Nilichapisha makala hii kwa haraka baada ya kujaribu ili kupata umaarufu kupitia mada ya Minimax H3. Nilikosea, sikupaswa kuandika makala isiyo na kina kwa uzembe hivi. Muundo wa vidokezo vya Minimax H3 una mahitaji maalum; huwezi kuandika vidokezo kwa kufuata fikra za kawaida. Kwa hiyo nilisoma kwa makini mwongozo rasmi wa vidokezo na kuandika mafunzo haya.
>
Makala inaanza
>
Watu wengi wanapoandika vidokezo vya video, huzoea kuweka wahusika, mandhari, vitendo, kamera na mtindo wote katika aya moja: msichana ameketi kwenye mkahawa, mbwa anarukia biskuti iliyo mkononi mwake, tukio lina hali ya uchangamfu na ucheshi, mwonekano wa sinema, kamera inasogea mbele...
Mtindo huu si kwamba hauwezi kutumika kabisa, lakini unapopakia kwa wakati mmoja picha ya mhusika, picha ya mandhari, video ya kitendo na rejeleo la sauti, modeli inaweza kuchanganyikiwa kwa urahisi:
Ni picha ipi inayohusika na mwonekano wa mhusika; ni ipi inayohusika na mandhari; ni sehemu ipi ya video inayorejelea kitendo pekee; ni sehemu ipi ya sauti inayopaswa kuhifadhiwa kama ilivyo; ni vipengele vipi lazima vibaki thabiti; na ni vipengele vipi vinaweza kubadilishwa
Katika hali ya marejeleo kamili ya Seedance2.0, suluhisho ni kutumia njia ya @nyenzo
Katika hali ya marejeleo kamili ya MiniMaxH3, suluhisho ni kuandika kidokezo kama mwongozo wa wazi wa utayarishaji wa video
Rasmi inahitaji kidokezo kamili kiwe na sehemu sita, na sehemu kuu iandikwe kwa Kiingereza; ni mazungumzo ya wahusika, mashairi ya nyimbo na maandishi yanayoonekana halisi kwenye fremu pekee yanayoweza kubaki katika lugha ya awali.
>I. Kwanza elewa kanuni kuu
>
Kidokezo cha hali ya marejeleo kamili hakijibu swali: Video hii inasimulia hadithi gani?
Bali kinajibu swali: Modeli inapaswa kuchukua maudhui gani kutoka kwenye nyenzo zipi, na kuyatumia katika muda gani wa video, kwenye picha ipi na sehemu gani?
Kwa hiyo, usiandike muhtasari wa hadithi pekee: msichana anakutana na mbwa kwenye mkahawa
Hili ndilo kosa nililofanya nilipokuwa nikijaribu kwa haraka; nilikuwa pia nimeandika makala isiyo na kina ili kupata umaarufu
Badala yake, andika picha inayoweza kutekelezwa na modeli:
Picha ya kati, msichana ameketi kwenye sofa ya chungwa upande wa kulia wa fremu, akiwa ameshikilia biskuti kwa mkono wa kulia. Mwanamume kijana anaingia kutoka upande wa kushoto wa fremu, akimshika kwa kamba mbwa mweupe wa Samoyed. Mbwa anakaribia ghafla biskuti, kamba inavutika na kunyooka, huku msichana akirudisha mkono wake nyuma kwa haraka.
Ya kwanza ni hadithi; ya pili ndiyo kidokezo cha video
Maelezo yanayofaa ya picha yanapaswa angalau kueleza: ukubwa wa picha na mpangilio + mwonekano na mahali pa mhusika + mazingira na mwanga + kitendo kimoja + mabadiliko ya hali + mwendo wa kamera + sauti na mazungumzo
Kwa kweli, muundo huu hautofautiani sana na muundo wa vidokezo vya miundo mingi ya video; ni muundo wa jumla
Hata hivyo, mwongozo rasmi wa Hailuo unakumbusha hasa:
>
detailed_description haipaswi kupunguzwa kuwa muhtasari wa hadithi au jedwali rahisi la kuoanisha nyenzo za marejeleo; inapaswa kuandika wazi kile kinachoonekana na kusikika katika kila picha
>
>II. Sehemu sita za kidokezo kamili
>
Muundo wa kawaida wa hali ya marejeleo kamili ya MiniMaxH3 ni huu:
1, subject_definitions
Fafanua maudhui katika nyenzo za marejeleo yanayohitaji kutambuliwa na kufuatiliwa kando
2, summary Tumia aya fupi kueleza video inayotakiwa kuzalishwa na jukumu la kila nyenzo ya marejeleo
3, retention_analysis Iambie modeli ni vipengele vipi vya nyenzo za marejeleo lazima vihifadhiwe kikamilifu, vipi vihitaji kurejelewa kwa sehemu tu, na ni vipengele vipi vinapaswa kuhamishiwa kwa vitu vingine
