et le texte imprimé sont les canaris — si l'étiquette « respire », le plan est inutilisable.
Environnements
Négatifs : objets qui apparaissent ou disparaissent soudainement, tremblement du feuillage, lignes de bâtiments courbées, pulsation de la surface de l'eau, saut soudain de l'éclairage, horizon incliné pendant le panoramique
En particulier pour les panoramiques, « horizon incliné » et « distorsion des lignes droites des bâtiments » méritent de figurer dans la liste.
Étendre ou réduire
N'ajoutez un terme négatif que lorsque vous pouvez reproduire un artefact avec les mêmes images et le même prompt sur au moins deux exécutions. Supprimez les termes négatifs que vous n'avez jamais vu se déclencher, surtout s'ils entrent en conflit avec votre intention — écrire un négatif « aucun mouvement de caméra » dans une recette de travelling avant est une contradiction qui nuit à la stabilité. Gardez chaque liste sous une douzaine d'entrées ; une liste négative trop longue dilue les instructions, tout comme un prompt positif trop long.
Stockez les listes sous forme de chaînes nommées dans votre configuration, plutôt que de les coller en ligne dans chaque prompt, afin que toutes les recettes d'un même type de contenu restent cohérentes.
Démonstration de recettes avec des sorties réelles
Les recettes suivantes sont complètes et prêtes à copier-coller. Les descriptions de sortie proviennent de tests exécutés sur nos propres premières images ; considérez-les comme des attentes à vérifier et non comme des garanties, car vos images diffèrent.
Recette 1 : travelling avant sur un portrait
Sujet : un homme d'une quarantaine d'années, cheveux courts gris-blanc, pull col rond bleu marine.
Première image : plan mi-rapproché, centré, lumière principale douce venant de la gauche de la caméra, fond flou avec des sources pratiques chaudes à distance de la pièce.
Mouvement : légère rotation de la tête vers la caméra, épaules qui s'affaissent légèrement ; pas de déplacement.
Caméra : rapprochement lent vers le visage, environ 15 % de zoom avant sur toute la durée du plan, sans rotation.
Rythme : plan-séquence continu unique, le travelling avant se termine à la dernière image.
Négatifs : doigts en trop, traits du visage distordus, dérive d'identité entre les images, scintillement des yeux, saut soudain de l'éclairage.
Sortie : l'identité a été préservée, le travelling avant semblait intentionnel plutôt qu'un recadrage par zoom. Une version antérieure sans la mention « sans rotation » produisait un léger roulis qui donnait au plan une sensation de caméra à l'épaule.
Recette 2 : plateau tournant de produit
Sujet : une tasse en céramique mate, avec une étiquette imprimée sur un côté.
Première image : produit centré sur un fond sans couture gris clair, lumière zénithale douce, légère ombre de contact.
Mouvement : aucun mouvement du produit lui-même ; l'étiquette devient lisible à mesure que l'angle de vue change.
Caméra : orbite lente vers la droite de la caméra, environ 30 degrés, sujet maintenu centré.
Rythme : continu, l'orbite se poursuit après la fin du plan.
Négatifs : texte d'étiquette déformé, forme du logo modifiée, tremblement des arêtes droites, dérive chromatique entre les images.
Sortie : l'étiquette est restée lisible pendant la majeure partie de l'arc ; un léger flou de bord est apparu dans le dernier tiers, que nous avons résolu en réduisant l'angle d'orbite à environ 25 degrés plutôt qu'en ajoutant d'autres termes négatifs.
Recette 3 : panoramique sur un environnement
Sujet : une route côtière déserte à midi par temps couvert, avec un garde-corps bas côté mer.
Première image : plan large, la route s'étend vers la droite, lumière diffuse et plate, soleil invisible.
Mouvement : vent léger dans l'herbe en bord de route ; le reste est immobile.
Caméra : panoramique horizontal fluide, de gauche à droite, vitesse moyenne, horizon horizontal.
Rythme : panoramique continu, sans montage.
Négatifs : horizon incliné pendant le panoramique, lignes de bâtiments courbées, apparition soudaine d'objets, pulsation de la surface de l'eau.
Sortie : l'horizon est resté horizontal parce que nous l'avions explicitement écrit. Sans cette mention, les premières exécutions dérivaient de quelques degrés sur toute la durée du plan — subtil, mais suffisant pour donner une impression erronée à un paysage large.
Itération et tests de régression des prompts
Un prompt n'est pas un message unique, c'est une valeur de configuration. Traitez-le comme toute configuration qui influence la sortie : versionnez-le, consignez ce qu'il a produit, et ne modifiez qu'une variable à la fois.
