Minimax H3 mavzusining trenddagi trafikidan foydalanish uchun avval shoshilinch test qilib, darhol maqola yozib e’lon qilgan edim. Xato qildim, bunday yuzaki maqola yozmasligim kerak edi. Minimax H3 prompt formatiga qat’iy talablar qo‘yadi, prompt yozishda odatiy fikrlashdan foydalanib bo‘lmaydi. Shuning uchun rasmiy prompt qo‘llanmasini diqqat bilan o‘rgandim va ushbu qo‘llanmani yozdim.
>
Asosiy matn boshlanadi
>
Ko‘pchilik video promptlarini yozganda personaj, sahna, harakat, kamera va uslubni bitta jumlaga tiqishtirishga odatlanadi: kafeda o‘tirgan qiz, uning qo‘lidagi pechenyega otilayotgan it, iliq va kulgili manzara, kinematografik uslub, kamera oldinga yaqinlashadi…
Bunday yozish usulidan umuman foydalanib bo‘lmaydi degani emas. Ammo personaj rasmi, sahna rasmi, harakat videosi va ovoz namunasini bir vaqtda yuklaganingizda, model quyidagilarni osonlikcha chalkashtirib yuboradi:
Qaysi rasm personajning ko‘rinishi uchun javob beradi; qaysi rasm sahna uchun; qaysi video faqat harakatni ko‘rsatadi; qaysi audio aynanligicha saqlanishi kerak; qaysi elementlar o‘zgarmasligi shart; qaysi elementlarni o‘zgartirish mumkin.
Seedance2.0’ning to‘liq reference rejimida bu muammoni hal qilish usuli — @material usulidan foydalanish.
MiniMaxH3’ning to‘liq reference rejimida esa promptni tuzilishi aniq bo‘lgan video ishlab chiqarish yo‘riqnomasi shaklida yozish kerak.
Rasmiy talabga ko‘ra, to‘liq prompt olti qismdan iborat bo‘lishi va asosiy matn ingliz tilida yozilishi kerak. Faqat personaj replikalari, qo‘shiqlar matni hamda kadrda real ko‘rinadigan yozuvlar asl tilida qoldirilishi mumkin.
>I. Avval bitta asosiy tamoyilni tushunib oling
>
To‘liq reference rejimidagi prompt quyidagi savolga javob bermaydi: bu video qanday hikoyani bayon qiladi?
U quyidagi savolga javob beradi: model qaysi materiallardan qanday ma’lumotlarni ajratib olishi va bu ma’lumotlardan videoning qaysi vaqtida, qaysi kadrida va qaysi joyida foydalanishi kerak?
Shuning uchun faqat syujet qisqacha mazmunini yozmang: kafeda bir qiz itga duch keladi.
Shoshilinch test qilganimda men ham aynan shu xatoga yo‘l qo‘ydim, trafikdan foydalanish uchun yuzaki maqola yozib qo‘ydim.
Uni model bajara oladigan tasvirga aylantirish kerak:
O‘rta plan. Qiz kadrning o‘ng tomonidagi to‘q sariq divanda o‘tiribdi, o‘ng qo‘lida pechenye bor. Yosh erkak kadrning chap tomonidan kirib kelib, oq samoyed itni yetaklab keladi. It to‘satdan pechenyega yaqinlashadi, tasma tarang tortiladi va qiz qo‘lini tezda orqaga tortadi.
Birinchisi — hikoya, ikkinchisi esa video promptidir.
Yaxshi kadr tavsifida kamida quyidagilar ko‘rsatilishi kerak: plan va kompozitsiya + personajning ko‘rinishi va joylashuvi + muhit va yorug‘lik + bitta harakat + holatdagi o‘zgarish + kamera harakati + ovoz va replikalar.
Aslida bu ko‘pchilik video modellari promptlarining tuzilishidan unchalik farq qilmaydi, ya’ni umumiy tuzilma hisoblanadi.
Ammo Ha螺ol rasmiy qo‘llanmasida alohida ta’kidlanadi:
>detailed_description syujet xulosasi yoki oddiy reference materiallar ro‘yxatiga aylanib qolmasligi, balki har bir kadrda aslida nimalar ko‘rinishi va eshitilishini aniq bayon qilishi kerak.
>
>II. To‘liq promptning olti qismi
>
MiniMaxH3 to‘liq reference rejimining standart tuzilishi quyidagicha:
1, subject_definitions
Reference materiallarda alohida aniqlanishi va kuzatilishi kerak bo‘lgan tarkibni belgilaydi.
2, summary Qanday video yaratilishi va har bir reference material qanday vazifani bajarishini qisqacha tushuntiradi.