4, detailed_description Sehemu muhimu zaidi; eleza kwa mpangilio wa uchezaji wa video, picha, vitendo, kamera, sauti na mazungumzo ya kila picha
5, overall_soundscape Eleza sauti za mazingira na sauti zinazoweza kusikika katika ulimwengu halisi, kama upepo, hatua na kelele ya ndani ya chumba
6, non_diegetic_music Eleza muziki wa mandharinyuma unaosikika na watazamaji pekee, ambao wahusika katika picha hawawezi kuusikia
Sehemu hizi sita lazima zipangwe kwa mpangilio maalum
>III. Jinsi ya kutumia aina nne za lebo
>
Ustadi muhimu zaidi katika hali ya marejeleo kamili ni kuweka lebo sahihi kwenye maudhui ya marejeleo
Rasmi imefafanua lebo nne:
<SubjectN>
<PictureN>
<VideoN>
<AudioN>
N huanza kuhesabiwa kutoka 1
<SubjectN>: Maudhui yanayopaswa kuonekana kwenye video
Subject si “faili”, bali ni kipengele cha kuona kinachotolewa kutoka kwenye faili na kinachohitaji kutumiwa katika video iliyokamilika. Kinaweza kuwa: mhusika; mnyama; kitu; mandhari; mavazi; kifaa; athari maalum; mtindo wa picha; kitendo; mwonekano wa uso au mkao
Kwa mfano, ikiwa umepakia picha ya mhusika wa pepo-mbwa-mwitu mdogo, unapaswa kuandika kidokezo hivi:
<Subject1>is the young wolf demon in<Picture1>,with grey fur,drooping ears,worn brown clothes,and anervous expression.
Maana yake ni: Subject1 ni pepo-mbwa-mwitu kijana aliye katika Picture1, mwenye manyoya ya kijivu, masikio yaliyolegea, nguo za kahawia zilizochakaa na mwonekano wa wasiwasi
Picha moja inaweza kutoa Subjects kadhaa
Kwa mfano, picha ya mkahawa inaweza kutoa:
<Subject1>is the young woman in<Picture1>.
<Subject2>is the coffee-shop environment in<Picture1>.
Subject moja pia inaweza kutoka kwenye nyenzo nyingi kwa wakati mmoja:
<Subject1>is the woman whose appearance comes from<Picture1>and whose walking motion comes from<Video1>.
Maana yake ni: <Subject1> ni mwanamke ambaye mwonekano wake unatoka kwenye <Picture1> na mwendo wake wa kutembea unatoka kwenye <Video1>
Yaani: Picture1 inahusika na mwonekano wa mhusika; Video1 inahusika na mwendo wa kutembea wa mhusika
Hii ni mojawapo ya uwezo muhimu zaidi wa hali ya marejeleo kamili ya Minimax H3: kuunganisha sifa kutoka kwenye nyenzo tofauti na kuziweka kwa mhusika mmoja lengwa
<PictureN>: Nanga ya picha mahususi
Katika Minimax H3, si lazima kufafanua <PictureN> kando kwa sababu tu umepakia picha
Picha inapaswa kufafanuliwa kando kama Picture pale tu inapohusika na mojawapo ya majukumu yafuatayo:
Fremu ya kwanza ya video; fremu ya mwisho ya video; fremu muhimu; rejeleo la mpangilio wa kamera; picha ya storyboard; picha inayohitaji kuhaririwa moja kwa moja
Kwa mfano:
<Picture2>is the first frame of[Shot1],showing the wolf demon standing outside there cruitment hall.
Maana yake ni: <Picture2> ni fremu ya kwanza ya [Shot1], inayoonyesha pepo-mbwa-mwitu akiwa amesimama nje ya ukumbi wa uandikishaji
Ikiwa picha inatumika tu kubainisha mwonekano wa mhusika, si lazima kuandika mstari wa Picture kando; iandike tu katika ufafanuzi wa Subject:
<Subject1>is the wolf demon in<Picture1>.
Kosa linalotokea mara nyingi ni kupakia picha tano na kufafanua Picture tano kimazoea
Njia sahihi ni kujielewesha kwanza: Je, picha hii ni picha mahususi, au inatoa tu mhusika, mavazi, mandhari au mtindo?
Ikiwa inatoa sifa pekee, tumia Subject
Ikiwa inadhibiti moja kwa moja fremu fulani au mpangilio wa kamera wa picha fulani, tumia Picture
<VideoN>: Chanzo cha muundo wa video nzima
Video hutumika hasa kueleza uhusiano kati ya video nzima ya marejeleo na video lengwa, kwa mfano:
kuhariri video asili; kuendeleza video asili; kurejelea mwendo wa kamera wa video asili; kurejelea kasi ya uhariri; kurejelea mpangilio wa picha; kurejelea muundo wa muda wa video nzima
Kwa mfano:
<Video1>is the source video for the target video edit.
