Bild zu Video
MiniMax H3
Bilder hochladen
Klicken oder ziehen, um hochzuladen, oder wählen Sie aus Meine Historie
Keine Ideen? Erstellen Sie zuerst ein Bild. >
Unterstützte Upload-Formate: jpg, jpeg, png, webp, heic, heif, Bilder bis zu 30 MB, mit einer Mindestbreite/-höhe von 256 px.
Tipps
0/5000
5s
2K
Kreationen
Ideen-Hub
So funktioniert es
Einheitliche multimodale Videoerstellung

MiniMax H3 KI-Videogenerator

Brauchen Sie mehr als einen weiteren stummen Text-zu-Video-Clip? Media.io integriert MiniMax H3 in einen browserbasierten Workflow, in dem Text, Bilder, Video und Audio gemeinsam als kreativer Kontext funktionieren. Steuern Sie Charakter, Bewegung, Kamera, Stil, Stimme und Tempo und generieren Sie dann 2K-Video bis zu 15 Sekunden mit nativem Stereoton.

  • 2K-Ausgabe
  • Bis zu 15 Sekunden
  • Nativer Stereoton
  • Bis zu 12 gemischte Referenzen
Referenzbild
Reference image of a green military-style insulated cup with handle
Kreative Gestaltung

Verwenden Sie die hochgeladenen Bilder als einzige Referenz für das Erscheinungsbild des Produkts und erstellen Sie eine 15-sekündige, 16:9-Querformat-Version eines UI/UX-Demonstrationsvideos für die Landingpage einer hochwertigen Produkt-Website. Das Kernprodukt ist der auf dem Bild gezeigte grüne Militärbecher mit Henkel und Isolierfunktion. Behalten Sie dabei strikt die Becherkörperfarbe, die zylindrischen Proportionen, den transparenten Deckel, die obere Öffnungsstruktur, den rechten eckigen Henkel, den metallischen Zierring und das „media.io"-Logo bei, ohne die Produktform zu verändern oder andere Bechermodelle zu erstellen.
Das Gesamtdesign orientiert sich an einem dunklen, funktionalen Outdoor-Stil und dem visuellen Stil der offiziellen Website einer hochwertigen Sportmarke: ein reinschwarzer Hintergrund, durchzogen von dunklem Carbon, gebürsteten Metalloberflächen und wasserfesten Gewebetexturen, kombiniert mit schnell fließenden militärgrünen und warmgoldenen dynamischen Lichtbändern. Große, raue und kraftvolle, leicht geneigte serifenlose Schriften, deren Text das Produkt als Hintergrundelement vor- und zurückverdeckt. Das Seitenlayout ist anspruchsvoll, zurückhaltend und vermittelt ein Gefühl von Tempo und Stärke.
0 – 4 Sekunden: Beginn mit dem Hauptbildschirm der offiziellen Produktwebsite. Der Isolierbecher schwebt in überproportional großer Darstellung in der Mitte des Bildschirms. Ein deutlich lesbarer Riesentitel „BUILT TO GO" erscheint im Hintergrund. Das Produkt nähert sich langsam und dreht sich leicht. Grüne und goldene Lichtstrahlen streichen schnell über den Becherkörper und heben das matte Material, den transparenten Deckel, den Metallring und den breiten Henkel hervor. Oben verbleibt eine minimalistische Navigationsleiste, unten sind einige Produktparameter und Miniaturansichten angeordnet.
4 – 6 Sekunden: Die Maus scrollt die Webseite nach unten, und der erste Bildschirm gleitet reibungslos nach oben heraus. Die Kamera folgt der Seite in den Produktdetailbereich. Deckel, Henkel, Becherkörper und Bodendetails erscheinen nacheinander in horizontalen Karten. Das Scrollen hat eine natürliche Trägheit und einen leichten Geschwindigkeitsunschärfe-Effekt, aber die Produktinformationen bleiben klar erkennbar.
6 – 10 Sekunden: Eintritt in den Produktfunktionsbereich. Auf der linken Seite der Seite wird ein klarer Titel „ALL-DAY TEMPERATURE" angezeigt, und auf der rechten Seite ist ein vollständig schwebender Isolierbecher zu sehen. Das Produkt dreht sich langsam und gleichmäßig um einen Viertelwinkel. Im Hintergrund erscheinen abstrakte Kaltluftströme, feine Wassertröpfchen und Metallwellen, die die Isolier- und Kühlleistung demonstrieren. Wenn die Maus über die Funktionstaste fährt, vergrößert sich das Produkt leicht, und der Hintergrund wechselt von Schwarz zu Hellgrau, während die Text- und Schaltflächenfarben synchron invertieren; nur der UI-Hintergrund und die Oberflächenfarben werden geändert, ohne den Isolierbecher selbst zu verändern.
10–12 Sekunden: Weiter scrollen zum Funktionsbereich „LEAKPROOF LID" und „EASY-GRIP HANDLE". Nahaufnahmen von Deckel und Henkel verwenden, mit geometrischen Linien, die auf die strukturellen Details hinweisen. Die Seitenelemente gleiten schnell hinein und kommen nacheinander gleichmäßig zum Stillstand.
12–15 Sekunden: Die Webseite kehrt reibungslos zum Startbildschirm zurück, der Thermobecher wird wieder in der Mitte des Bildschirms zentriert, der Riesentitel „BUILT TO GO" befindet sich hinter dem Produkt. Am unteren Rand erscheint ein deutlicher „ADD TO CART"-Kapsel-Button. Die Maus bewegt sich präzise zur Mitte des Buttons und löst den Hover-Effekt aus: Der Button vergrößert sich, wird schwarz-weiß und gibt ein grünliches Leuchten ab; das Produkt bleibt stabil. Abschließend verweilt die Ansicht auf der vollständigen Produkt-Hauptvisualisierung und dem Kaufbutton.
Aufnahmen und Animationen: Flüssiges vertikales Scrollen der Webseite, schwebende Produktrotation, langsames Heranzoomen, Ebenen-Parallaxeffekt, Hochgeschwindigkeits-Lichtbanddurchlauf, Karten-Eingleitung, Maus-Hover-Vergrößerung, UI-Farbinversion. Alle Bewegungen sind kompakt und flüssig und erinnern an die Demonstration einer echten und interaktiven hochwertigen Produktwebsite.
Einschränkungen: Farbe, Struktur, Henkelposition, Deckelform und Markenlogo des Isolierbechers dürfen nicht verändert werden; das Produkt darf nicht in andere Bechermodelle umgewandelt werden; keine Figuren oder Hände sind erlaubt; Auspacken ist verboten; der Becher darf nicht weich werden, sich verbiegen, schmelzen oder verformen; keine unlesbaren Zeichen, falschen Beschriftungen oder zusätzliche Produkte sind zulässig; Farbinversion betrifft nur den Webhintergrund, Buttons und Text; das Produkt muss stets klar, vollständig und stabil bleiben.