3, retention_analysis Modelga reference materiallarning qaysi xususiyatlari to‘liq saqlanishi, qaysilari qisman olinishi va qaysi xususiyatlar boshqa obyektlarga ko‘chirilishi kerakligini bildiradi.
4, detailed_description Eng muhim qism. Video ijro tartibiga ko‘ra tasvir, harakat, kamera, ovoz va replikalarni kadrma-kadr tasvirlaydi.
5, overall_soundscape Muhit tovushlari va real dunyoda eshitiladigan ovozlarni, masalan, shamol shovqini, qadam tovushi va xona fon shovqinini tasvirlaydi.
6, non_diegetic_music Faqat tomoshabin eshitadigan, kadrdagi personajlar esa eshita olmaydigan fon musiqasini tasvirlaydi.
Bu olti qism qat’iy belgilangan tartibda joylashtirilishi kerak.
>III. To‘rtta reference tegidan qanday foydalanish kerak
>
To‘liq reference rejimining eng muhim ko‘nikmasi — reference tarkibiga to‘g‘ri teg qo‘yish.
Rasmiy qo‘llanmada to‘rtta teg belgilangan:
<SubjectN>
<PictureN>
<VideoN>
<AudioN>
Bu yerdagi N raqamlashni 1 dan boshlaydi.
<SubjectN>: videoda haqiqatan paydo bo‘lishi kerak bo‘lgan tarkib.
Subject — “fayl” emas, balki fayldan ajratib olinib, tayyor videoda ishlatilishi kerak bo‘lgan vizual element. U quyidagilardan biri bo‘lishi mumkin: personaj; hayvon; obyekt; sahna; kiyim; rekvizit; maxsus effekt; tasvir uslubi; harakat; mimika yoki poza.
Masalan, agar siz yosh bo‘ri jin qahramoni tasvirini yuklagan bo‘lsangiz, promptni shunday yozishingiz kerak:
<Subject1>is the young wolf demon in<Picture1>,with grey fur,drooping ears,worn brown clothes,and anervous expression.
Ma’nosi: Subject1 — Picture1’dagi yosh bo‘ri jini: kulrang jun, osilgan quloqlar, eskirgan jigarrang kiyim va xavotirli ifoda.
Bitta rasm bir nechta Subject taqdim etishi mumkin.
Masalan, kafedagi bitta fotosuratdan quyidagilarni ajratib olish mumkin:
<Subject1>is the young woman in<Picture1>.
<Subject2>is the coffee-shop environment in<Picture1>.
Bitta Subject bir vaqtning o‘zida bir nechta materialdan olinishi ham mumkin:
<Subject1>is the woman whose appearance comes from<Picture1>and whose walking motion comes from<Video1>.
Ma’nosi: <Subject1> — tashqi ko‘rinishi <Picture1>dan, yurish harakati esa <Video1>dan olingan ayol.
Ya’ni: Picture1 personajning ko‘rinishi uchun, Video1 esa uning yurish harakati uchun javob beradi.
Bu Minimax H3 to‘liq reference rejimidagi eng amaliy imkoniyatlardan biridir: turli materiallarning xususiyatlarini bitta maqsadli personajga birlashtirish.
<PictureN>: aniq kadr tayanchi.
Minimax H3’da rasm yuklanganining o‘zi <PictureN>ni alohida belgilash kerak degani emas.
Rasmning o‘zi quyidagi vazifalardan birini bajargandagina, uni alohida Picture sifatida belgilash kerak:
videoning birinchi kadri; videoning oxirgi kadri; muhim kadr; kadr kompozitsiyasi uchun reference; storyboard kadri; bevosita tahrir qilinishi kerak bo‘lgan tasvir.
Masalan:
<Picture2>is the first frame of[Shot1],showing the wolf demon standing outside there cruitment hall.
Ma’nosi: <Picture2> — [Shot1]ning birinchi kadri bo‘lib, bo‘ri jinining u yerdagi recruitment hall tashqarisida turganini ko‘rsatadi.
Agar rasm faqat personajning ko‘rinishini belgilash uchun ishlatilsa, Picture haqida alohida qator yozish shart emas, uni Subject ta’rifiga kiritish kifoya:
<Subject1>is the wolf demon in<Picture1>.
Eng ko‘p uchraydigan xato — beshta rasm yuklab, mexanik tarzda beshta Picture belgilash.
To‘g‘ri usul — avval o‘zingiz aniqlab oling: bu rasm aniq bir kadrmi yoki faqat personaj, kiyim, sahna yoxud uslubni taqdim etadimi?
Faqat xususiyatlarni taqdim etsa, Subject’dan foydalaning.
Muayyan kadr yoki kadr kompozitsiyasini bevosita boshqarsagina Picture’dan foydalaning.
<VideoN>: butun videoning tuzilish manbai.