Maana yake ni: <Video1> ni video chanzi ya uhariri wa video lengwa
Hata hivyo, ikiwa unataka kutumia tu kitendo cha mtu fulani katika video ya marejeleo, mtu huyo au kitendo hicho bado kinapaswa kufafanuliwa kama Subject:
<Subject2>is the nervous hand-rubbing motion from<Video1>.
Maana yake ni: <Subject2> ni mwendo wa kusugua mikono kwa wasiwasi kutoka kwenye <Video1>
Usiandike maudhui yote ya video kama <Video1> kwa sababu tu chanzo cha nyenzo ni video
Unaweza kuielewa hivi: <VideoN> inasimamia muundo na uhusiano wa muda wa video nzima; <SubjectN> inasimamia maudhui mahususi ya video yanayohitaji kutolewa na kutumiwa
<AudioN>: Nyenzo za sauti
Audio inaweza kushughulikia:
kunakili sauti nzima kama ilivyo; kunakili sehemu yake; kurejelea timbre ya sauti ya mhusika; kurejelea kasi ya kuzungumza; kurejelea hisia na toni; kurejelea mtindo wa muziki; kurejelea ubora wa athari za sauti; kuendeleza mdundo wa sauti asili
Kwa mfano:
<Audio1>is the voice-timbre reference for<Subject1>(S1).
Maana yake ni kwamba Audio1 inahusika tu na timbre ya sauti ya Subject1
Angalizo: Video iliyopakiwa ikiwa na sauti haimaanishi kwamba lazima ufafanue Audio moja kwa moja
Fafanua <AudioN> pale tu sauti inahitaji kunakiliwa au kurejelewa
Pia, Video na Audio huhesabiwa kwa nambari huru; si lazima nambari zake zilingane moja kwa moja
>IV. Kwanza tambua kazi yako iko katika aina gani
>
Je, unahisi kwamba mafunzo haya yangekuwa bora bila kuyasoma, kwa sababu baada ya kuyamaliza unahisi kama umesahau kila kitu?
Kwa kweli ni rahisi
Mwanzoni mwa summary, unahitaji kutumia mabano ya mraba kuonyesha aina ya kazi
Kuna aina sita zinazotumika mara kwa mara
1, keyframe completion
Picha ya marejeleo inatumika moja kwa moja kama fremu ya kwanza, fremu ya mwisho au fremu muhimu
[keyframe completion]
2, reference generation
Kurejelea sifa za mhusika, mandhari, mtindo, kitendo, mwendo wa kamera au sauti
Bila kuhariri moja kwa moja au kuendeleza video asili
[reference generation]
Hii pia ndiyo aina inayotumiwa zaidi kwa uzalishaji wa kawaida unaotumia marejeleo ya nyenzo nyingi (modali nyingi)
3, video editing
Kuunda mabadiliko ya moja kwa moja kwenye video iliyopo
[video editing]
4, video continuation
Kuendelea kuzalisha kutoka mwisho wa video asili
[video continuation]
5, audio reuse
Kunakili moja kwa moja ishara ya sauti asili
[audio reuse]
6, audiore ference
Kutokunaki sauti asili, bali kurejelea timbre ya sauti, kasi, toni au mtindo wa muziki
[audio reference]
Kazi moja inaweza kuwa na aina nyingi kwa wakati mmoja:
[video continuation+keyframe completion+audio reference]
Usiandike video editing moja kwa moja kwa sababu tu umepakia video
Ikiwa unarejelea tu mwendo wa kamera au kasi ya video, kwa kawaida bado ni reference generation
Ni pale tu unapohariri moja kwa moja video asili ndipo inakuwa videoediting
Ni pale tu unapoendelea kutoka mwisho wa video asili ndipo inakuwa video continuation
>V. Jinsi ya kuiambia modeli “ni vitu gani haviwezi kubadilishwa”
>
Kazi ya retention_analysis ni kubainisha kiwango cha uhifadhi wa nyenzo za marejeo
Nyenzo za kuona hutumia mahusiano manne yafuatayo
1, fully_preserved
Kuhifadhi kikamilifu, kunafaa wakati: mhusika yuleyule lazima abaki; mavazi hayawezi kubadilishwa; mpangilio wa mandhari hauwezi kubadilishwa; fremu ya kwanza au ya mwisho lazima ilingane kikamilifu
<Subject1>:fully_preserved the character's grey fur,drooping ears,brown clothes,and facial identity areretained.
Maana yake ni kwamba: manyoya ya kijivu, masikio yanayolegea, nguo za kahawia na utambulisho wa uso wa mhusika katika <Subject1> vyote vinahifadhiwa
2, partially_preserved
Kuhifadhi sehemu fulani, lakini kuruhusu mabadiliko.