MiniMax H3 Demo — E-Commerce-Produkt-Website-Anzeige
Kreative Gestaltung

## 15-Sekunden-K-Pop-Girlgroup-MV-Prompt

Subjekt: Eine dreiköpfige K-Pop-Girlgroup. Halten Sie jedes Mitglied konsistent mit dem festgelegten Charakterdesign. Bewahren Sie Gesichtszüge, Frisuren, Körperproportionen, Outfits und individuelle Identitäten während des gesamten Videos.

SOL: Langes, glattes schwarzes Haar mit einer ruhigen, aber bestimmenden Ausstrahlung. Sie trägt eine schwarze dekonstruierte, kurze Lederjacke, ein anliegendes Oberteil mit metallischen Verschlüssen, einen hochgeschnittenen asymmetrischen Faltenrock und spitze Overknee-Stiefel, akzentuiert mit Silberringen und einer zarten Hüftkette.

LUNA: Kurzer silbergrauer Wolf-Cut mit einer kühlen, distanzierten Ausstrahlung. Sie trägt eine kurze silbergraue Jacke mit skulpturalen Paneelen, einen schwarzen Rollkragen-Body, einen metallischen asymmetrischen Skort und schwarze Plateau-Biker-Stiefel, akzentuiert mit transparenten Mesh-Ärmeln und metallischen Ohrringen.

CORONA: Langes, welliges dunkelrotbraunes Haar mit dünnen Zöpfen, die eine rebellische und scharfe Haltung ausstrahlen. Sie trägt eine zerschlissene dunkelrote Leder-Bikerjacke, ein schwarzes Träger-Crop-Top, einen tiefgesteckten mehrlagigen Skort und dunkelrote Schnürstiefel, akzentuiert mit einem Nieten-Gürtel und metallischen Armbändern.

Die Outfits müssen überzeugende High-Fashion-Materialien aufweisen, darunter realistische Ledertextur, metallische Reflexionen, Stofffalten und natürliche Kleidungsbewegung. Vermeiden Sie billige Bühnenkostüme, Kunststoff-artig wirkende Materialien oder generische Girlgroup-Uniformen.

Schauplatz: Ein weißes Cyclorama-Studio, das in ein Underground-Musikmagazin-Fotoshooting-Set verwandelt wurde. Es sollte nicht wie ein sauberes kommerzielles Studio aussehen. Der Hintergrund zeigt überbelichtete weiße Wände, schwere grau-schwarze Schatten, fotokopierte Papierfragmente, zerrissene Papierkanten, Halbtonpunkte, schwarze Klebestreifen, falsch ausgerichtete Scans und lokalisierte schwarze Sprühfarb-Texturen. In ausgewählten Aufnahmen wechselt der Hintergrund sofort zwischen reinem Schwarz, überbelichtetem Weiß und hochkontrastigem Grau, ausschließlich mit harten Schnitten.

Visueller Stil: Ein Dark-Pop-, Cyber-Grunge-, Trap-Rap-Musikvideo mit realistischen High-Fashion-Produktionswerten, das späte 1990er bis frühe 2000er Jahre unabhängige Musikmagazine, Underground-Konzertposter, fotokopiertes Papier, gescannten Film und Zine-Collage-Ästhetik kombiniert. Verwenden Sie Hochkontrast-Schwarz-Weiß mit niedrig gesättigten Dunkelrot- und kalten Silbergrau-Akzenten. Behalten Sie natürliche Hauttöne, tiefe Schwarztöne und klar sichtbare Details in dunkler Kleidung bei. Fügen Sie grobes Filmkorn, subtiles Film-Zittern, Belichtungsflimmern, Halbtonpunkte, raue gedruckte Ränder, Scan-Verschiebung, Verschlusszeit-Schleierung und lokalisierte Farbregistrierungsfehler hinzu. Vermeiden Sie billiges Cyberpunk-Neon, Videospiel-CGI, Kunststoff-Haut und übermäßige Beauty-Glättung.

Kinematografie: Erzeugen Sie das Gefühl eines echten, hochbudgetierten Musikvideos, das die natürlichen Hauttöne und den hohen Dynamikbereich einer ARRI Alexa 35 simuliert. Wechseln Sie schnell zwischen 24mm-, 35mm- und 50mm-Kinoobjektiven. Verwenden Sie 24mm für Nahbereichs-Weitwinkelaufnahmen, Gruppenaufnahmen aus niedrigem Winkel und handgesteuerte Kamera-Impact-Aufnahmen; 35mm für Medium-Close-Up-Performances, Zwei-Personen-Raumkompositionen und schnelle seitliche Kamerabewegungen; und 50mm für Gesichtsnahaufnahmen, Profile und intensiven Augenkontakt. Verwenden Sie häufig konfrontative Weitwinkel-Nahaufnahmen, beatgesteuerte Kopfbewegungen, Schulterdetails, Niedrigwinkel-Halbnahaufnahmen, handgesteuerte Kameraschübe und enge Profil-Nahaufnahmen. Die Kamera darf kontrollierte Handheld-Bewegungen, plötzliche Vorwärtsstöße, schnelle seitliche Schwenks oder abrupte Stopps präzise auf den Beat verwenden. Behalten Sie überzeugendes Kameragewicht, physische Trägheit, Perspektivwechsel, räumliche Parallaxe und genauen Fokus bei. Die Performer müssen den Beat durch ausdrucksstarke Choreografie und Rap-Performance treffen. Dies ist kein Laufsteggang oder ein statisches Modefoto-Shooting.

