Crie vídeos com som usando o MiniMax H3

O modo texto precisa apenas de um prompt, o que faz dele o caminho mais simples para testar uma ideia: você rascunha uma cena, escuta como o som ficou e depois ajusta. É também onde estão todos os formatos, do vertical 9:16 para celular até uma faixa panorâmica de 21:9.

Envie um quadro inicial e o clipe abre nessa imagem, depois se movimenta como o prompt descreve. Use quando a composição de partida importa: um retrato já aprovado, uma foto de produto de um ensaio para campanha ou um quadro de storyboard que você quer ver em movimento.

Um quadro final sozinho também funciona. O vídeo caminha em direção à imagem que você fornece, o que combina com revelações: um frasco que se acomoda na posição do packshot, uma porta que se abre para um cômodo pronto ou um layout em que o movimento termina.

Dê ao modelo um quadro inicial e um final, e ele resolve o movimento entre os dois. É útil para ligar duas cenas na edição, mostrar um antes e depois ou transformar dois quadros de storyboard em um único movimento contínuo. O resultado mantém o formato das suas imagens.

O modo de referência aceita até cinco imagens que orientam o resultado em vez de funcionar como quadros fixos. Coloque um personagem, um figurino, um produto ou um lugar e descreva a ação livremente. Além dos seis formatos fixos, esse modo também oferece a opção adaptável.

Todo clipe chega com uma trilha estéreo gerada junto com a imagem, e não colocada por cima depois. Escreva diálogos, música ou efeitos sonoros no prompt e eles passam a fazer parte do resultado. A trilha fica sempre ativa, então leve isso em conta mesmo quando só a imagem interessa.

A duração pode ser qualquer número inteiro de 4 a 15 segundos, então o clipe se encaixa em uma batida da sua edição ou no espaço de uma plataforma sem precisar arredondar para um valor fixo. O número de créditos no botão Gerar muda conforme você mexe no ajuste.

O 768P é o nível sensato para testes e redes sociais, e o 2K serve para a versão que você entrega. Como o custo mostrado no botão Gerar muda com a resolução, dá para comparar os dois níveis e guardar o 2K para a tomada em que o detalhe extra realmente compensa.

Envie a foto de produto aprovada como quadro final e descreva o caminho até ela: a tampa de uma caixa subindo, uma luz passando pelo rótulo, um sopro suave e um sininho no fim. O clipe para na imagem que o cliente já aprovou, e a versão final pode ser gerada em 2K.

Para feeds feitos para o celular, escreva uma cena curta em 9:16 com uma fala e uma base musical, ajuste para oito ou dez segundos e gere em 768P. O post chega com o som no lugar, então sobra menos coisa para acrescentar antes de publicar.

Transforme dois quadros do storyboard em quadro inicial e final e deixe o modelo preencher o movimento. Trabalhando em 768P, a equipe confere ritmo, movimentos de câmera e um som aproximado antes de reservar uma gravação ou pedir uma renderização em 2K.

Monte um conjunto de até cinco imagens de referência com o personagem, o figurino e o cenário de sempre, e reutilize esse conjunto em cada episódio mudando só o prompt. Partir sempre do mesmo conjunto ajuda a série a continuar reconhecível de um clipe para o outro.

Exporte da sua linha do tempo o último quadro de uma cena e o primeiro da seguinte, envie os dois como pontas e gere o movimento que os conecta. Como o modo de quadros segue o formato da imagem, a ponte se encaixa no formato da sua edição.

Planos abertos em 21:9 ou 16:9 de uma cidade ao entardecer, uma floresta depois da chuva ou um café tranquilo, cada um com o som ambiente que combina, servem de fundo para aberturas, apresentações e ensaios em vídeo. Peça só ambiente e nada de música se um narrador for falar por cima.

Termine primeiro a descrição visual e comece uma frase nova para o som, por exemplo: “Som: chuva constante em um telhado de zinco, trovões ao longe, sem música.” Separar as duas partes deixa o prompt mais fácil de ler e mostra com clareza quais palavras tratam da trilha sonora.

Coloque as falas entre aspas e diga quem fala e de que jeito: o velho pescador murmura “A tempestade está chegando.” Mantenha as falas curtas o bastante para caber no clipe; uma cena de seis segundos tem espaço para uma frase, não para um discurso.

Só o nome de um gênero é vago. Experimente um violoncelo solo e lento, uma batida lo-fi aconchegante com chiado de vinil ou um synth-pop vibrante com palmas, e diga se a música deve entrar baixinho, crescer no final ou ficar discreta por baixo das vozes.

Efeitos sonoros se encaixam com mais facilidade quando estão presos a algo na tela: a porta range ao abrir, as taças tilintam quando dois amigos brindam, o cascalho estala sob os pneus da bicicleta. Juntar som e ação também dá uma pista de quando aquilo deve acontecer.

Não existe botão para desligar o áudio. Se você quer um clipe quase silencioso, peça um ambiente calmo de sala ou uma brisa leve em vez de não falar nada sobre som, e silencie a trilha no seu editor se o corte final precisar de silêncio total.

Depois que você envia os quadros, o visual já está definido. Use o prompt para o que se move, como a câmera anda e o que se ouve, em vez de descrever a cena de novo. No modo de referência, explique em palavras simples o que cada imagem representa.