Kwa mfano: kuhifadhi utambulisho wa mhusika lakini kubadilisha mavazi; kuhifadhi muundo wa mandhari lakini kubadilisha wakati na mwanga; kuhifadhi mhusika wa kitendo lakini kubadilisha kasi
3, attribute_transfer
Kuhamisha sifa za marejeo kwa kitu kingine
Kwa mfano: kuhamisha vitendo vya mtu mzima katika video ya marejeo kwa kiumbe mdogo wa mbwa-mwitu; kuvaa mhusika mwingine mavazi kutoka kwenye picha ya marejeo; kuhamisha aina fulani ya mwonekano wa uso kwa mhusika lengwa
4, weak_reference
Kudumisha tu ufanano wa jumla, kunafaa wakati: unarejelea angahewa pekee; mtindo wa kisanii pekee; muundo wa jumla pekee; au mdundo wa kamera pekee
Ikiwa ulichopakia si video bali ni sauti, tumia:
fully_copy: kunakili kikamilifu;
partially_copy: kunakili sehemu ya maudhui;
reference: kurejelea tu timbre ya sauti, mdundo au mtindo;
weak_reference: kudumisha tu angahewa ya jumla
Sehemu hii si ya wewe kutathmini ubora wa uzalishaji, bali ni kuijulisha modeli mapema ni mahusiano gani ya marejeo yaliyo masharti thabiti na yapi ni marejeo dhaifu tu
>Sita, kinachoamua matokeo kwa kweli ni detailed_description
>
detailed_description ndiyo sehemu kuu ya prompt
Mapendekezo rasmi ni kuandika prompt ya takriban maneno 350 hadi 500 ya Kiingereza unapozalisha video, lakini usijaze maneno bila sababu; kwa video zenye mazungumzo mengi, hakikisha kwanza muda wa mazungumzo unatoshea kwa mantiki
Kwa kazi za kuhariri video, rekebisha kulingana na utata wa video asili
1, Anza kwa kubainisha mtindo wa jumla kwa sentensi moja au mbili
Maelezo ya mtindo yawekwe kabla ya fremu ya kwanza:
The target video uses a stylized 3D animated mockumentary style, with slightly exaggerated expressions, warm daylight, and dry absurdist comedy.
Maana yake ni: video lengwa inatumia mtindo wa mockumentary ya uhuishaji wa 3D ulioboreshwa kisanaa, wenye mionekano iliyotiwa chumvi kidogo, mwanga wa jua wenye joto na vichekesho vikavu vya kipuuzi
Usipange pamoja maneno mengi ya mitindo yanayokinzana, kama:
cinematic, anime, photorealistic, watercolor, clay animation, cyberpunk, Chinese ink painting
sinema, anime, uhalisia wa picha, rangi za maji, uhuishaji wa udongo, cyberpunk, uchoraji wa wino wa Kichina
Uandishi sahihi unapaswa kuwa:
A stylized 3D animated mockumentary with rough hand-painted textures and natural daylight.
Amua mtindo mkuu mmoja, kisha ongeza sifa moja au mbili za muundo; hiyo inatosha
2, Usiongeze muda kwenye fremu ya kwanza
[Shot1]
Onyesha muda wa mabadiliko kwenye fremu zinazofuata:
[Shot2]At 00:03.000,...
[Shot3]At 00:06.500,...
Muhuri wa muda unaonyesha ni wakati gani fremu mpya inaanza
3, Andika kila fremu kwa mpangilio maalum
Wanaoanza wanaweza kutumia mpangilio ufuatao ili kuepuka makosa kwa ufanisi:
Hatua ya kwanza: ukubwa wa picha na muundo
A medium shot shows...
A close-up frames...
A wide shot establishes...
Hatua ya pili: nafasi ya mhusika
<Subject 1> stands on the left side of the frame.
Hatua ya tatu: mwonekano wa mhusika
Mhusika anapoonekana kwa mara ya kwanza, rudia kwa ufupi sifa muhimu zaidi za kumtambua:
<Subject 1>, the grey-furred young wolf demon in worn brown clothes, ...
Katika fremu zinazofuata si lazima kufafanua kila kitu upya
Hatua ya nne: kitendo kimoja
He slowly hands the recommendation letter to the interviewer.
Usipange katika fremu fupi moja vitendo vingi kwa wakati mmoja: kuingia, kuketi, kutoa nyaraka, kugeuza kichwa, kuanguka, kusimama, kuzungumza, kufungua mlango na kuondoka, na kadhalika
Modeli haishindwi kutambua vitendo hivi, lakini huwa vigumu kupanga kwa usahihi mpangilio wa vitendo ndani ya sekunde chache
Njia thabiti zaidi ni kugawanya fremu. Hii pia ndiyo njia ya kawaida ya kutengeneza vitendo vingi katika modeli nyingine:
Fremu 1: kuingia chumbani;
Fremu 2: kuketi;
Fremu 3: kutoa barua ya mapendekezo;
Fremu 4: mhoji kuangalia chini.