Musik: Ein 15-sekündiges Dark-Pop-, Cyber-Grunge-, Trap-Rap-Segment bei etwa 138 BPM. Verwenden Sie kraftvollen Sub-Bass, enge und knackige Snares, verzerrtes industrielles elektronisches Rauschen und kurze Vokal-Chops. Die ersten drei Sekunden bauen Spannung auf, der mittlere Abschnitt tritt in eine durchgehende Rap-Sequenz mit dichtem Schnitt ein, und die letzten zwei Sekunden schließen mit konzentriertem schwerem Bass ab.

Typografie: Der Text ist keine gewöhnliche Untertitelung. Er ist ein aktiver Teil der Komposition und des räumlichen Designs. Verwenden Sie originale, nicht markengebundene Phrasen wie „CUT THE FEED", „DEAD AIR", „STRIKE FIRST", „SYSTEM / VOID", „NO SURRENDER", „UNMUTED", „FINAL WARNING" und „BLACKOUT CODE". Schließen Sie keine echten Marken, echten Gruppenlogos oder bestehenden Songtitel ein. Kombinieren Sie schwere schwarze serifenlose Schriftzüge, kondensierte Industrieschriften, Schreibmaschinentexte und handgemachte fotokopierte Beschriftungen. Positionieren Sie die Typografie im Vordergrund, Mittelgrund und Hintergrund. Die Performer können Wörter teilweise verdecken, während der Text ihre Körper, Outfits oder Hände überlappen kann, darf aber niemals ihre Augen oder wesentliche Gesichtsausdrücke bedecken. Synchronisieren Sie jedes Erscheinen, Zittern, Dehnen, Komprimieren, Brechen, Umklappen und Hart-Schnitt-Neuanordnen mit Rap-Akzenten, Snares und Bass-Hits. Fügen Sie der Typografie Tintenverlauf, Fotokopiergeräusch, falsch ausgerichtete Farbplatten und raue gescannte Ränder hinzu.

Schnittregeln: Verwenden Sie ausschließlich harte Schnitte, Jump-Cuts, Weiß-Blitz-Schnitte, Schwarz-Blitz-Schnitte und beatgesteuerte Schnitte. Keine Überblendungen, Auflösungen, sanfte Übergänge oder überlagerte Zeitlupen. Jede Aufnahme sollte zwischen 0,3 und 1,2 Sekunden dauern. Das Tempo muss schnell, aber visuell lesbar sein. Jeder Bewegungsstopp, Kamerastopp, typografische Wechsel und Schnittpunkt muss präzise auf den Beat treffen.

AUFNAHME 01|0,0–0,8 s

Ein reinschwarzes Bild schneidet beim ersten Bass-Hit hart auf eine extreme frontale Nahaufnahme von SOL.

Ein 24mm-Weitwinkelobjektiv ist sehr nah an ihr Gesicht positioniert. Die Kamera bleibt auf Höhe von SOLs Augen, mit fest auf ihre Pupillen gerichtetem Fokus. SOL lehnt sich aggressiv zur Linse hin und senkt ihren Kopf plötzlich nach unten. Ihr langes schwarzes Haar reagiert mit kurzer, physikalisch präziser Trägheit.

Das Bild ist stark kontrastiert, und der Hintergrund ist stark überbelichtet, aber die Lichter auf ihrem Gesicht dürfen nicht ausgebrennen. Das enorme fette schwarze Wort „DEAD" erscheint hinter ihr, wobei ihr Kopf dessen Mitte verdeckt. Auf den Beat nimmt das Filmkorn plötzlich zu und die Kamera erzeugt einen kurzen vertikalen Ruck.

AUFNAHME 02|0,8–1,5 s

Harter Schnitt auf eine Nahaufnahme von LUNAs Schulter und Kieferlinie.

Ein 50mm-Objektiv filmt sie von der vorderen linken Seite. Die Bildgestaltung schneidet einen Teil des oberen Kopfes ab, um Kieferlinie und Blick zu betonen. Sie senkt eine Schulter und schaut zunächst im Profil zur Kamera, bevor sie ihr Gesicht auf den Snare abrupt nach vorne dreht.

Ihr silbergraues Haar streift die Kante ihres Auges, ohne die Pupille zu bedecken. Halbtonpunkte breiten sich vom Hintergrund in die Ränder ihrer Kleidung aus. Das kondensierte Wort „AIR" wird hart geschnitten und von rechts in den Rahmen komprimiert, positioniert zwischen dem Hintergrund und ihrer Schulter im Vordergrund.

AUFNAHME 03|1,5–2,3 s

Harter Schnitt auf eine Halbnahaufnahme aus niedrigem Winkel von CORONA.

Die 24mm-Kamera ist unterhalb der Taillenhöhe positioniert und leicht nach oben geneigt. Sie drückt ihren Körper nach vorne und streckt eine Hand zur Linse. Ihre Handfläche streift den Vordergrund, bevor sie beim Bass-Hit sofort zurückgezogen wird.

Als ihre Hand sich der Linse nähert, vergrößert sie sich natürlich durch die Perspektive und gerät kurz außer Fokus. Wenn sie sie zurückzieht, kehrt der Fokus schnell zu ihren Augen zurück. Ihr langes dunkelrotbraunes Haar und die dünnen Zöpfe bewegen sich mit realistischer Trägheit. Dunkelrote und schwarze Farbschichten sind leicht falsch ausgerichtet, sodass das Bild einem gescannten Vintage-Magazin ähnelt. Ihre Hand verdeckt teilweise das Wort „STRIKE".

AUFNAHME 04|2,3–3,0 s

Eine enge frontale Halbnahaufnahme aller drei Mitglieder.

Verwenden Sie eine stabile 35mm-Zentralkomposition. SOL steht in der Mitte, etwas näher an der Kamera, während LUNA und CORONA auf beiden Seiten stehen. Alle drei senken gleichzeitig ihre Schultern, dann heben sie abrupt ihre Köpfe und starren auf den Beat in die Kamera.

Der Hintergrund schneidet hart von Weiß zu Schwarz und zurück zu Weiß, während die Performer perfekt ausgerichtet bleiben. Das große Wort „CUT" erstreckt sich horizontal hinter ihnen, wobei ihre Körper dessen Mitte verdecken und fragmentieren.

