MiniMax H3 storyboard de scène : exemple de conversion du texte à l'image

Démontre la capacité de référence multimodale de MiniMax H3 à travers une conversion en deux étapes « texte → image conceptuelle → clip dynamique ». L'œuvre établit d'abord la composition, les couleurs et le personnage à l'aide d'une image de storyboard conceptuelle, puis envoie cette image comme matériau de référence à H3 pour générer un court métrage horizontal en 2K, validant ainsi l'effet de contrainte de l'image de référence sur le style visuel et la cohérence du sujet. Au niveau du schéma, la branche « génération vidéo par référence multimodale » est délibérément empruntée : image_urls porte l'image conceptuelle, prompt décrit le langage cinématographique et le rythme, sans utiliser le contrôle par images de première et dernière frame first_frame_image/last_frame_image, afin d'éviter tout conflit avec les champs de média de référence. duration est fixé à 6 secondes, aspect_ratio figé à 16:9, resolution utilise l'unique valeur actuellement disponible, 2K, et watermark reste désactivé. Cas d'usage : maquettage de storyboards pour vidéos courtes et publicités, animation d'illustrations, prévisualisation par lots de plans nécessitant une cohérence de personnage ou de style, ainsi que réutilisation du pipeline de génération vidéo à poids ouverts dans des workflows locaux tels que ComfyUI. Les développeurs peuvent considérer cette entrée comme l'échantillon minimal exécutable de la combinaison d'entrées « image conceptuelle → vidéo de référence » ; il suffit de remplacer l'image de référence dans image_urls pour reproduire une composition similaire.