Recettes de prompts text-to-video pour MiniMax H3 Max (à l'attention des développeurs)

De quoi est fait un bon prompt text-to-video

Un prompt text-to-video n'est pas une phrase. C'est un petit fichier de configuration rédigé en langage naturel. Quand le résultat n'est pas le bon, la question vraiment utile n'est jamais « le prompt est-il bon ? », mais « quelle partie du prompt a échoué ? ». Cette question ne peut trouver de réponse que si votre prompt possède des composants identifiables.

Considérez chaque prompt comme six blocs indépendants :

• Sujet (Subject) — qui ou quoi est à l'image, décrit avec assez de précision pour rester cohérent d'une génération à l'autre (espèce, matière, vêtement, tranche d'âge, traits distinctifs).
• Action (Action) — ce que fait le sujet, dans l'ordre où cela se produit. C'est une liste de temps forts, pas une ambiance.
• Scène (Scene) — lieu, heure, météo, activité d'arrière-plan et source de lumière.
• Caméra (Camera) — où se trouve la caméra, comment elle se déplace, à quelle vitesse. C'est une chose distincte de la scène et cela mérite sa propre ligne.
• Durée (Duration) — combien de temps le plan doit durer, ce qui détermine implicitement combien de temps forts il peut contenir.
• Résolution (Resolution) — le palier de sortie visé pour cette génération.

La raison de séparer physiquement ces blocs — une ligne par bloc, ou un fragment étiqueté par bloc — est que la génération vidéo est un problème d'optimisation multivarié, et que vous ne pouvez déplacer qu'une variable par expérience. Si le sujet, la caméra et la durée s'enchevêtrent dans un texte fluide, alors modifier la caméra modifie aussi la formulation du sujet et le rythme de la phrase, et vous ne pouvez plus dire quelle modification précise a produit un résultat différent.

Des blocs séparés résistent aussi mieux aux éditions répétées. Un bloc sujet peut être réutilisé sur dix plans d'une même scène. Un bloc caméra peut être remplacé comme on change d'objectif. Un bloc durée peut être augmenté ou réduit sans réécrire l'action. Un prompt écrit en prose doit être réécrit de zéro à chaque fois ; un prompt écrit en blocs peut être comparé point par point.

Un dernier point à garder en tête : ces blocs n'ont pas la même puissance. Les modifications du sujet et de l'action sont généralement visibles et intuitives. Ce sont les modifications de la formulation de la caméra et de la durée qui sont à l'origine de la plupart des résultats inattendus, et dans les deux sens — une préposition peut inverser le cadrage, une modification de durée peut supprimer silencieusement votre dernier temps fort. Répartissez votre attention en conséquence, en réservant à la caméra et à la durée des emplacements ajustables au lieu de les enfouir dans des adjectifs.

Tout ce qui suit repose sur cette structure. Une recette n'est rien d'autre qu'un ensemble de blocs bien structurés, prêts à être copiés et édités.

De quoi est faite une recette à copier directement

Une recette est un modèle de prompt avec des emplacements étiquetés. Copiez-la, remplissez les emplacements, envoyez-la, et vous obtenez un résultat comparable à la version suivante, parce que la structure n'a jamais changé.

Prenez le squelette ci-dessous comme base de chaque expérience :

SUBJECT: <qui/quoi, avec 2–3 détails identifiants>
ACTION: <temps fort 1> -> <temps fort 2> -> <temps fort 3>
SCENE: <lieu>, <heure du jour>, <source de lumière>, <activité d'arrière-plan>
CAMERA: <position>, <mouvement>, <allure>
DURATION: <durée visée>
RESOLUTION: <palier pour cette passe>

Deux règles rendent ce modèle réellement utile plutôt que purement formel.

Séparez les emplacements qui varient de ceux qui restent fixes

Dans un projet typique, SUBJECT et SCENE constituent votre base stable — vous filmez le même personnage, le même lieu, sur de nombreux plans. ACTION, CAMERA, DURATION et RESOLUTION sont les variables propres à chaque plan. Marquez-les mentalement comme « fixe » et « flottant », et ne touchez qu'aux flottants lors des expériences. Si un résultat vous surprend alors que vous avez aussi modifié la description du sujet cette fois-là, vous avez gaspillé un test.