Hatua ya tano: mabadiliko ya mwonekano wa uso na hali
Usiandike tu “mwenye wasiwasi”; eleza mabadiliko yanayoonekana:
His ears droop slightly, his shoulders tighten, and he avoids eye contact.
Hatua ya sita: mwendo wa kamera
The camera slowly pushes in.
The camera makes a slight handheld pan to the right.
The camera remains static.
Inapohitajika, eleza wazi kasi na kiwango cha mwendo; usipohitaji mwendo wa kamera, andika tu kwamba kamera imetulia
Hatua ya saba: sauti na mazungumzo
Eleza chanzo cha sauti, namna ya kuzungumza na maneno halisi ya mazungumzo
>Saba, muundo wa kawaida wa kuandika mazungumzo
>
Kila mtu anayetoa sauti halisi anahitaji nambari maalum ya mzungumzaji:
(S1)
(S2)
(S3)
Nambari huamuliwa kulingana na mpangilio ambao wahusika wanaanza kuzungumza kwa mara ya kwanza, na haiwezi kubadilishwa kiholela baadaye.
Kwa mfano:
<Subject 1> (S1) says in a nervous young male voice, <d>[Chinese] 我有三封推荐信，两封是我自己写的。</d>
Hapa:
<Subject1> inaonyesha mhusika wa marejeo aliye kwenye picha;
(S1) inaonyesha chanzo cha sauti;
[Chinese] inaonyesha lugha ya mazungumzo;
<d>...</d> hufunga mazungumzo yote.
Mhusika huyo huyo anapoendelea kuzungumza baadaye, bado tumia (S1)
Mhusika anapozungumza akiwa nje ya picha:
<Subject 1> (S1), speaking off-screen, says...
Jambo la kuzingatia:
mazungumzo, usimulizi na nyimbo zote ziandikwe ndani ya <d>; lugha ya awali ihifadhiwe, si lazima itafsiriwe kwa Kiingereza; mazungumzo ya awali yasiyoeleweka yaandikwe [unclear], usibashiri mwenyewe; ikiwa unarejelea timbre ya sauti pekee, usihamishe mazungumzo ya awali kutoka kwenye sauti ya marejeo hadi kwenye video mpya; mwisho wa mazungumzo utumie nukta, alama ya swali au alama ya mshangao ya kawaida
Rasmi, “mhusika wa kuona” na “chanzo cha sauti” huchukuliwa kuwa mifumo miwili tofauti ya ufuatiliaji: Subject hudhibiti mhusika ni nani, huku S1/S2 zikidhibiti sauti inatoka kwa nani; ni jambo linalosumbua kidogo
>Nane, sauti za mazingira na muziki wa usuli lazima zitenganishwe
>
1, overall_soundscape
Eleza sauti zilizopo kwa kweli katika ulimwengu unaoonekana,
overall_soundscape: Quiet indoor room tone, faint paper rustling, wooden chair creaks, and distant crowd noise from outside the recruitment hall.
Sauti ya jumla ya mazingira: hali tulivu ya ndani, mlio hafifu wa karatasi zikisugua, viti vya mbao vikilia na kelele za mbali za umati kutoka nje ya ukumbi wa ajira.
Sauti zinazopatikana kwa kweli katika ulimwengu unaoonekana hapa ni pamoja na: sauti ya upepo; sauti ya mvua; sauti za barabarani; kelele za ndani za msingi; hatua za miguu; mlango kufunguka; msuguano wa nguo; mgongano wa vitu
2, non_diegetic_music
Eleza muziki wa usuli unaosikika na watazamaji pekee
non_diegetic_music: A restrained plucked-string comedy score at a medium-slow tempo, with brief pauses before each punchline.
Unapotumia BGM, ni bora kueleza wazi: vyombo vinavyotumika; kasi ya muziki; hisia; mabadiliko ya sauti; ikiwa itaongezeka taratibu; na ikiwa itasimama kabla ya sehemu ya kuchekesha
Usirudie mazungumzo kamili katika sehemu hizi mbili; mazungumzo yawekwe tu ndani ya detailed_description
>Tisa, makosa manane yanayofanywa kwa urahisi zaidi mwanzoni
>
Kosa la kwanza: kufafanua faili zote za marejeo kama Picture
Picha inapohusika tu na mwonekano wa mhusika, ifafanue kama Subject badala ya kufafanua Picture peke yake
Kosa la pili: kuwafafanua wahusika katika video ya marejeo kama Video
Wahusika, vitu na vitendo ni Subject; Video hasa huwakilisha uhariri, mwendelezo, mdundo au muundo wa fremu wa video nzima
Kosa la tatu: kuandika tu “rejelea picha fulani”
Modeli haitajua hasa unachorejelea
Uandishi usio sahihi: Use Picture 1 as reference.