Video asosan reference video va maqsadli video o‘rtasidagi munosabatni tasvirlash uchun ishlatiladi, masalan:
Asl videoni o‘zgartirish; asl videoni davom ettirish; asl videodagi kamera harakatiga taqlid qilish; montaj ritmiga taqlid qilish; kadrlar ketma-ketligiga taqlid qilish; butun vaqt tuzilishiga taqlid qilish.
Masalan:
<Video1>is the source video for the target video edit.
Ma’nosi: <Video1> — maqsadli videoni tahrirlash uchun manba video.
Ammo agar siz faqat reference videodagi biror kishining harakatidan foydalanmoqchi bo‘lsangiz, bu kishi yoki harakat baribir Subject sifatida belgilanishi kerak:
<Subject2>is the nervous hand-rubbing motion from<Video1>.
Ma’nosi: <Subject2> — <Video1>dagi asabiy tarzda qo‘l ishqalash harakati.
Material manbai video ekan deb, undagi barcha tarkibni <Video1> sifatida yozmang.
Buni shunday tushunish mumkin: <VideoN> butun videoning tuzilishi va vaqt munosabatlarini boshqaradi; <SubjectN> esa videodan ajratib olinib ishlatilishi kerak bo‘lgan aniq tarkibni boshqaradi.
<AudioN>: ovoz materiali.
Audio quyidagilar uchun ishlatilishi mumkin:
Butun audioyozuvni aynanligicha nusxalash; uning bir qismini nusxalash; personaj ovoz tembriga taqlid qilish; gapirish ritmiga taqlid qilish; kayfiyat va ohangga taqlid qilish; musiqa uslubiga taqlid qilish; ovoz effektlari sifatiga taqlid qilish; asl audio ritmini davom ettirish.
Masalan:
<Audio1>is the voice-timbre reference for<Subject1>(S1).
Ma’nosi: Audio1 faqat Subject1’ning gapirish ovozi tembri uchun reference vazifasini bajaradi.
E’tibor bering: yuklangan video faylida ovoz borligi avtomatik ravishda Audio belgilash kerak degani emas.
Faqat ovoz haqiqatan nusxalanishi yoki reference sifatida ishlatilishi kerak bo‘lgandagina <AudioN>ni belgilang.
Bundan tashqari, Video va Audio alohida raqamlanadi, ularning raqamlari bir-biriga mos kelishi shart emas.
>IV. Avval vazifangiz qaysi turga tegishli ekanini aniqlang
>
Bu qo‘llanmani o‘qimasangiz yaxshi edi, o‘qib bo‘lgach esa butunlay hech narsa o‘rganmagandek his qilyapsizmi?
Aslida oddiy.
summary boshida vazifa turini kvadrat qavslar ichida ko‘rsatish kerak.
Odatda oltita tur ishlatiladi:
1, keyframe completion
Reference rasm bevosita birinchi, oxirgi yoki muhim kadr sifatida ishlatiladi.
[keyframe completion]
2, reference generation
Personaj, sahna, uslub, harakat, kamera harakati yoki ovoz xususiyatlariga reference olinadi.
Ammo asl video bevosita tahrir qilinmaydi yoki davom ettirilmaydi.
[reference generation]
Bu oddiy ko‘p materialli (modal) reference generatsiyasida eng ko‘p ishlatiladigan tur.
3, video editing
Mavjud videoni bevosita o‘zgartirish.
[video editing]
4, video continuation
Asl video tugagan joydan davom ettirib generatsiya qilish.
[video continuation]
5, audio reuse
Asl audio signalini bevosita nusxalash.
[audio reuse]
6, audiore ference
Asl ovozni nusxalamasdan, faqat tembr, ritm, ohang yoki musiqa uslubidan reference olish.
[audio reference]
Bitta vazifada bir nechta tur bir vaqtning o‘zida mavjud bo‘lishi mumkin:
[video continuation+keyframe completion+audio reference]
Video yuklaganingiz uchun darhol video editing deb yozmang.
Agar faqat videodagi kamera harakati yoki ritmga reference olinayotgan bo‘lsa, odatda bu hali ham reference generation hisoblanadi.
Faqat asl video bevosita o‘zgartirilsa, videoediting hisoblanadi.
Faqat asl video oxiridan davom ettirilsa, video continuation hisoblanadi.
>V. Modelga “qaysi narsalarni o‘zgartirib bo‘lmaydi”ligini qanday aytish kerak
>
retention_analysis funksiyasi — referens materialning qanchalik darajada saqlanishini aniq belgilashdir
Vizual materiallar quyidagi to‘rt xil munosabatdan foydalanadi
1, fully_preserved
To‘liq saqlash. Quyidagi holatlarda qo‘llanadi: aynan bir xil qahramon saqlanishi kerak; kiyim o‘zgarmasligi kerak; sahna kompozitsiyasi o‘zgarmasligi kerak; birinchi yoki oxirgi kadr qat’iy mos kelishi kerak
<Subject1>:fully_preserved the character's grey fur,drooping ears,brown clothes,and facial identity areretained.
