MiniMax H3 storyboard de cena: exemplo de transformação de texto em imagem

Demonstra a capacidade de referência multimodal do MiniMax H3 por meio de uma transformação em dois estágios: «texto → imagem conceitual → clipe dinâmico». A obra primeiro estabelece composição, cores e personagens com uma imagem conceitual de storyboard, depois envia essa imagem como material de referência ao H3 para gerar um curta-metragem horizontal em 2K, verificando o efeito de restrição da imagem de referência sobre o estilo visual e a consistência do sujeito. No nível do Schema, opta-se deliberadamente pelo ramo «geração de vídeo com referência multimodal»: image_urls carrega a imagem conceitual, prompt descreve a linguagem de câmera e o ritmo, sem usar o controle de primeiro/último quadro first_frame_image/last_frame_image, evitando conflito com os campos de mídia de referência. duration é definido como 6 segundos, aspect_ratio fixado em 16:9, resolution usa o único valor atualmente disponível, 2K, e watermark permanece desativado. Cenários de aplicação: criação de storyboards para vídeos curtos e publicidade, animação de ilustrações, pré-visualização em lote de planos que exigem consistência de personagem ou estilo, e reutilização de pipelines de geração de vídeo com pesos abertos em fluxos de trabalho locais como o ComfyUI. Desenvolvedores podem encarar este item como o exemplo mínimo executável da combinação de entradas «imagem conceitual → vídeo de referência»; basta substituir a imagem de referência em image_urls para reproduzir composições semelhantes.