Écrivez ACTION sous forme de temps forts, pas d'adjectifs

Une liste de temps forts vous donne quelque chose à dénombrer face à la durée. walks in -> sets down a box -> looks up compte trois temps forts ; si le plan revient avec seulement deux d'entre eux, vous savez que ce plan est trop chargé ou que la durée est trop courte. a busy, dynamic scene ne permet de vérifier rien du tout. Les adjectifs appartiennent au rythme de SCENE et de CAMERA ; ils décrivent une texture, pas un ordre.

Conservez les étiquettes dans le prompt

Ces étiquettes en majuscules servent autant au modèle qu'à votre propre tenue de comptes. Elles rendent les différences plus lisibles dans un journal de modifications, font ressortir d'un coup d'œil les champs manquants, et empêchent le prompt de dégénérer en prose au fil des révisions. Si le modèle gère bien les fragments étiquetés, gardez-les ; s'il préfère des phrases fluides, retirez les étiquettes lors de la dernière passe, mais conservez-les dans vos notes pour garder celles-ci structurées.

Un exemple entièrement rempli :

SUBJECT: ceramicist in her 40s, clay-dusted apron, hair tied back
ACTION: lifts a wet bowl off the wheel -> turns it to inspect -> sets it on the shelf
SCENE: small studio, late afternoon, single window light from the left, dust in the air
CAMERA: medium close-up at wheel height, slow push in, unhurried pace
DURATION: short pass
RESOLUTION: draft tier

Voilà tout le format. Chaque recette qui suit n'est que ce squelette avec un emplacement donné comme objet du test.

Recette : contrôler la durée

La durée n'est pas un curseur qui étire une scène. Elle change ce qu'une scène peut contenir. Un plan court est une action ; un plan plus long est une séquence avec un début, un milieu et une fin, et si vous n'écrivez pas cette séquence, le modèle inventera du remplissage ou supprimera un temps fort.

Faites donc correspondre ACTION à la durée demandée, et écrivez la durée explicitement au lieu de laisser la valeur par défaut.

Recette pour plan court (une action claire)

SUBJECT: <bloc sujet cohérent>
ACTION: single continuous gesture — <la seule chose qui se produit>
SCENE: <bloc scène stable>
CAMERA: <position fixe, mouvement minimal>
DURATION: brief clip, one action beat
RESOLUTION: <palier de test actuel>

Le plan court récompense la retenue. Une action, une idée de caméra, pas de sous-intrigue en arrière-plan. Si le sujet doit entrer dans le cadre, cette entrée est l'action ; n'exigez pas en plus un demi-tour et un geste.

Recette pour plan plus long (temps forts ordonnés)

SUBJECT: <bloc sujet cohérent>
ACTION: beat 1 -> beat 2 -> beat 3 (dans cet ordre)
SCENE: <bloc scène stable, plus tout changement au fil du temps>
CAMERA: <mouvement qui soutient les temps forts>
DURATION: extended clip, three beats
RESOLUTION: <palier de test actuel>

Un plan plus long exige un ordre explicite et un nombre limité de temps forts. Pour un plan-séquence continu, trois temps forts constituent un objectif raisonnable ; si vous en avez besoin de cinq, demandez-vous d'abord si vous ne décrivez pas en réalité deux plans. Décidez aussi quel temps fort mérite de prendre le temps supplémentaire — généralement celui du milieu, car le premier sert à installer et le dernier à conclure.

Comment la formulation de la durée influe sur le rythme

Deux observations pratiques tirées de l'exécution de ces recettes :

• Les mots qui décrivent le rythme comptent autant que la longueur elle-même. unhurried, continuous, in one take et quickly modifient la répartition d'une même liste de temps forts dans le plan. La même liste de trois temps forts, étiquetée unhurried ou quickly, donne deux plans différents, et non deux longueurs différentes.
• Quand un temps fort manque, allongez d'abord la durée avant d'envisager de couper l'action. Si votre dernier temps fort est toujours tronqué, le remède habituel consiste à lui donner plus d'espace plutôt qu'à réduire le nombre de temps forts — à condition que les trois soient indispensables.