Ma’nosi: <Subject1>dagi qahramonning kulrang juni, osilgan quloqlari, jigarrang kiyimi va yuz xususiyatlari saqlanadi
2, partially_preserved
Bir qismini saqlash, ammo o‘zgartirishga ruxsat beriladi.
Masalan: qahramonning shaxsini saqlab, kiyimini almashtirish; sahna tuzilishini saqlab, vaqt va yoritishni o‘zgartirish; harakat asosini saqlab, tezlikni o‘zgartirish
3, attribute_transfer
Referensdagi xususiyatlarni boshqa obyektga o‘tkazish
Masalan: referens videodagi katta yoshli odamning harakatlarini kichik bo‘ri jiniga o‘tkazish; referens rasmdagi kiyimni boshqa qahramonga kiydirish; ma’lum bir mimikani maqsadli qahramonga ko‘chirish
4, weak_reference
Faqat umumiy o‘xshashlikni saqlash. Quyidagi holatlarda qo‘llanadi: faqat muhitga; faqat vizual uslubga; faqat umumiy kompozitsiyaga; faqat kadrlar ritmiga referens sifatida foydalanilganda
Agar yuklagan materialingiz video emas, audio bo‘lsa, quyidagilardan foydalaning:
fully_copy: to‘liq nusxalash;
partially_copy: mazmunning bir qismini nusxalash;
reference: faqat ovoz tembri, ritm yoki uslubga referens olish;
weak_reference: faqat umumiy muhitni saqlash
Bu qism sizdan generatsiya sifatini baholashni so‘ramaydi. U modelga oldindan qaysi referens munosabatlari qat’iy cheklov, qaysilari esa zaif referens ekanini bildiradi
>六、真正决定效果的是detailed_description
>
detailed_description — promptning asosiy qismi
Rasmiy tavsiyaga ko‘ra, video generatsiyasida prompt taxminan 350–500 ta inglizcha so‘zdan iborat bo‘lishi kerak, ammo so‘z sonini mexanik ravishda to‘ldirmang. Dialogi ko‘p videolarda avvalo dialog uchun yetarli va mantiqiy vaqt ajratilishini ta’minlang
Video tahrirlash vazifalarida esa uzunlikni original videoning murakkabligiga qarab moslang
1, avval umumiy uslubni bir yoki ikki jumlada belgilang
Uslub tavsifi birinchi kadrdan oldin beriladi:
The target video uses a stylized 3D animated mockumentary style, with slightly exaggerated expressions, warm daylight, and dry absurdist comedy.
Ma’nosi: maqsadli video biroz bo‘rttirilgan mimikalar, iliq kunduzgi yorug‘lik va quruq absurd komediya bilan stilizatsiyalangan 3D animatsion psevdo-hujjatli film uslubidan foydalanadi
Bir-biriga zid bo‘lgan o‘nlab uslub so‘zlarini uyib tashlamang, masalan:
cinematic, anime, photorealistic, watercolor, clay animation, cyberpunk, Chinese ink painting
Kinematografik, anime, fotorealistik, akvarel, loy animatsiyasi, kiberpank, xitoy siyohli rasmi
To‘g‘ri yozilish shakli:
A stylized 3D animated mockumentary with rough hand-painted textures and natural daylight.
Bitta asosiy uslubni tanlab, unga yana bir yoki ikkita tekstura xususiyatini qo‘shish kifoya
2, birinchi kadrda vaqtni yozmang
[Shot1]
Keyingi kadrlarda almashish vaqtini ko‘rsating:
[Shot2]At 00:03.000,...
[Shot3]At 00:06.500,...
Vaqt belgisi yangi kadr qachondan boshlanishini bildiradi
3, har bir kadrni belgilangan tartibda yozing
Yangi boshlovchilar xatolarga yo‘l qo‘ymaslik uchun quyidagi tartibdan foydalanishi mumkin:
Birinchi qadam: plan va kompozitsiya
A medium shot shows...
A close-up frames...
A wide shot establishes...
Ikkinchi qadam: qahramonning joylashuvi
<Subject 1> stands on the left side of the frame.
Uchinchi qadam: qahramonning tashqi ko‘rinishi
Qahramon ilk bor paydo bo‘lganda, eng muhim tanib olish belgilarini qisqacha takrorlang:
<Subject 1>, the grey-furred young wolf demon in worn brown clothes, ...