La boucle à variable unique
- Identifiez un comportement défaillant dans la sortie (dérive, artefact de main, roulis de caméra indésirable).
- Déterminez à quel bloc il appartient — généralement mouvement, caméra ou négatifs.
- Modifiez une seule proposition dans ce bloc.
- Relancez avec la même première image.
- Conservez ou annulez selon ce que vous observez, puis consignez.
Modifier deux blocs à la fois est exactement ce qui conduit les équipes, six semaines plus tard, à des prompts que personne ne peut analyser.
Consigner ensemble image, prompt et sortie
Chaque enregistrement d'exécution doit inclure :
- Le hash ou l'ID de l'image d'entrée
- La chaîne de prompt complète, y compris les négatifs
- La version de la recette
- La référence de sortie avec une brève note de réussite ou d'échec
Ce triplet — image, prompt, sortie — est précisément ce qui rend les régressions détectables. Lorsque le modèle sous-jacent est mis à jour, ou lorsque vous ajustez une liste négative partagée, vous pouvez relancer les images stockées et comparer les résultats avec des sorties connues comme bonnes.
Constituer un petit ensemble de référence
Conservez cinq à dix images par type de contenu qui représentent votre charge de travail réelle : un portrait qui tourne la tête, un produit avec du texte imprimé, un environnement large avec un horizon. Avant chaque mise en production d'une modification de recette, exécutez cet ensemble. Quelques minutes suffisent à détecter la plupart des régressions accidentelles.
Suivre les attentes, pas seulement les scores
Un simple réussite/échec par cas d'usage — comme « mains propres », « étiquette lisible », « horizon horizontal » — est plus utile qu'un score de qualité subjectif unique, car il vous indique quel bloc vérifier ensuite. Quand un cas passe de réussite à échec, vous savez exactement quelle version de recette et quelle proposition incriminer.
Intégrer les recettes dans votre pipeline
Une fois les recettes stabilisées, elles ne doivent plus rester dans une application de notes, mais entrer dans le code.
Stocker les recettes comme configuration versionnée
Enregistrez chaque recette comme un objet structuré — un champ par bloc — plutôt que comme une chaîne pré-assemblée. Assembler les blocs au moment de la requête vous permet de partager les blocs sujet et première image entre recettes, et de remplacer les listes négatives selon le type de contenu. Placez la configuration sous contrôle de version, étiquetez-la, et incluez la version dans chaque entrée de journal.
{
"id": "portrait_pushin",
"version": "3",
"subject": "...",
"first_frame": "...",
"motion": "...",
"camera": "rapprochement lent vers le visage, environ 15 % de zoom avant, sans rotation",
"pacing": "plan-séquence continu unique, le travelling avant se termine à la dernière image",
"negatives": "portrait_default"
}
Tester en lot avant publication
Exécutez les prompts assemblés sur vos images de référence en boucle, enregistrez les sorties avec les journaux d'exécution, et examinez les cas signalés avant de promouvoir une version de recette. Comme chaque recette accède au même point de terminaison via la même interface, le cadre de test par lots n'est qu'une fine enveloppe autour de vos appels habituels — aucun cas particulier par modèle à maintenir.
Appeler le point de terminaison à l'échelle
En production, assemblez le prompt à partir de la configuration, fournissez votre première image et soumettez via l'API. Traitez les limites de débit et les nouvelles tentatives comme pour toute autre charge de travail asynchrone : mettez les tâches en file, joignez la version de recette et l'ID d'image à chaque tâche, et réécrivez la référence de sortie renvoyée dans les journaux. Si une recette se comporte anormalement en production, vous pouvez extraire l'image et le prompt exacts qui l'ont produite.
Pour les paramètres du point de terminaison, les formats d'image pris en charge et les détails requête/réponse, consultez la page du modèle MiniMax H3 Max image-vers-vidéo — les recettes ci-dessus sont conçues pour s'appliquer directement.
Rédigez vos prompts comme du code, lisez les sorties comme des résultats de tests, et l'image-vers-vidéo cesse d'être une machine à sous.
Articles similaires
Voir tous les articles →-
Guide d'utilisation
Guide de démarrage avec gpt-6.2-sol : limites de capacité, intégration API et tarification par token
Points de décision et de pratique pour l'intégration par les équipes d'ingénierie
-
Guide d'utilisation
Guide de prise en main de gpt-6.2-astra : limites de capacités du modèle texte, points d'intégration et maîtrise des coûts
-
Guide d'utilisation
Guide de prise en main de Tripo H3.1 : trois modes d'entrée, paramètres et choix tarifaires
Décision d'intégration et maîtrise des coûts de la génération 3D pour les développeurs