Промпты MiniMax H3 Max для видео из изображения: готовые к копированию решения и реальные результаты

MiniMax H3 Max — это видеомодель, которая анимирует статичное изображение в короткий клип и синхронно генерирует фоновую звуковую дорожку. Вы даёте ей конечный кадр, описываете движение камеры, динамику и желаемый звук, и она рендерит 5–15-секундный фрагмент, который в итоге приходит к этому кадру. Дополнительно можно передать начальный кадр, и модель интерполирует детерминированную морфинг-анимацию между началом и концом.

Это руководство содержит три готовых к копированию схемы промптов для маршрута видео из изображения, каждая с точным входным кадром, полным промптом и реальным фрагментом, который мы с ними отрендерили — здесь нет никакой симуляции. Каждый промпт и изображение ниже написаны и сгенерированы нами на hiapi, и вы можете напрямую использовать их структуру.

Как на самом деле работает видео из изображения в MiniMax H3 Max

Это вызов асинхронной задачи. Вы отправляете POST-запрос на https://api.hiapi.ai/v1/tasks, опрашиваете возвращённый taskId, пока статус не станет success, затем скачиваете видео по выходному URL (ссылка имеет ограничение по времени, поэтому сохраняйте файл сразу).

Что может запутать: в маршруте видео из изображения last_frame_image — обязательное поле — это кадр, к которому в итоге приходит фрагмент. first_frame_image необязателен, когда вы хотите полностью контролировать начало и конец, можно зафиксировать начальный кадр. Перед написанием промпта стоит знать ещё несколько правил:

• Кадр изображения определяет соотношение сторон. Когда вы передаёте кадр изображения, не отправляйте также aspect_ratio — API отклонит одновременную передачу обоих. Обрежьте входное изображение до нужной формы видео.
• resolution может быть 480P, 768P или 1080P. duration — целое число секунд от 5 до 15.
• Аудио управляется промптом. Опишите окружающие звуки («soft rain on glass, distant city hum»), и модель добавит соответствующую дорожку; если не нужно диалогов, скажите «no speech».

Минимальное тело запроса выглядит так:

{
  "model": "minimax-h3-max/image-to-video",
  "input": {
    "prompt": "Slow push-in toward the sign; neon reflections ripple on wet pavement. Ambient rain, no speech.",
    "last_frame_image": "https://your-cdn.example.com/ending-frame.jpg",
    "resolution": "480P",
    "duration": 5
  }
}

Когда вы также хотите контролировать начальный кадр, добавьте "first_frame_image": "https://.../start.jpg" (схема 3). Всё остальное ниже — о том, как писать prompt, чтобы движение, композиция и звук действительно читались.

Схема 1 — кинематографичное раскрытие из одного ключевого кадра

Используйте эту схему, когда у вас есть «ударный кадр» и вы хотите, чтобы камера пришла к нему. Вы предоставляете только конечный кадр и позволяете промпту срежиссировать движение к нему.

Входной кадр (используется как last_frame_image):

Отрендеренный фрагмент (768P, 5 секунд):

Промпт (готовый к копированию):

Начните снизу, в нескольких дюймах над зеркально-чёрным бассейном, затем скользите вперёд и поднимайтесь вверх, переходя в медленное широкое круговое раскрытие: в синий час стеклянный павильон парит над штормовым морем. Динамичная кристаллическая скульптура раскрывается плавной спиралью, преломляя тёплый янтарный свет сквозь холодный бирюзовый туман; дождь оставляет полосы на стекле, далёкая молния мерцает на горизонте. Физически точные отражения и преломление, объёмный свет, контролируемое естественное движение, стабильная геометрия, бесшовная временная согласованность, премиальное коммерческое качество, тонкая плёночная зернистость, без людей, без логотипов, без текста, без склеек, без мерцания. Фоновый звук: низкий гул волн, тихий стук дождя по стеклу, лёгкий резонанс кристалла, без диалогов.