Keyingi kadrlarda uni to‘liq qayta ta’riflash shart emas
To‘rtinchi qadam: bitta harakat
He slowly hands the recommendation letter to the interviewer.
Bitta qisqa kadrga bir vaqtning o‘zida xonaga kirish, o‘tirish, hujjat uzatish, boshini burish, yiqilish, turish, gapirish va eshikdan chiqib ketish kabi ko‘plab harakatlarni joylashtirmang
Model bu harakatlarni tanimasligi sababli emas, balki ularning ketma-ketligini bir necha soniya ichida to‘g‘ri tashkil etish qiyin bo‘lgani uchun qiynaladi
Ishonchliroq usul — kadrlarni bo‘lib tashlash. Bu boshqa modellarda ham ko‘p harakatlarni yaratish uchun qo‘llanadigan usul:
1-kadr: xonaga kirish;
2-kadr: o‘tirish;
3-kadr: tavsiyanomani uzatish;
4-kadr: suhbatdosh boshini egib, hujjatni ko‘rib chiqadi.
Beshinchi qadam: mimika va holatdagi o‘zgarishlar
Faqat “asabiy” deb yozmang, ko‘rinadigan o‘zgarishlarni bayon qiling:
His ears droop slightly, his shoulders tighten, and he avoids eye contact.
Oltinchi qadam: kamera harakati
The camera slowly pushes in.
The camera makes a slight handheld pan to the right.
The camera remains static.
Zarur bo‘lsa tezlik va amplitudani aniq yozing. Kamera harakati kerak bo‘lmasa, shunchaki statik kadr deb ko‘rsating
Yettinchi qadam: ovoz va dialog
Ovoz manbai, gapirish usuli va aniq dialogni ko‘rsating
>七、台词的标准写法
>
Haqiqatan ovoz chiqarib gapiradigan har bir kishi uchun doimiy so‘zlovchi raqami belgilanadi:
(S1)
(S2)
(S3)
Raqam qahramonlarning ilk bor gapirish tartibiga ko‘ra belgilanadi va keyinchalik o‘zboshimchalik bilan o‘zgartirilmaydi.
Masalan:
<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>
Bunda:
<Subject1> kadrdagi referens qahramonni bildiradi;
(S1) ovoz manbasini bildiradi;
[Chinese] dialog tilini bildiradi;
<d>...</d> to‘liq dialogni o‘rab turadi.
Bir qahramon keyinroq yana gapirsa ham, baribir (S1) ishlatiladi
Qahramon kadr ortidan gapirganda:
<Subject 1> (S1), speaking off-screen, says...
E’tibor bering:
Dialog, diktor matni va qo‘shiqlar <d> ichida yoziladi; original til saqlanishi kerak, uni inglizchaga tarjima qilish shart emas; eshitilmaydigan original dialog uchun [unclear] yoziladi, o‘zboshimchalik bilan taxmin qilish mumkin emas; agar faqat ovoz tembriga referens olinsa, referens audiodagi original dialogni yangi videoga ko‘chirmang; dialog oxirida odatiy nuqta, so‘roq yoki undov belgisi ishlatilishi kerak
Rasmiy qo‘llanmada “vizual obyekt” va “ovoz manbai” ikki xil kuzatuv tizimi sifatida qaraladi: Subject qahramon kimligini, S1/S2 esa ovoz kimga tegishli ekanini boshqaradi. Bu biroz murakkab
>八、环境声和背景音乐必须分开
>
1, overall_soundscape
Kadr olamida real mavjud bo‘lgan tovushlarni tasvirlaydi,
overall_soundscape: Quiet indoor room tone, faint paper rustling, wooden chair creaks, and distant crowd noise from outside the recruitment hall.
Umumiy ovoz manzarasi: sokin yopiq xona shovqini, qog‘ozning yengil shitirlashi, yog‘och stulning g‘ichirlashi va ishga qabul qilish zalining tashqarisidan eshitiladigan uzoqdagi olomon shovqini.
Bu yerda kadr olamida real mavjud bo‘lgan tovushlarga quyidagilar kiradi: shamol ovozi; yomg‘ir ovozi; ko‘cha shovqini; xonaning fon shovqini; qadam tovushlari; eshik ochilishi; kiyim ishqalanishi; obyektlar to‘qnashuvi
2, non_diegetic_music
Faqat tomoshabin eshitadigan musiqiy bezakni tasvirlaydi
non_diegetic_music: A restrained plucked-string comedy score at a medium-slow tempo, with brief pauses before each punchline.