Uandishi sahihi: <Subject 1>'s facial identity, grey fur, drooping ears, and worn brown clothes come from <Picture 1>.
Kosa la nne: kuipa nyenzo moja ya marejeo majukumu mengi yasiyoeleweka
Usiandike: Use Video1 for everything.
Badala yake, gawanya vipengele vyote vya marejeo: vitendo vya mhusika vinatoka Video1; mdundo wa uhariri ni marejeo dhaifu kutoka Video1; sauti hainakiliwi; mandhari inatoka Picture2
Kosa la tano: kuandika hadithi pekee bila kueleza picha
“Alishiriki katika mahojiano ya kipuuzi” ni prompt ambayo modeli haiwezi kutekeleza moja kwa moja
Lazima ueleze: amesimama wapi; mhoji yuko wapi; nani anaanza kutenda; kiwango cha kitendo ni kipi; kamera inasogea au la; na mazungumzo yanaanza lini
Kosa la sita: kuweka vitendo vingi katika fremu moja
Fremu moja ibebe kitendo kimoja; tukio tata ligawanywe na kukamilishwa kupitia fremu nyingi
Kosa la saba: kubadilisha nambari ya mhusika mara kwa mara
Mhusika yuleyule akishakuwa (S1), lazima abaki (S1) katika video yote
Kosa la nane: kuchanganya “kunakili sauti” na “kurejelea sauti”
Ukitaka kuhifadhi mkondo wa sauti wa awali, andika audio reuse
Ukitaka kurejelea timbre au namna ya kuzungumza pekee, andika audior eference
>Kumi, templeti kamili ambayo wanaoanza wanaweza kutumia moja kwa moja
>
Huenda hii ndiyo sehemu inayopendwa zaidi na wanaoanza 😂
>
subject_definitions:
<Subject1>ni [mhusika, mnyama, kitu au mandhari inayohitajika kutengenezwa], ambaye [sifa za mwonekano, mavazi, utambulisho na kadhalika] zinatokana na <Picture1>. <Subject2>ni [mhudumu wa pili wa kuona], ambaye [matendo, hisia za uso au mwonekano] vinatokana na <Video1>. <Picture2>ni [fremu ya kwanza/fremu muhimu/fremu ya mwisho/rejeleo la muundo] ya [ShotN]. <Video1>ni video chanzo inayotumika kama rejeleo la [mwendo wa kamera/mtiririko wa uhariri/muundo wa muda]. <Audio1>ni rejeleo la timbre ya sauti kwa <Subject1> (S1). summary: [utengenezaji kwa kutumia marejeleo + rejeleo la sauti] Video lengwa inaonyesha [wahusika, mandhari na tukio kuu]. <Picture2>inafafanua [jukumu mahususi la picha]. <Video1>inatoa [jukumu la rejeleo la video]. <Audio1>inatoa [jukumu la rejeleo la sauti]. retention_analysis: <Subject1>(anaonekana katika [Shot1], [Shot2]): fully_preserved [sifa za mhusika zinazopaswa kuhifadhiwa]. <Subject2>(anaonekana katika [Shot2], [Shot3]): partially_preserved [kinachohifadhiwa na kinachoruhusiwa kubadilishwa]. <Picture2>([Shot1] fremu ya kwanza): fully_preserved [muundo na nafasi zinazopaswa kuhifadhiwa kwa ukali]. <Video1>(mwendo wa kamera na kasi): weak_reference [yaliyomo yanayohitaji kurejelewa kwa ujumla tu]. <Audio1>: reference [rejelea tu timbre ya sauti, hisia na kasi ya kuzungumza; usinakili mawimbi asilia]. detailed_description: Video lengwa inatumia [mtindo mkuu]wenye [mwanga, rangi na hisia ya jumla]. [Shot1] Picha ya [aina ya shot]inaonyesha [mandhari na muundo]. <Subject1>, [sifa kuu za mwonekano], anasimama au kuketi [nafasi katika fremu]. [Mhusika anatekeleza kitendo kikuu]. Kamera [namna ya kusogeza kamera]. [Sauti za mazingira]. [Shot2] Saa 00:03.000, picha inakatia kwenye [aina ya shot]ya <Subject2>. [Mabadiliko ya nafasi, kitendo na hali ya mhusika]. <Subject1>(S1)anasema kwa [timbre ya sauti, hisia, kasi], <d>[Kichina]mazungumzo mahususi.</d> [Shot3] Saa 00:06.000, picha inakatia kwenye [muundo mpya]. [Mhusika anatekeleza kitendo kikuu]. <Subject2>(S2)anajibu kwa [maelezo ya sauti], <d>[Kichina]mazungumzo mahususi.</d> Kamera [mwendo wa kamera au inabaki tuli]. Picha inaishia kwenye [hali ya mwisho ya picha]. overall_soundscape: [kelele za chini za mazingira, hatua, msuguano wa nguo, migongano ya vitu na sauti nyingine halisi]. non_diegetic_music: [vyombo, mdundo, hisia, sauti na namna muziki unavyokua].