Почему это работает:

• Одно непрерывное описание кадра. «Начните снизу… скользите вперёд… поднимайтесь вверх, переходя в медленное широкое круговое раскрытие» даёт модели единый, однозначный путь, а не конкурирующие движения.
• Конечный кадр — это якорь, поэтому промпту нужно описать только путешествие к нему — скульптура может «раскрываться», именно это создаёт видимое движение между начальным состоянием, которое придумывает модель, и предоставленным вами кадром.
• Компактный негативный список («без склеек, без мерцания, без текста») предотвращает деградацию роскошного качества 768P в монтаж.
• Рендерьте в 768P, потому что это ключевой кадр; обложка этой статьи — кадр, вырезанный прямо из него.

Схема 2 — атмосферный наезд камеры с фоновым звуком

Повседневная рабочая схема: медленный наезд камеры, оживляющий статичную сцену, где звуковая дорожка так же важна, как и движение. Здесь также нужен только конечный кадр.

Входной кадр (используется как last_frame_image):

Отрендеренный фрагмент (480P, 5 секунд):

Промпт (готовый к копированию):

Полночь, медленный, устойчивый наезд камеры вперёд по залитому дождём неоновому переулку, лужи под ногами покрываются рябью, камера плавно дрейфует к вывеске раменной, светящейся бирюзовым и пурпурным. Пар поднимается из уличных вентиляционных отверстий, бумажные фонарики мягко покачиваются, неоновые отражения мерцают на мокром асфальте. Кинематографичная цветокоррекция в бирюзово-оранжевых тонах, малая глубина резкости, лёгкая дымка, реалистичная фактура 35 мм, контролируемое движение, стабильная геометрия, без людей, без читаемого текста, без склеек. Фоновый звук: ровный шум дождя, далёкий городской гул, приглушённое шипение пара, без диалогов.

Почему это работает:

• Одно медленное движение + множество мелких движений. Камера делает только одно (наезжает вперёд), а покрывающиеся рябью лужи, поднимающийся пар и покачивающиеся фонарики обеспечивают микродвижение, создавая реалистичность без дрейфа изображения.
• Описание аудио здесь действительно важно. «Ровный шум дождя, далёкий городской гул, приглушённое шипение пара» — именно это превращает рендер мокрой улицы в место. Это самое большое улучшение по сравнению с графическими моделями.
• 480P — подходящее значение по умолчанию при итерациях — при $0.072/сек 5-секундный тест стоит около 36 центов, так что вы можете недорого корректировать формулировки, прежде чем решить рендерить в 768P или 1080P.

Схема 3 — интерполяция первого + последнего кадра (фирменный контроль)

Именно это отличает H3 Max от моделей «оживите моё фото»: дайте ей одновременно первый и последний кадры, и она отрендерит контролируемый морфинг между ними. Идеально для трансформаций «до/после», где нужны точное начало и точный конец.

Мы сгенерировали начальный кадр, а затем отредактировали тот же кадр в его состояние «после», сохранив композицию, свет и фон полностью идентичными — изменился только субъект.

Первый кадр (first_frame_image) → последний кадр (last_frame_image):

Отрендеренный фрагмент (480P, 5 секунд):

Промпт (готовый к копированию):

Макро-таймлапс раскрывающейся на рассвете магнолии: покрытые росой лепестки медленно разворачиваются из плотного бутона в полностью раскрытый цветок, обнажая бледный центр тычинок, мягкий утренний контровой свет согревает всю сцену, ветка почти незаметно покачивается на лёгком ветру. Композиция и фон остаются неизменными на протяжении всего времени, реалистичные детали растения, плавное непрерывное движение, стабильный фокус, без людей, без текста, без склеек. Фоновый звук: мягкое рассветное пение птиц, ветер в листьях, без диалогов.