BGM ishlatilganda quyidagilarni aniq ko‘rsatish ma’qul: qaysi cholg‘ular ishlatiladi; musiqa tezligi; kayfiyat; ovoz balandligining o‘zgarishi; ovoz asta-sekin kuchayadimi; kulgili nuqta oldidan to‘xtaydimi
To‘liq dialogni bu ikki qismda takrorlamang, dialog faqat detailed_description ichida bo‘lsin
>九、刚上手时最容易犯的八个错误
>
Birinchi xato: barcha referens fayllarni Picture deb belgilash
Rasm faqat qahramonning tashqi ko‘rinishi uchun ishlatilsa, uni alohida Picture sifatida emas, Subject sifatida belgilang
Ikkinchi xato: referens videodagi qahramonni Video deb yozish
Qahramonlar, obyektlar va harakatlar Subjectga tegishli; Video esa asosan butun videoning tahriri, davomiyligi, ritmi yoki kadrlar tuzilishini bildiradi
Uchinchi xato: faqat “falon rasmga referens ol” deb yozish
Model aynan nimaga referens olinayotganini bilmaydi
Noto‘g‘ri yozilish: Use Picture 1 as reference.
To‘g‘ri yozilish: <Subject 1>'s facial identity, grey fur, drooping ears, and worn brown clothes come from <Picture 1>.
To‘rtinchi xato: bitta referens materialga juda ko‘p noaniq vazifa yuklash
Use Video1 for everything deb yozmang.
Referens elementlarini to‘liq ajrating: qahramon harakatlari Video1dan; montaj ritmi Video1ga zaif referens sifatida; audio nusxalanmaydi; sahna Picture2dan
Beshinchi xato: faqat syujetni yozib, tasvirni yozmaslik
“U absurd intervyuda qatnashdi” kabi promptni model bevosita bajara olmaydi
Quyidagilarni aniq ko‘rsatish kerak: u qayerda turibdi; suhbatdosh qayerda; kim birinchi harakat qiladi; harakat amplitudasi qancha; kamera harakat qiladimi; qachon gapiriladi
Oltinchi xato: bitta kadrga juda ko‘p harakatni joylashtirish
Bitta kadr bitta harakatni bajarsin. Murakkab voqealarni bir nechta kadrga bo‘lib amalga oshiring
Yettinchi xato: qahramon raqamini qayta-qayta o‘zgartirish
Bir qahramon (S1) bo‘lgach, butun video davomida (S1) bo‘lib qolishi kerak
Sakkizinchi xato: “ovozni nusxalash” va “ovozga referens olish”ni aralashtirish
Original audio trekni saqlamoqchi bo‘lsangiz, audio reuse deb yozing
Faqat ovoz tembri yoki gapirish uslubiga referens olmoqchi bo‘lsangiz, audior eference deb yozing
>十、新手可以直接套用的完整模板
>
Bu, ehtimol, yangi boshlovchilar eng ko‘p yoqtiradigan bo‘limdir 😂
>
subject_definitions:
<Subject1>is[yaratilishi kerak bo‘lgan odam, hayvon, obyekt yoki sahna],whose[ko‘rinishi, kiyimi, shaxsi va boshqa xususiyatlari]<Picture1>dan kelib chiqadi.<Subject2>is[ikkinchi vizual asosiy obyekt],whose[harakatlari, ifodasi yoki ko‘rinishi]<Video1>dan kelib chiqadi.<Picture2>is[ShotN]ning[first frame/keyframe/lastframe/composition reference]idir.<Video1>is[kamera harakati/montaj ritmi/vaqt tuzilmasi]uchun manba video sifatida ishlatiladi.<Audio1>is<Subject1>(S1)uchun ovoz tembri referenceidir.summary:[reference generation+audio reference]Maqsadli video[odamlar, sahna va asosiy voqea]ni ko‘rsatadi.<Picture2>[aniq kadr vazifasi]ni belgilaydi.<Video1>[video reference vazifasi]ni ta’minlaydi.<Audio1>[ovoz reference vazifasi]ni ta’minlaydi.retention_analysis:<Subject1>([Shot1],[Shot2]da ko‘rinadi):fully_preserved[albatta saqlanishi kerak bo‘lgan personaj xususiyatlari].<Subject2>([Shot2],[Shot3]da ko‘rinadi):partially_preserved[nimalar saqlanadi, nimalar o‘zgartirilishi mumkin].<Picture2>([Shot1]first frame):fully_preserved[qattiq saqlanishi kerak bo‘lgan kompozitsiya va joylashuv].<Video1>(kamera harakati va temp):weak_reference[faqat umumiy tarzda foydalaniladigan tarkib].<Audio1>:reference[faqat ovoz tembri, hissiyot va gapirish ritmiga murojaat qilinadi, asl signal ko‘chirilmaydi].detailed_description:Maqsadli video[asosiy uslub]dan foydalanadi, unda[yorug‘lik, ranglar va umumiy tekstura]mavjud.[Shot1][Plan turi]dagi kadr[atrof-muhit va kompozitsiya]ni ko‘rsatadi.<Subject1>,[asosiy tashqi ko‘rinish xususiyatlari],kadrning[joylashuvi]da turadi yoki o‘tiradi.[Personaj asosiy harakatni bajaradi].Kamera[kamera harakati usuli].[Atrof-muhit tovushlari].[Shot2]00:03.000da kadr<Subject2>ning[plan turi]dagi ko‘rinishiga kesiladi.[Obyektning joylashuvi, harakati va holatidagi o‘zgarishlar].<Subject1>(S1)[ovoz tembri, hissiyot, tezlik]da,<d>[Chinese]aniq replika.</d>deydi.[Shot3]00:06.000da kadr[yangi kompozitsiya]ga kesiladi.[Personaj asosiy harakatni bajaradi].<Subject2>(S2)[ovoz tavsifi]da,<d>[Chinese]aniq replika.</d>deb javob beradi.Kamera[kamera harakati yoki harakatsiz qoladi].Kadr[so‘nggi holat]da tugaydi.overall_soundscape:[atrof-muhitning fon shovqini, qadam tovushlari, kiyim ishqalanishi, obyektlar to‘qnashuvi va boshqa real tovushlar].non_diegetic_music:[asboblar, ritm, hissiyot, ovoz balandligi va musiqaning rivojlanish usuli].