>
>Kumi na moja, mfano kamili: Kiumbe mdogo wa mbwa-mwitu akifanya usaili katika Mlima Huaguo
>
Tuchukulie kuwa vimepakiwa:
Picture1: picha ya mhusika, kiumbe mdogo wa mbwa-mwitu;
Picture2: ukumbi wa kuajiri wa Mlima Huaguo;
Video1: video ya mwombaji kazi akitoa wasifu wake kwa wasiwasi;
Audio1: rejeleo la sauti ya kiumbe mdogo wa mbwa-mwitu.
Inaweza kuandikwa hivi:
subject_definitions:
<Subject 1> ni kiumbe mchanga wa mbwa-mwitu aliye katika <Picture 1>, mwenye manyoya ya kijivu, masikio yanayoning'inia, mwili mwembamba, nguo za kahawia zilizochakaa na mwonekano wa kudumu wa wasiwasi.
<Subject 2> ni mhoji wa nyani, aliyevaa vazi rasmi jekundu na kuketi nyuma ya dawati kubwa la mbao la kuajiri.
<Subject 3> ni mandhari ya ukumbi wa kuajiri katika <Picture 2>, yenye kuta za mawe, mabango mekundu, madawati ya mbao yaliyojaa watu na bango kubwa lenye maandishi “花果山人才招聘处”.
<Subject 4> ni mwendo wa kutoa nyaraka kwa wasiwasi kutoka <Video 1>, uliohamishiwa kwa <Subject 1>.
<Audio 1> ni rejeleo la timbre ya sauti kwa <Subject 1> (S1), likitoa sauti ya kiume ya kijana yenye uwasilishaji wa tahadhari na mtetemeko mdogo.
summary:
[utengenezaji kwa kutumia marejeleo + rejeleo la sauti] Video lengwa inaonyesha <Subject 1> akifanya usaili wa kazi na <Subject 2> ndani ya <Subject 3>. Kitendo cha wasiwasi cha kutoa nyaraka cha <Subject 4> kimehamishiwa kwa <Subject 1>. <Audio 1>inatoa rejeleo la timbre ya sauti kwa <Subject 1>. Mandhari inatumia vichekesho vikavu vya kipuuzi na inaishia mhoji akilikataa wasifu kwa sababu hauna barua ya mapendekezo yenye nguvu ya kutosha.
retention_analysis:
<Subject 1> (anaonekana katika [Shot 1], [Shot 2], [Shot 3]): fully_preserved - utambulisho wa uso wa kiumbe wa mbwa-mwitu, manyoya ya kijivu, masikio yanayoning'inia, mwili mwembamba, nguo za kahawia zilizochakaa na mwonekano wa wasiwasi vimehifadhiwa.
<Subject 2> (anaonekana katika [Shot 1], [Shot 2], [Shot 3]): fully_preserved - vazi rasmi jekundu la mhoji nyani, mkao wa kuketi na mwonekano wa ukiritimba vimehifadhiwa.
<Subject 3> (anaonekana katika [Shot 1], [Shot 2], [Shot 3]): fully_preserved - ukumbi wa kuajiri wa mawe, dawati la mbao, mabango mekundu, madawati na bango la Kichina la kuajiri linaloonekana vimehifadhiwa.
<Subject 4> (anaonekana katika [Shot 1]): attribute_transfer - mwendo wa tahadhari wa kutoa nyaraka umehamishiwa kwa <Subject 1>.
<Audio 1>: reference - msemaji lengwa anafuata ubora wa sauti ya ujana, tahadhari na mtetemeko mdogo bila kunakili mawimbi ya sauti asilia.
detailed_description:
Video lengwa inatumia mwonekano wa uhuishaji wa 3D wenye mtindo wa filamu ya hali halisi ya kubuni, maumbo mab粗 yaliyopakwa kwa mkono, mwanga wa mchana wenye joto unaoingia kupitia lango la mawe, hisia za uso zilizotiwa chumvi kidogo na vichekesho vikavu vya kipuuzi.