Почему это работает:

• Два кадра = детерминированные конечные точки. Вам не нужно надеяться, что модель придёт к разумному положению; вы явно сказали ей, где начать и где остановиться. Промпту нужно описать только как двигаться между ними («медленно разворачиваются… плавное непрерывное движение»).
• Согласованность кадров. Поскольку наш последний кадр — это отредактированная версия первого (та же ветка, угол, свет), интерполяция выглядит как распускающийся цветок, а не как склейка между двумя фотографиями. Несовпадающие кадры создают резкий морфинг.
• «Композиция и фон остаются неизменными на протяжении всего времени» говорит модели, что единственное, что может меняться, — это цветок — это предотвращает дрейф камеры.

Ключевые моменты тонкой настройки

• Пишите кадр, а не подпись. Записывайте движение камеры, движение субъекта, свет и звук по порядку. Подпись («распускающийся цветок») не даёт модели ничего, что можно анимировать.
• Бюджетируйте по разрешению, итерируйте в 480P. Формулировки промпта редко требуют выше 480P для оценки; зафиксировав формулировку, перерендерите финал в 768P или 1080P.
• При настройке держите длительность 5 секунд. Более длинные фрагменты стоят линейно дороже и дают движению больше пространства для дрейфа. Расширяйтесь до 10–15 секунд только когда движение и аудио читаются правильно.
• Не боритесь с соотношением сторон. Обрежьте входной кадр до 16:9, 9:16 или 1:1 до загрузки; фрагмент унаследует эту форму, а отправка aspect_ratio вместе с кадром изображения вызовет ошибку.
• Негативные промпты важны для изысканности. «Без склеек, без мерцания, без текста, без людей» надёжно удаляет артефакты, из-за которых AI-видео выглядит как AI.

Цены

Видео из изображения MiniMax H3 Max тарифицируется по запрошенным секундам видео, с разбивкой по разрешению (по состоянию на 2026-10):

Разрешение	Цена за секунду	5-секундный фрагмент
480P	$0.072	$0.36
768P	$0.115	$0.575
1080P	$0.229	$1.145

Таким образом, три фрагмента в этом руководстве — один 768P и два 480P, все по 5 секунд — в сумме стоят около $1.30 за видео. Перед бюджетированием массовых задач смотрите актуальные цифры на странице цен hiapi; именно ставка за секунду — это то, что меняется.

Часто задаваемые вопросы

Обязательно ли предоставлять оба кадра? Нет. В маршруте видео из изображения last_frame_image обязателен, first_frame_image необязателен. Только последний кадр (схемы 1 и 2) подходит для «прибытия в этот кадр», а когда нужен контролируемый морфинг от начала до конца (схема 3), используются оба кадра.

Какие разрешения и длительности поддерживаются? resolution — 480P, 768P или 1080P; duration — целое число секунд от 5 до 15.

Генерирует ли она звук? Да — опишите фоновые звуки в промпте, и модель добавит соответствующую дорожку. Добавьте «no speech», чтобы сохранить отсутствие диалогов. Все три фрагмента здесь имеют свои фоновые дорожки.

Как задать соотношение сторон? Оно определяется входным кадром. Обрежьте кадр до нужной формы; не отправляйте поле aspect_ratio одновременно с кадром изображения.

Я хочу только текст в видео, без входного изображения. Используйте вместо этого маршрут MiniMax H3 Max текст в видео — та же дисциплина промптов, кадры не нужны. Если вы сравниваете H3 Max с другими видео-API, наше сравнение Seedance 2.5 и 2.0 расскажет, как выбирать видеомодели с оплатой по секундам.

Начните генерировать

Возьмите ключевой кадр, опишите его как кадр с движением камеры и описанием аудио, затем отправьте в API MiniMax H3 Max видео из изображения. Начните с 480P, чтобы настроить формулировки, затем перерендерите финал в более высоком разрешении. Полные детали запроса и опроса см. в документации hiapi.