>
>O‘n birinchi, to‘liq misol: kichik bo‘ri jinining Huaguo tog‘idagi ish suhbatida qatnashishi
>
Faraz qilaylik, quyidagilar yuklangan:
Picture1: kichik bo‘ri jinining personaj rasmi;
Picture2: Huaguo tog‘idagi ishga qabul qilish zali;
Video1: ish izlovchining rezyumeni asabiy tarzda uzatayotgan harakatlari videosi;
Audio1: kichik bo‘ri jinining ovoz referencei.
Buni quyidagicha yozish mumkin:
subject_definitions:
<Subject 1> <Picture 1>dagi yosh bo‘ri jini bo‘lib, kulrang juni, osilgan quloqlari, ozg‘in gavdasi, eskirgan jigarrang kiyimlari va doimiy asabiy ifodasiga ega.
<Subject 2> qizil amaldor libosini kiygan va katta yog‘och ishga qabul qilish stoli ortida o‘tirgan maymun suhbatdoshdir.
<Subject 3> <Picture 2>dagi ishga qabul qilish zali muhiti bo‘lib, unda tosh devorlar, qizil bayroqlar, gavjum yog‘och o‘rindiqlar va “花果山人才招聘处” deb yozilgan katta belgi mavjud.
<Subject 4> <Video 1>dagi asabiy hujjat uzatish harakati bo‘lib, u <Subject 1>ga ko‘chiriladi.
<Audio 1> <Subject 1> (S1) uchun ovoz tembri referencei bo‘lib, ehtiyotkor va biroz titroq talaffuzga ega yosh erkak ovozini ta’minlaydi.
summary:
[reference generation + audio reference] Maqsadli videoda <Subject 1> <Subject 3> ichida <Subject 2> bilan ish suhbatida qatnashadi. <Subject 4>ning asabiy hujjat uzatish harakati <Subject 1>ga ko‘chiriladi. <Audio 1> <Subject 1> uchun ovoz tembri referenceini ta’minlaydi. Sahna quruq absurd komediya uslubida bo‘lib, suhbatdosh rezyumeni yetarlicha kuchli tavsiyanoma yo‘qligi sabab rad etishi bilan yakunlanadi.
retention_analysis:
<Subject 1> ([Shot 1], [Shot 2], [Shot 3]da ko‘rinadi): fully_preserved - bo‘ri jinining yuz identifikatori, kulrang juni, osilgan quloqlari, ozg‘in gavdasi, eskirgan jigarrang kiyimlari va asabiy ko‘rinishi saqlanadi.
<Subject 2> ([Shot 1], [Shot 2], [Shot 3]da ko‘rinadi): fully_preserved - maymun suhbatdoshning qizil amaldor libosi, o‘tirish holati va byurokratik ifodasi saqlanadi.
<Subject 3> ([Shot 1], [Shot 2], [Shot 3]da ko‘rinadi): fully_preserved - toshdan qurilgan ishga qabul qilish zali, yog‘och stol, qizil bayroqlar, o‘rindiqlar va ko‘rinib turgan xitoycha ishga qabul qilish belgisi saqlanadi.
<Subject 4> ([Shot 1]da ko‘rinadi): attribute_transfer - ehtiyotkor hujjat uzatish harakati <Subject 1>ga ko‘chiriladi.