[Shot 1] Picha tuli ya wastani na pana inaanzisha <Subject 3>, ukumbi wa kuajiri wa mawe uliojaa watu wenye mabango mekundu, madawati ya mbao na bango kubwa lenye maandishi “花果山人才招聘处”. <Subject 2>, mhoji nyani aliyevaa vazi rasmi jekundu, ameketi nyuma ya dawati kubwa la mbao upande wa kulia wa fremu. <Subject 1>, kiumbe mwembamba wa mbwa-mwitu mwenye manyoya ya kijivu na nguo za kahawia zilizochakaa, amesimama upande wa kushoto. Akitumia mwendo wa wasiwasi wa kutoa nyaraka uliohamishwa kutoka kwa <Subject 4>, ananyoosha polepole wasifu uliokunjwa kuelekea kwa mhoji kwa mikono yote miwili. Masikio yake yananing'inia na mabega yake yanabaki yakiwa na mkazo. Karatasi zinatoa mlio mwororo wa kukwaruzana wasifu unapofikia dawati.
[Shot 2] Saa 00:03.000, picha inakatia kwenye picha ya karibu ya <Subject 2>. Anateremsha macho kuelekea wasifu bila kuugusa. Uso wake unabaki mkali na wenye kukosa subira kidogo. <Subject 2> (S2) anauliza kwa sauti tambarare ya ukiritimba, <d>[Kichina] 有大圣的推荐信吗？</d> Anainua nyusi moja na kugonga dawati mara moja kwa kidole chake cha shahada. Kamera inabaki tuli.
[Shot 3] At 00:06.000, the shot cuts to a close-up of <Subject 1>. He tightens his grip on the résumé, lowers his head, and answers using the cautious, slightly trembling voice referenced from <Audio 1>. <Subject 1> (S1) says, <d>[Chinese] Sina, lakini ninaweza kuvumilia magumu.</d> After a short pause, the shot cuts back slightly wider as <Subject 2> pushes the résumé back across the desk with one finger and says, <d>[Chinese] Hapa kwetu hakuna uhaba wa magumu, kinachokosekana ni uhusiano.</d> <Subject 1> remains frozen with both hands extended as the final frame holds for one second.
overall_soundscape:
A low indoor crowd murmur continues throughout the recruitment hall. Soft paper rustling, wooden chair creaks, distant footsteps, and one dry finger tap on the desk remain clearly audible.
non_diegetic_music:
A restrained plucked-string comedy score at a medium-slow tempo plays quietly beneath the scene. The music stops briefly before the interviewer's final line, followed by one short wooden-percussion note during the final frozen frame.
Kwa maana nyingine, kijana, ili uitumie MiniMax H3 vizuri, lazima utumie Kiingereza.
Lakini si tatizo kubwa. Unaweza kwanza kuandika kwa Kichina kwa kufuata muundo, kisha kutafsiri. Hata hivyo, njia ya haraka zaidi ni kumpa AI mfano kamili ulio hapo juu ili iandike kwa kuufuata, kisha ubadilishe vipengele baadaye 😂
>Kumi na mbili, hatimaye kumbuka mbinu hii ya hatua tano
>
Unapokabili nyenzo yoyote changamano ya marejeleo, usianze moja kwa moja kuandika kidokezo kirefu.
Kamilisha kwanza hatua hizi tano:
Hatua ya kwanza: Gawanya nyenzo
Kila nyenzo inatoa nini hasa: wahusika, mandhari, vitendo, mpangilio wa picha, mwendo wa kamera, kasi, au sauti?
Hatua ya pili: Weka lebo
Maudhui ya kuona yanayoweza kutumiwa tena yatumie Subject, vishikizo maalum vya picha vitumie Picture, uhusiano wa video nzima utumie Video, na sauti itumie Audio.
Hatua ya tatu: Amua kiwango cha kuhifadhi
Ni yapi lazima yahifadhiwe kikamilifu, ni yapi yanaweza kurekebishwa, na ni yapi ni marejeleo hafifu tu?
Hatua ya nne: Gawanya shots
Kulingana na mpangilio halisi wa uchezaji, gawanya tukio changamano kuwa shots nyingi zenye kitendo kimoja kimoja.
Hatua ya tano: Ongeza sauti
Tenganisha maneno ya wahusika, sauti za mazingira, na muziki wa usuli ambao watazamaji pekee ndio wanaoweza kuusikia.
Mantiki ya msingi ya prompt ya marejeleo kamili ya MiniMax H3 inaweza kufupishwa kwa sentensi moja:
Usiambie modeli ni faili gani ulizopakia; iambie kila nyenzo inawajibika kwa nini, na inapaswa kutumika vipi katika shot gani ya video ya mwisho.
Matumizi ya MiniMax H3 yana masharti madhubuti ya muundo, na ni tofauti kabisa na matumizi ya modeli kama Seedance2.0. Kwa sasa, ni lazima ufuate muundo huu ili uwe na uwezekano wa kupata video nzuri.
Ikiwa hutaki usumbufu huu, subiri kidogo. Mtaalamu fulani ataboresha jambo hili.
>Hivyo tu
mwisho