AUFNAHME 05|3,0–3,7 s

Eine 50mm-Profil-Nahaufnahme von SOL.

Sie dreht sich und hält plötzlich inne, dreht ihr Gesicht schnell vom Profil zur Kamera, während sie einen Finger entlang ihrer Kieferlinie gleiten lässt. Der Fokus beginnt auf ihrer Fingerspitze, bevor er schnell zu ihren Augen wechselt.

Genau in dem Moment, in dem ihre Bewegung stoppt, macht die Kamera einen schnellen 20-Zentimeter-Schub entlang der Linsenachse und bremst sofort ab. Das Wort „SYSTEM" erscheint im linken Vordergrund und überlappt leicht ihre Schulter, ohne ihr Gesicht zu bedecken.

AUFNAHME 06|3,7–4,4 s

Eine Ganzkörperaufnahme aus niedrigem Winkel von LUNA.

Ein 24mm-Objektiv wird nah am Boden platziert und leicht nach oben geneigt. Sie führt eine kurze, realistische und kraftvolle Tanzphrase aus: ihre Knie drehen sich nach innen, ihr Oberkörper zieht sich zurück, ihre Arme gleiten von ihrer Brust auseinander, und dann lehnt sie sich sofort zur Kamera hin.

Ihre silbergraue Jacke, der asymmetrische Skort und die transparenten Mesh-Ärmel reagieren mit deutlicher Stoffträgheit. Auf den Snare wechselt das Bild für drei Frames zu einer hochkontrastreichen Schwarz-Weiß-Halbton-Behandlung, bevor es sofort zur entsättigten Farbe zurückkehrt.

AUFNAHME 07|4,4–5,1 s

Eine enge 35mm-Gesichts-Nahaufnahme von CORONA.

Die Kamera gleitet schnell von ihrer rechten Seite in eine frontale Position. Sie dreht ihren Kopf im Rhythmus, hebt leicht ihr Kinn und nähert sich dann bewusst der Linse. Sie lächelt nicht; ihr Ausdruck ist konfrontativ, scharf und in einer authentischen Rap-Performance verwurzelt.

Das dunkelrote Wort „VOID" schneidet plötzlich von hinter ihr in den Vordergrund, überlappt Teile ihres Haares und ihrer Jacke, lässt aber ihre Augen, Nasenbrücke und Mund vollständig sichtbar.

AUFNAHME 08|5,1–6,0 s

Eine schnelle Montage abwechselnder Kopfbewegungen aller drei Mitglieder.

SOL führt ein kraftvolles frontales Nicken aus, LUNA vollführt eine schnelle Profilkopfdrehung, und CORONA lehnt sich vor und senkt ihren Kopf abrupt. Behalten Sie nur drei bis fünf Frames von jeder Aktion bei und verbinden Sie sie mit drei aufeinanderfolgenden harten Schnitten.

Halten Sie ihre Augen in etwa im gleichen Bereich des Bildes, um präzise Match-Cuts zu erzeugen. Der Hintergrund springt zwischen Weiß, Grau und Schwarz, während Filmabtastlinien kurz von oben nach unten rollen.

AUFNAHME 09|6,0–6,8 s

Eine enge Zwei-Personen-Aufnahme von SOL und CORONA.

Verwenden Sie ein 35mm-Objektiv. SOL steht vorne und rappt direkt in die Kamera. CORONA taucht plötzlich hinter ihr auf und nähert sich schnell entlang der Kameraachse.

Bewahren Sie eine klare räumliche Trennung zwischen ihnen. Der Fokus wechselt kurz von SOL zu CORONA, bevor er sich zwischen beiden Performern einpendelt. Das Wort „NO" erscheint im Hintergrund, während „SURRENDER" entlang des unteren Vordergrundes sitzt und die Ränder ihrer Outfits überlappt, ohne ihre Gesichter zu bedecken.

AUFNAHME 10|6,8–7,6 s

Eine Solo-Medium-Nahaufnahme von LUNA.

Sie kreuzt beide Hände schnell neben ihrem Gesicht und schlägt sie nach außen, trifft dabei präzise aufeinanderfolgende Snares. Mit einem 35mm-Objektiv gleitet die Kamera gleichzeitig um etwa eine halbe Körperbreite nach links und hält abrupt beim letzten Akzent an.

Während der seitlichen Bewegung zeigt der Hintergrund begrenzten, physikalisch realistischen Bewegungsunschärfe, während ihr Gesicht scharf bleibt. Zerrissene fotokopierte Papiere, schwarze Klebestreifen und grob gesprühte Grafiken erscheinen, als wären sie physisch an der Studiowand befestigt.

AUFNAHME 11|7,6–8,5 s

Eine Weitwinkel-Ganzkörperaufnahme aus niedrigem Winkel aller drei Mitglieder.

Verwenden Sie ein leicht nach oben geneigtes 24mm-Objektiv. Jedes Mitglied führt eine andere, aber ergänzende Aktion aus:

SOL tritt vor und lässt ihre Schultern fallen;

LUNA faltet ihren Körper seitwärts und senkt ihren Schwerpunkt;

CORONA dreht sich schnell, schaut dann zurück und bewegt sich zur Kamera.

Ihre Bewegungen sollten nicht perfekt synchronisiert sein, aber alle drei müssen gleichzeitig beim gleichen Bass-Hit anhalten. Die Kamera zieht sich langsam zurück, bevor sie beim Akzent sofort einrastet.

AUFNAHME 12|8,5–9,3 s

Eine extreme Nahaufnahmen-Montage von Händen und Outfit-Details.

Verwenden Sie 50mm-Makro-artige Nahaufnahmen, um schnell metallische Ringe, Hüftketten, Jackenverschlüsse, Finger, die gegen einen Oberschenkel tippen, und eine zur Linse gestreckte Handfläche zu zeigen. Jedes Detail erscheint nur für zwei bis vier Frames.

Die Textfragmente „CU / T / OUT" verhalten sich wie physische Papierausschnitte, die hart schneiden, rotieren und sich in verschiedenen Bereichen des Bildes neu kombinieren. Metallische Reflexionen müssen realistisch aussehen, mit klaren Details, aber ohne übermäßige digitale Schärfung.