Gardez la durée fixe pendant que vous testez autre chose

C'est cette discipline qui rend les recettes utiles. La durée modifie le rythme, le rythme modifie la perception du mouvement de caméra, et la caméra influence la façon dont l'action semble se dérouler. Si vous laissez la durée flotter pendant que vous testez la caméra, vous ferez des erreurs d'attribution. Verrouillez-la, notez-la, et ne touchez qu'ensuite à l'emplacement suivant.

La même logique s'applique à la résolution, sujet de la recette suivante.

Recette : choisir le palier de résolution

La résolution est d'abord une décision de coût et de vitesse d'itération, et seulement ensuite une décision de qualité d'image. Le prompt ne change pas beaucoup d'un palier à l'autre ; ce qui change, c'est le nombre d'essais que vous pouvez vous permettre et la rapidité avec laquelle vous voyez si une idée de prompt tient la route.

Raisonnez en deux paliers : un palier brouillon pour l'exploration et un palier final pour la livraison. Les valeurs concrètes figurent dans la documentation des paramètres du modèle — l'important ici est le flux de travail, pas les chiffres.

Recette pour le palier brouillon

SUBJECT: <bloc sujet>
ACTION: <liste de temps forts>
SCENE: <bloc scène>
CAMERA: <bloc caméra>
DURATION: <durée de test courte>
RESOLUTION: draft tier

Une passe brouillon répond aux questions de composition : le sujet est-il reconnaissable ? le mouvement de caméra est-il lisible ? tous les temps forts sont-ils présents ? À bas palier, vous pouvez produire plusieurs variantes dans le temps nécessaire à un rendu final, ce dont vous avez le plus besoin tant que le prompt évolue encore.

Recette pour le palier final

SUBJECT: <bloc sujet verrouillé>
ACTION: <liste de temps forts verrouillée>
SCENE: <bloc scène verrouillé>
CAMERA: <bloc caméra verrouillé>
DURATION: <durée de livraison>
RESOLUTION: final tier

Notez le mot verrouillé. Passer au palier final, c'est promouvoir un prompt déjà validé, pas mener une nouvelle expérience. Ne changez rien d'autre que la résolution et la durée ; si la composition du rendu final diffère de celle de votre brouillon, vous apprenez que quelque chose dans le prompt est sensible à la résolution, ce qui mérite d'être noté.

Choisir le palier selon le cas d'usage

• Exploration et revue interne — palier brouillon. Vous vérifiez la structure, pas le raffinement.
• Contrôle de non-régression des prompts — palier brouillon. Assez peu coûteux pour être exécuté à chaque modification.
• Livraison client ou intégration — palier final, et seulement une fois que le brouillon correspond à l'intention.
• Arrière-plans ou éléments fortement recadrés dans une composition — si l'élément n'occupe qu'une petite partie de l'image, le palier brouillon peut suffire.

Pourquoi tester d'abord en bas palier fait en réalité gagner du temps

Le mode d'échec coûteux en text-to-video, c'est de rendre un mauvais plan en belle qualité et en haute définition. Chaque minute passée à peaufiner une composition qui sera jetée est perdue, et cette perte est multipliée à un palier supérieur, car les essais sont plus lents. L'itération en palier brouillon place en amont les décisions bon marché — clarté du sujet, nombre de temps forts, direction de caméra — et réserve les paliers coûteux à la confirmation.

Une mise en garde : n'utilisez pas pour le brouillon un palier trop bas pour juger des détails fins. Si votre plan dépend d'un petit accessoire ou d'une expression du visage, ce détail ne sera peut-être évaluable qu'à un palier supérieur, et ce type de vérification spécifique justifie de monter plus tôt en palier.

Recette : la formulation de caméra qui change réellement le plan

S'il ne fallait retenir qu'une chose de ce guide, ce serait celle-ci : la formulation de la caméra influence le résultat presque plus que n'importe quel adjectif que vous pourriez ajouter au sujet. Deux prompts dont le sujet, l'action et la scène sont identiques et dont seul le bloc caméra diffère sont deux plans différents. Deux prompts qui ne diffèrent que par une série d'adjectifs d'ambiance restent souvent le même plan.

Le bloc caméra est donc l'emplacement à plus fort levier — et celui qui mérite le plus d'être testé un seul groupe de mots à la fois.