<Audio 1>: reference - maqsadli so‘zlovchi yosh, ehtiyotkor va biroz titroq ovoz sifatiga amal qiladi, asl audio signali ko‘chirilmaydi.
detailed_description:
Maqsadli video dag‘al qo‘lda bo‘yalgan teksturalar, tosh eshikdan kirib keladigan iliq kunduzgi yorug‘lik, biroz bo‘rttirilgan yuz ifodalari va quruq absurd komediya bilan stilizatsiyalangan 3D animatsion mockumentary uslubidan foydalanadi.
[Shot 1] O‘rta-kenglikdagi statik kadr <Subject 3>ni, qizil bayroqlar, yog‘och o‘rindiqlar va “花果山人才招聘处” deb yozilgan katta belgi joylashgan gavjum tosh ishga qabul qilish zalini tanishtiradi. Qizil amaldor libosidagi maymun suhbatdosh <Subject 2> kadrning o‘ng tomonida katta yog‘och stol ortida o‘tiradi. Eskirgan jigarrang kiyimdagi, ozg‘in va kulrang junli bo‘ri jini <Subject 1> chap tomonda turadi. <Subject 4>dan ko‘chirilgan asabiy hujjat uzatish harakatidan foydalanib, u buklangan rezyumeni ikkala qo‘li bilan suhbatdosh tomon sekin uzatadi. Uning quloqlari osilgan, yelkalari esa tarangligicha qoladi. Rezyume stolga yetib borganda qog‘ozlar mayin shitirlaydi.
[Shot 2] 00:03.000da kadr <Subject 2>ning yirik planiga kesiladi. U rezyumega tegmasdan, ko‘zlarini uning tomon tushiradi. Uning ifodasi jiddiy va biroz sabrsizligicha qoladi. <Subject 2> (S2) tekis, byurokratik ovozda so‘raydi: <d>[Chinese] 大圣的推荐信吗？</d> U bir qoshini ko‘tarib, ko‘rsatkich barmog‘i bilan stolni bir marta taqillatadi. Kamera statikligicha qoladi.
[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] Yo‘q, lekin men qiyinchiliklarga chidashga tayyorman.</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] Bizda qiyinchilik yetarli, yetishmayotgani — aloqalar.</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.
Boshqacha aytganda, yigit, MiniMax H3’dan yaxshi foydalanmoqchi bo‘lsang, ingliz tilida yozishing kerak
Ammo bu katta muammo emas: avval formatga muvofiq xitoycha yozib, keyin tarjima qilsa bo‘ladi. Eng tezkor usul esa yuqoridagi to‘liq namunani AI’ga berib, undan shunga o‘xshash matn yozdirish, keyin esa elementlarni almashtirishdir 😂
>O‘n ikkinchi: nihoyat, ushbu besh bosqichli yozish usulini eslab qoling
>
Har qanday murakkab referens materialga duch kelganda, darhol uzun prompt yozishni boshlamang
Avval quyidagi besh bosqichni bajaring:
Birinchi bosqich: materialni tahlil qilish
Har bir material qahramon, sahna, harakat, kompozitsiya, kamera harakati, ritm yoki ovozdan qaysi birini taqdim etadi?
Ikkinchi bosqich: teglarni belgilash
Qayta foydalaniladigan vizual kontent uchun Subject, aniq kadr tayanchlari uchun Picture, butun video o‘rtasidagi munosabatlar uchun Video, ovoz uchun esa Audio ishlatiladi
Uchinchi bosqich: saqlash darajasini belgilash
Nimalar to‘liq saqlanishi shart, nimalarni o‘zgartirish mumkin, nimalar esa faqat kuchsiz referens hisoblanadi?
To‘rtinchi bosqich: kadrlarni ajratish
Haqiqiy namoyish tartibiga ko‘ra, murakkab voqeani bir nechta alohida harakatli kadrlarga bo‘ling
Beshinchi bosqich: ovozni to‘ldirish
Qahramonlar dialogi, muhit tovushi va faqat tomoshabin eshitishi kerak bo‘lgan fon musiqasini farqlang
MiniMax H3’da barcha materiallarga tayanuvchi promptning asosiy mantig‘ini bir jumlaga jamlash mumkin:
Modelga qanday fayllarni yuklaganingizni aytmang, balki har bir material nimaga mas’ul ekanini va tayyor videoning qaysi kadrida qanday ishlashi kerakligini ayting
MiniMax H3’dan foydalanish qat’iy format talablariga ega va Seedance2.0 kabi modellardan foydalanishdan butunlay farq qiladi. Hozircha yaxshi video olish uchun aynan shu formatga rioya qilish shart
Agar bularning barchasini qilishni istamasangiz, biroz kuting, bu yo‘nalishda albatta mutaxassislar optimallashtirish ishlarini olib boradi
>Bo‘ldi
end