AUFNAHME 13|9,3–10,2 s

CORONA rappt im Vordergrund, äußerst nah mit einem 24mm-Objektiv gefilmt.

Sie zeigt mit einem Finger direkt zur Kamera, erzeugt eine dramatische Vordergrundperspektiv-Vergrößerung, dreht dann ihr Handgelenk und drückt ihre Hand nach unten. Halten Sie den Fokus auf ihren Augen, während leichte Tiefenschärfeänderungen zugelassen werden, wenn ihre Hand sich der Linse nähert.

LUNA und SOL bleiben im seichtfokussierten Hintergrund und führen subtile Kopf- und Schulterbewegungen aus. Erstellen Sie eine dreilagige Komposition: „THE FEED" im Hintergrund, die beiden Mitglieder im Mittelgrund und CORONA mit ihrer Handgeste im Vordergrund.

AUFNAHME 14|10,2–11,1 s

LUNA dreht sich schnell von links ins Bild.

Ein 35mm-Objektiv führt einen kurzen Schwenk nach rechts aus und folgt dabei präzise ihrer Drehung. Ihr Kleidungssaum schwingt natürlich mit der Bewegung. Sie bringt dann ihr Gesicht nah an den rechten Bildrand und schaut direkt in die Linse.

Beim musikalischen Akzent wird eine kurze horizontale Scan-Verschiebung hinzugefügt. Ein zurückhaltender Rot-Cyan-Farbregisterversatz wird um ihre Silhouette eingeführt, während ihr Hautton und ihre Gesichtszüge natürlich und stabil bleiben.

AUFNAHME 15|11,1–12,0 s

Eine zentrierte frontale Halbnahaufnahme von SOL.

Ein 50mm-Objektiv sperrt den Fokus auf SOLs Augen. Sie senkt ihren Kopf und pausiert für einen halben Beat, dann reißt sie ihn gewaltsam nach oben. LUNA und CORONA drängen gleichzeitig von hinter ihr nach vorne, während die Kamera schnell um einen Schritt zurückzieht und realistische Parallaxe nutzt, um räumliche Wirkung zu erzeugen.

Das enorme Wort „UNMUTED" rekonstruiert sich plötzlich aus dem Hintergrund in den Raum zwischen den Performern und dem Vordergrund. Ihre Körper teilen es in mehrere Fragmente, aber keines ihrer Augen darf verdeckt werden.

EINSTELLUNG 16|12,0–13,0s

Drei aufeinanderfolgende harte Schnitte:

SOL wird mit einem 24-mm-Objektiv gefilmt, während sie einen Finger schnell in Richtung Kamera streckt;

LUNA wird mit einem 35-mm-Objektiv gefilmt, während sie ihre Schulter kraftvoll in Richtung Objektiv drückt;

CORONA wird mit einem 50-mm-Objektiv gefilmt, während sie sich abwendet und plötzlich direkt in die Kamera zurückblickt.

Jede Einstellung entspricht einem Snare-Schlag. Die Brennweiten werden progressiv enger und erhöhen kontinuierlich den visuellen Druck. Filmkorn, Druckrauschen und raue fotokopierte Ränder intensivieren sich mit jedem Schnitt.

EINSTELLUNG 17|13,0–14,0s

Eine Heldenaufnahme aus der Froschperspektive aller drei Mitglieder in voller Körpergröße.

Verwende ein 24-mm-Objektiv mit einer starken Zentralachsen-Komposition. SOL steht in der Mitte und tritt vor. LUNA dreht sich seitlich und senkt ihren Schwerpunkt. CORONA lehnt sich nach vorne. Zusammen bilden sie eine stabile, scharfe, asymmetrische Dreieckskomposition.

Sie behalten natürliches Atmen, Kleidungsträgheit und subtile Körperbewegung bei, anstatt in einer statischen Pose zu erstarren. Der große Hintergrundtext „FINAL WARNING" wird teilweise von ihren Körpern verdeckt, sodass nur fragmentierte Buchstabenformen sichtbar bleiben.

EINSTELLUNG 18|14,0–15,0s

Der abschließende Bass-Schlag.

Mit einem 35-mm-Objektiv schiebt sich die Kamera plötzlich entlang der Zentralachse vor, von einer Mittelaufnahme der drei Personen in eine enge Nahaufnahme ihrer Gesichter. Alle drei führen gleichzeitig einen kraftvollen Kopfstoß aus und starren direkt in das Objektiv.

Das Bild komprimiert sich sofort in einen hochkontrastreichen Schwarz-Weiß-Fotokopiereffekt. Der ursprüngliche Satz „BLACKOUT CODE" erscheint kurz zwischen dem Hintergrund und der Vordergrundebene ihrer Schultern und schüttelt sich zweimal.

Im letzten Bild direkt zu reinem Schwarz schneiden. Musik und Bild stoppen gleichzeitig, ohne Überblendung und ohne nachhallenden Audioausklang.

Negativanforderungen: Kein generisches Mädchengruppen-Lineup, verlängertes Laufsteg-Gehen, statische Modeposen, schwache oder langsame Bewegungen, ausgedehnte synchronisierte Gruppenchoreografie, übermäßig mechanisches Tanzen, zeichentrickhafte Ausdrücke, Cyberpunk-Neon-Städte, billiger RGB-Lichtverschmutzung, echte Marken, bestehende Gruppenlogos, bestehende Songtitel, gewöhnliche Untertitel, Überblendungen, Auflösungen, sanfte Übergänge, verträumte Weichzeichnerfilter, Videospiel-CGI-Ästhetik, kunststoffartige Haut, übermäßige Beauty-Glättung, Gesichtsidentitätsdrift, zufällige Frisur- oder Outfit-Änderungen, ungenaues Fokussieren, schwebende Kamerabewegung ohne physische Trägheit, übermäßig glatte KI-Kamerabewegung, missgebildete Finger oder zusätzliche Personen.