Modèles de mouvement

CAMERA: static, locked off
CAMERA: slow push in
CAMERA: slow pull out
CAMERA: lateral tracking left to right
CAMERA: handheld follow behind the subject
CAMERA: orbit around the subject, quarter turn

Chacune de ces lignes est un bloc caméra complet et directement copiable. Elles sont volontairement courtes. Une longue phrase de caméra contient souvent deux instructions concurrentes (push in while orbiting), et lorsqu'elles entrent en conflit, la sortie choisit l'une des deux de façon semi-aléatoire.

Modèles d'angle

CAMERA: eye level, medium shot
CAMERA: low angle, close on hands
CAMERA: high angle, wide, subject small in frame
CAMERA: over-the-shoulder from behind the subject

L'angle, c'est précisément l'intention de cadrage. « Close on hands » et « subject small in frame » ne sont pas des ambiances — ce sont des décisions sur ce que le spectateur peut voir, et elles changent bien davantage le plan que cinematic.

Modèles de rythme

CAMERA: unhurried, deliberate movement
CAMERA: brisk, follows the action closely
CAMERA: settles and holds on the final beat

Le rythme appartient au bloc caméra, pas au bloc action. Il décrit la façon dont le plan se comporte, et c'est le moyen le plus propre de faire paraître un plan long maîtrisé plutôt qu'erratique.

Ne remplacez qu'un groupe de mots à la fois

La méthode pour rendre la formulation de caméra lisible :

1. Écrivez un prompt de base en fixant le sujet, l'action, la scène et la durée.
2. Exécutez ce prompt de base avec CAMERA: static, locked off.
3. Ne modifiez que la ligne caméra — un seul remplacement par exécution.
4. Conservez le plan de chaque exécution et étiquetez-le avec la formulation de caméra utilisée.

Après quatre ou cinq exécutions, vous disposez d'un manuel de formulations personnel : vous savez ce que slow push in fait à votre sujet, dans votre scène, ce qui vaut bien plus que n'importe quelle liste générique. Faites-le une fois par projet, et ce manuel vous servira pour chaque plan ensuite.

Deux modes d'échec

• Empiler les instructions. Écrire push in, then orbit, then pull out dans un plan court revient à demander trois mouvements de caméra que la durée ne peut contenir. Un seul mouvement par plan.
• Substituer un adjectif. Remplacer un mouvement de caméra par un mot d'ambiance (dramatic, dynamic, epic) ne spécifie aucun plan. Si rien dans le bloc caméra n'indique où est la caméra ni ce qu'elle fait, vous laissez vide l'emplacement le plus important.

Intégrer et comparer des sorties réelles

Une recette n'est utile que si vous pouvez juger si la version B vaut mieux que la version A. Cela exige un banc d'essai — une routine petite et ennuyeuse qui produit et aligne les sorties pour que la comparaison soit mécanique plutôt qu'intuitive.

Vous n'avez pas besoin d'outils, vous avez besoin de discipline et d'un dossier.

Le banc d'essai, en cinq étapes

1. Figez tout ce que vous ne testez pas. Écrivez un baseline.md contenant les blocs sujet, action, scène et durée maintenus constants dans cette expérience. Chaque exécution du lot copie ces blocs mot pour mot.
2. Désignez la variable. Ne modifiez qu'un seul emplacement par exécution. Si vous testez la formulation de caméra, la seule ligne qui diffère entre les fichiers est celle de la caméra.
3. Générez le lot. Toutes les variantes sont exécutées au même palier brouillon et avec la même durée, pour que la comparaison soit équitable.
4. Alignez-les. Lisez les plans à la suite dans le même ordre à chaque fois, ou disposez-les côte à côte dans une grille simple. L'ordre compte — l'œil compare plus facilement quand la position reste stable d'une visionnage à l'autre.
5. Notez une conclusion pour chaque variante. Une phrase par variante : ce qui a changé, si c'était le changement voulu, et si vous le conservez.

Ce qu'il faut observer lors de la comparaison

• Complétude des temps forts — tous les temps forts de la liste d'actions apparaissent-ils dans l'ordre ?
• Lisibilité de la caméra — un spectateur sans explication peut-il décrire le mouvement de caméra ?
• Cohérence du sujet — d'une exécution à l'autre, le sujet reste-t-il reconnaissable comme le même bloc sujet ?
• Modifications non intentionnelles — remplacer la formulation de caméra a-t-il modifié la scène en silence ? C'est le signe d'une fuite entre blocs.