MiniMax H3 Demo — K-Pop-Musikvideo
Referenzbild
Reference image of a silhouetted western cowboy beside a telegraph pole
Kreative Gestaltung

Unter Verwendung des beigefügten Referenzbildes als genaues Eröffnungsbild und Charakterreferenz,

RHYTHMUS — HÖCHSTE PRIORITÄT:

Schneide die gesamte Sequenz auf einen energetischen 150-BPM-Jazz-Western-Rhythmus mit schnellen Snare-Schlägen, Doppelbass-Impulsen, scharfen Blechbläser-Stichen, Handklatschen, Sporengeräuschen, Peitschenknallen und kurzen Revolver-Zylinderklicks. Jeder Schnitt, jede Pose, jede Kamerabewegung, jeder Grafikbalken und jeder Typografietreffer muss präzise auf einem Beat oder Halbbeat landen.

Erstelle mindestens 20–24 klar unterschiedliche Einstellungen innerhalb von 15 Sekunden. Die meisten Einstellungen dauern nur 0,2–0,7 Sekunden. Keine Einstellung darf länger als 0,8 Sekunden visuell unverändert bleiben. Halte konstante visuelle Progression und eskalierende Energie aufrecht.

Verwende nur sehr kurze 2–4 Frame-Mikro-Einfrierungen von etwa 0,08–0,15 Sekunden, unmittelbar gefolgt von explosiver Bewegung. Halte niemals ein Standbild für einen vollen Beat oder mehrere Sekunden. Der Rhythmus muss sich anfühlen wie: Ausbruch—Hit-Stopp—Ausbruch—harter Schnitt—Ausbruch.

VISUELLER STIL:

Erstelle eine hochenergetische Spaghetti-Western-Titelsequenz der 1960er Jahre, die Mid-Century-Grafikdesign, Saul-Bass-inspirierte Komposition, Bauhaus-Geometrie, Pulp-Western-Poster, Comic-Panels und raue Siebdruck-Textur kombiniert.

Rendere den Cowboy und die Umgebungsdetails als fette, hochkontraste schwarze Silhouetten. Verwende nur gesättigtes Rot, Senfgelb, dunkles Marineblau, Schwarz und kleine cremefarbene Highlights. Jeder Schnitt sollte eine neue Farbanordnung, einen neuen Ausschnitt, eine neue grafische Form oder einen neuen Kamerawinkel einführen.

Verwende dramatische diagonale Kompositionen, überdimensionierte Sonnenkreise, scharfe horizontale Wüstenlinien, sich schnell bewegende Telegrafendrähte, rotierende Revolverkammern, Stiefel- und Sporennahaufnahmen, Mantelsilhouetten, Hutkrempennah­aufnahmen, Split-Screens, geometrische Blenden, sich ausdehnende Kreise, diagonale Balken und fette Typografie.

ZEITPLAN UND EINSTELLUNGSDICHTE:

0,0–1,5s — SCHNELLE ERÖFFNUNG:

Beginne nur 0,2 Sekunden lang mit dem genauen Referenzbild.

Führe sofort vier schnelle Schnitte durch:

Weite Cowboy-Silhouette vor rotem Himmel → Schnellzoom in die Hutkrempe → Telegrafendrähte peitschen quer durch den Rahmen → extreme Nahaufnahme von schattigen Augen.

Füge zwischen ausgewählten Einstellungen einen 3-Frame-Schwarzblitz ein.

Der Cowboy stößt sich beim ersten großen Blechbläser-Schlag scharf vom Pfahl ab.

1,5–4,0s — DETAIL-IMPACT-MONTAGE:

Erstelle sechs schnelle Nahaufnahmen, jede etwa 0,3–0,5 Sekunden lang:

Stiefel trifft den Boden → Spore dreht sich → Mantelschleife schnappt → Finger strecken sich neben dem Holster → Gürtelschnalle blitzt auf → Revolverzy­linder dreht sich.

Wechsle bei jedem Schnitt zwischen roten, senfgelben und dunkelblauen Hintergründen ab.

Verwende Schnellzooms, Whip-Pans, Crash-Zoom-Outs, diagonale Wischblenden und 2–4 Frame-Pose-Einfrierungen.

4,0–7,0s — BESCHLEUNIGENDER GANG:

Zeige den Cowboy, wie er schnell über ein flaches senfgelbes Wüstenfeld läuft.

Schneide zwischen Ganzkörper-Seitenansicht, Tiefwinkel-Stiefeln, grafischer Overhead-Silhouette, extremer Nahaufnahme der schwingenden Hand und Comic-Split-Panels.

Sein Gehrhythmus muss exakt auf dem Schlagzeug landen.

Der Telegrafenmast und die Wüstenlinien rasen in entgegengesetzten Richtungen vorbei, um intensiven Parallax und Geschwindigkeit zu erzeugen.

Zeige keinen kontinuierlichen langsamen Gang – breche die Bewegung in schnelle rhythmische Fragmente auf.

7,0–10,0s — GEOMETRISCHER AKTIONSAUSBRUCH:

Teile den Bildschirm in zwei, dann drei, dann vier Comic-Panels auf.

Zeige in verschiedenen Panels, wie der Hut sich dreht, die Stiefel anhalten, der Mantel sich öffnet, die Hand sich dem Revolver nähert und der Cowboy scharf in Richtung Kamera blickt.

Panels schlagen sich auf aufeinanderfolgenden Beats auf und zu.

Verwende abwechselnde Vollbild-Rot-, Gelb-, Marine- und Schwarzblitze.

Füge schnelle horizontale Balken, sich ausdehnende Sonnenkreise, rotierende Sternformen und kantige Schattenblenden hinzu.

Jede Komposition wechselt innerhalb von 0,5 Sekunden.

10,0–13,0s — KLIMAX-AUFBAU:

Erhöhe die Schnittgeschwindigkeit weiter mit 8–10 Schnitten:

Augen → Hand → Holster → Spore → Revolvergriff → Mantel → Telegrafendraht → überdimensionierte Sonne → volle Cowboy-Silhouette.

Verwende progressiv engere Nahaufnahmen und stärkere Schnellzooms.

Der Cowboy greift zum Revolver, dreht sich scharf und nimmt eine kraftvolle Revolverhelden-Pose ein.

Verwende einen 3-Frame-Totalstopp, dann sofort zum nächsten Winkel schneiden.

Keine Zeitlupe und keine lange spannungsgeladene Pause.

13,0–15,0s — ABSCHLIESSENDER AUFPRALL:

Verwende drei schnelle falsche Enden:

Cowboy-Silhouette vor Gelb → harter Schnitt zu dunkelblauer extremer Nahaufnahme → harter Schnitt zu roter Weitaufnahme.

Beim letzten Musikschlag den Cowboy neben dem Telegrafenmast vor einem einfarbig roten Himmel und einer überdimensionierten senfgelben Sonne enthüllen.

Der genaue Titel „OUTLAW" schlägt als große cremefarbene geometrische Buchstaben in die leere linke Seite.

Halte die abschließende Komposition nur die letzten 0,6 Sekunden, dann ende mit einem sofortigen harten Stopp.

MiniMax H3 Demo — Comic-Western-Titelsequenz
Kreative Gestaltung

Generiere einen 15-sekündigen kinematografischen Kampf zwischen zwei völlig originalen Charakteren in einem markanten Comic-Tusche-Stil: schwere schwarze Konturen, Halbton-Schattierung, verwitterte Drucktextur, Tintenspritzer, gezackte Bewegungslinien und eine begrenzte Palette aus Karmesinrot, Elektro-Blau, Blauschwarz, Silberweiß und Schwarz.

SCHAUPLATZ:

Eine regengetränkte futuristische Stadt bei Nacht mit Wolkenkratzern, Neonreflexionen, Rauch, Blitzen, Dachstrukturen und turbulenten Wolken.

CHARAKTERE:

Crimson Weaver: ein athletischer erwachsener maskierter Held, der einen originalen karmesinroten und mitternachtsblauen gepanzerten Anzug mit dünnen silbernen geometrischen Linien, ausdrucksstarken weißen Augenlinsen, handgelenkmontierten synthetischen Kabelwerfern und einem kleinen silbernen Sanduhr-Emblem trägt.

Titan-09: ein kolossaler blauschwarzer Mech mit Klauenhänden, Metallfangs, roten optischen Sensoren, einem leuchtenden kreisförmigen Brustreaktoren und elektrisch-blauer Energie, die über seine Rüstung bogen.

Halte beide Designs konsistent. Imitiere keinen bestehenden Superhelden, kein Franchise-Kostüm, kein Logo oder erkennbaren Charakter.

0–2,5s:

Vogelperspektive von Crimson Weaver, der bei starkem Regen auf einem Dach steht. Die Kamera fährt schnell herunter, während er aufblickt und sagt:

„Mach dich bereit – das endet jetzt!"

Synchronisiere lesbaren Comic-Text – „GET READY", „THIS ENDS", „NOW!" – mit seiner Stimme. Jeder Satz schlägt mit schwarzen Konturen, karmesinroten Schatten, Tintenspritzern und Aufprallerschütterungen ins Bild. Er feuert ein leuchtendes Kabel an der Linse vorbei und springt vom Dach, mit einem schnellen Whip-Pan als Übergang.

2,5–4,5s:

Extreme Tiefwinkel-Enthüllung von Titan-09, der über der Stadt aufragt. Es stößt ein elektronisches Brüllen aus, während seine roten Augen und der Brustreaktoren aufflackern. Blaue Blitze und eine sichtbare Druckwelle erschüttern Fenster und drücken Rauch durch die Straßen. Füge Halbtonringe, Tintenspritzer und „VRRROOOM!" hinzu.

4,5–7,5s:

Crimson Weaver schwingt schnell zwischen Gebäuden, macht einen Vorwärtssalto und feuert Kabel auf Titan-09. Der Mech schwingst eine riesige Faust. Der Held weicht aus, und die Faust trifft einen leeren Wasserturm. Füge Trümmer, weiße Aufpralllinien, Tintenspritzer, „KRAK!" und ein 2–3 Frame-Aufpralleinfrieren hinzu.

7,5–10,5s:

Der Held landet auf dem Arm des Mechs, sprintet über seine Rüstung, weicht blauen elektrischen Ausbrüchen aus, wickelt Kabel um seine optischen Sensoren und führt einen kraftvollen Doppelfußtritt aus. Verwende schnelle Nahaufnahmen, rote Funken, elektrische Bögen, Bewegungslinien, harte Schnitte und Schnellzooms.

10,5–12,5s:

Titan-09 feuert einen roten Energiestrahl aus seinem Brustreaktoren. Crimson Weaver schwingt zwischen Wolkenkratzern und weicht ihm knapp aus. Verwende eine aggressive Verfolgungskamera, extreme Perspektive, starken Parallax, grafische Blitze und diagonale Comic-Panels.

12,5–15s:

Crimson Weaver umkreist den Mech, verankert mehrere Kabel an nahe gelegenen Gebäuden und hält ihn fest. Er benutzt die Kabel als Schleuder und trifft den Brustreaktoren beim stärksten Musikbeat. Füge einen silberweißen Aufprallblitz, Funken, Elektrizität, Tintenspritzer, Kameraerschütterung und „THWAAK!" hinzu.

Titan-09s Reaktor fährt herunter. Crimson Weaver landet in einer Dreipunkt-Pose. Ende auf einem Comic-Standbildrahmen mit dem gefesselten Mech hinter ihm und Blitzen, die die Skyline beleuchten.

AUDIO UND SCHNITT:

Schneller Comic-Jazz-Rock bei etwa 150 BPM mit Schlagzeug, Gitarre, Blechbläserschlägen, Donner, Kabelabschussgeräuschen, mechanischem Brüllen und Energieeffekten. Synchronisiere jeden Schnitt und Aufprall mit dem Beat. Verwende schnelle harte Schnitte, Whip-Pans, Schnellzooms, Comic-Panel-Wischblenden, rhythmische schwarze Frames und 2–3 Frame-Aufpralleinfrierungen.

EINSCHRÄNKUNGEN:

Nur originale Charaktere. Keine Kinder, unbedeckte Gesichter, Kostümwechsel, zusätzliche Charaktere, Gore, Blut, Tod, grafische Verletzungen, zusätzliche Gliedmaßen, missgebildete Anatomie, inkonsistente Designs, zufällige Dialoge oder unlesbarer Text.