Cette dernière vérification est la vraie récompense du banc d'essai. Quand les blocs sont propres, modifier un emplacement ne change qu'une chose. Quand ils fuient, vous obtenez de la diaphonie que vous ne remarqueriez jamais sur une seule lecture — et c'est précisément cette diaphonie qui fait ressembler l'itération de prompts à un jeu de hasard.

Gardez le banc d'essai à petite échelle

Quatre à cinq variantes suffisent pour prendre une décision. Des lots plus gros diluent l'attention et vous incitent à survoler. Si le premier lot ne conclut pas, la réponse est généralement que la variable choisie est trop subtile, et non qu'il vous faut vingt exécutions de plus.

Enfin, reversez les conclusions dans vos fichiers de recettes. Une formulation de caméra gagnante mérite d'être promue dans le modèle de base, pour que vous n'ayez pas à la redécouvrir sans cesse.

Un flux de travail d'itération de prompts reproductible

Voici la boucle complète, assemblée à partir des recettes précédentes. Elle est volontairement peu glamour, et c'est précisément elle qui détermine si votre bibliothèque de prompts progresse continuellement ou dérive peu à peu.

Étape 1 — rédiger les blocs

Remplissez le modèle une fois : sujet, temps forts de l'action, scène, caméra, durée, résolution. Ne peaufinez pas. La première version existe pour être modifiée.

Étape 2 — exécuter à bas coût et sur courte durée

Générez au palier brouillon avec une durée courte. Vous achetez de l'information sur la composition, le nombre de temps forts et la lisibilité de la caméra — rien de plus. Lancez deux ou trois variantes, chacune ne différant que par un emplacement flottant.

Étape 3 — choisir la gagnante et la verrouiller

Quand une variante produit l'effet voulu, copiez son texte exact dans un fichier locked/. Verrouiller signifie que vous n'éditez plus ce fichier ; les expériences suivantes en dérivent au lieu de le modifier sur place. Cette petite habitude prévient la dégradation la plus courante : perdre une bonne version à force de micro-ajustements en place.

Étape 4 — promouvoir vers les réglages finaux

Changez uniquement la durée et la résolution vers les valeurs de livraison, puis lancez le rendu. Si le résultat final diffère de façon significative du brouillon, notez cette différence — cela indique que le prompt est sensible à la résolution ou à la durée, et vous voulez savoir quels emplacements sont fragiles avant le projet suivant.

Étape 5 — tout consigner

Une ligne par exécution. Le journal est ce qui donne à ce flux de travail son effet cumulatif. Champs minimaux :

id: shot03_v2
template: studio-ceramics
variable_tested: camera
prompt: <texte complet du prompt, verbatim>
duration: <valeur utilisée>
resolution: <palier utilisé>
verdict: <une phrase — ce qui a changé, garder ou abandonner>
artifact: <chemin du plan>

Trois règles rendent le journal fiable. Ne consignez que le texte verbatim du prompt — une reformulation ne permet pas de reproduire. Une seule variable par entrée — sinon le journal ne peut pas répondre à « pourquoi cela a-t-il marché ? ». Chaque entrée porte le chemin du plan — une conclusion sans artefact n'est qu'une opinion.

Étape 6 — distiller en manuel de formulations

Tous les quelques projets, relisez le journal et extrayez ce qui gagne de façon répétée — formulations de caméra, formes de listes de temps forts, blocs de scène — dans un fichier de manuel partagé. Le manuel est votre connaissance réutilisable ; le journal en est la preuve.

Pourquoi l'ordre compte

Itérer à bas coût d'abord, puis verrouiller, puis promouvoir, puis consigner : chaque étape dépend de la discipline de la précédente. Sans verrouillage, la promotion teste une cible mouvante. Sans consignation, le verrouillage n'a pas de fondement. Sans brouillons bon marché, vous ne pouvez pas vous offrir assez d'exécutions pour produire quoi que ce soit qui mérite d'être verrouillé.

Exécutez cette boucle sur le text-to-video MiniMax H3 Max via l'API unifiée de HiAPI.ai, et conservez le texte des prompts et les valeurs des paramètres dans votre propre dépôt, pour que chaque succès reste reproductible.