MiniMax H3 Demo — Originaler Comic-Helden-Kampf

Weitere Möglichkeiten, das beabsichtigte Video zu dirigieren

MiniMax H3 ist ein universelles Omni-Modal-Generierungsmodell, das entwickelt wurde, um Text, Bilder, Video und Audio als einen kreativen Kontext zu verstehen.
Beschreibe, wie diese Eingaben zusammenhängen, und H3 kann der Anweisung folgen, um ein steuerbares Video mit nativem Stereoton zu generieren oder zu bearbeiten.

Ein einheitlicher Kontext

Komplexe multimodale Aufgaben in natürlicher Sprache dirigieren

Kombiniere bis zu 9 Bilder, 3 Videos und 3 Audioclips in 12 gemischten Dateien und erkläre dann ihre Rollen in einer Anweisung – referenziere zum Beispiel eine Kamerabewegung, ein Charakterbild und eine Stimme oder ein Lied zusammen.

2K + Stereo

2K-Video mit nativem Stereoton

Erstellen Sie schärfere Produkt-, Kampagnen- und Social-Visuals in 2K, wobei H3 den ursprünglichen multimodalen Kontext erneut verwendet, um mehr kleinen Text und feine Details zu erhalten als ein herkömmliches Upscaling allein.

Bis zu 15 Sek.

Platz für einen vollständigen Videomoment

Generieren Sie Clips von bis zu 15 Sekunden, um eine Szene zu etablieren, Bewegung zu entwickeln und mit einem klaren Ende abzuschließen.

Anweisungsbefolgung in kommerzieller Qualität

Übersetzen Sie detaillierte kreative Briefings in besser steuerbare Ergebnisse für Marke, Produkt, Werbung, Schnitt und Multi-Shot-Videos, mit verbesserter Verarbeitung von Text- und Markeninformationen.

V2V-Bewegungsübertragung und -bearbeitung

Referenzieren Sie ein vorhandenes Video, um Körperbewegung, Kameraverhalten, Performance oder Schnittrhythmus zu steuern, während die kreative Struktur auf ein neues Motiv oder eine neue Szene angewendet wird.

MiniMax H3 Anwendungsfälle, die auf Ergebnisse ausgerichtet sind

Wählen Sie einen Modus basierend darauf, was Sie konstant halten möchten und was das Modell erfinden soll.

Produktanzeigen mit gerichteter Bewegung

Generieren Sie 2K-Produktvorstellungen, Markenszenen, dynamische Poster oder E-Commerce-Anzeigen mit koordinierten Visuals, nativem Sound, klarerer Anweisungsbefolgung und verbesserter Darstellung von Text- und Markeninformationen.

Videos mit konsistenten Charakteren

Verwenden Sie mehrere Charakter- und Garderobenbild, um die Identität über einen kurzen narrativen Beat oder eine Markenszene hinweg zu kommunizieren.

Bewegungs- und Kamerastudien

Stellen Sie eine kurze Videoreferenz bereit, um Bewegung, Bildausschnitt, Kameraverhalten oder Tempo zu steuern, während Sie Ihr eigenes Motiv beschreiben.

Filmtitel und Multi-Shot-Storytelling

Inszenieren Sie verbundene Einstellungen, Atmosphäre, Kameraentwicklung, Dialog, Soundeffekte und Musik als eine audiovisuelle Sequenz, anstatt jede Modalität als separate Aufgabe zu behandeln.

Musik- und Performance-Konzepte

Kombinieren Sie eine Referenz eines Performers oder Charakters mit Musik-, Sprach- oder Timing-Anweisungen, um native Stereo-audiovisuelle Performance-Konzepte in einer einzigen Generierung zu erstellen.

Spiel-, UI- und dynamisches Design

Erstellen Sie Spielfilmsequenzen, animierte Benutzeroberflächen, dynamische Poster, Produktdesignkonzepte und UI/UX-Bewegungsstudien aus einem detaillierten multimodalen Briefing.

MiniMax H3 Spezifikationen

Die MiniMax H3-Funktionen, die bei der Videoerstellung auf Media.io wichtig sind.

Offizieller Modellname MiniMax-H3
Ausgabeauflösung 2K in der offiziellen API-Dokumentation
Native audiovisuelle Ausgabe Video mit nativem Stereoton, einschließlich einheitlicher Modellierung von Sprache, Soundeffekten und Musik
Dauer Ganzzahlige Dauer von 4 bis 15 Sekunden
Erstellungsmodi Text-zu-Video; Erstes Bild oder erstes und letztes Bild zu Video; Referenz-zu-Video
Bildreferenzen Bis zu 9
Videoreferenzen Bis zu 3; jeweils 2–15 Sekunden; kombinierte Videoreferenzdauer von höchstens 15 Sekunden
Audioreferenzen Bis zu 3; jeweils 2–15 Sekunden; kombinierte Audioreferenzdauer von höchstens 15 Sekunden
Maximale gemischte Referenz Bis zu 12 kombinierte Bild-, Video- und Audioreferenzdateien
Seitenverhältnisse Prompt- und eingabeabhängig; verfügbare Optionen können in der Media.io-Oberfläche variieren
2K-Detailrendering Verwendet kontextbasierte Regenerierung mit dem ursprünglichen multimodalen Kontext, um kleinen Text und feine visuelle Details in 2K zu verbessern
Kommerzielle Stärken Komplexe Anweisungsbefolgung, Text- und Markeninformationspräsentation, V2V-Bewegungsübertragung, multimodales Editing und native Multi-Shot-Audioproduktion
Wichtige Einschränkungen Wählen Sie den Erstellungsmodus, der Ihren Eingaben entspricht. Erstes/letztes-Bild-Steuerung und gemischte Referenzsteuerung sind separate Workflows in der aktuell dokumentierten Oberfläche.

Siehe die offizielle Videogenerierungsanleitung, API-Referenz, und Modell-Versionshinweise. Media.io kann eine Teilmenge der dokumentierten Steuerungen bereitstellen.

MiniMax H3 vs. Seedance 2.0

Beide Modelle unterstützen multimodale Referenzen und nativen Ton. Die praktische Wahl hängt von kommerzieller Präzision gegenüber filmischer Komplexität ab.

Vergleich MiniMax H3 Seedance 2.0 Vorteil
Eingabe- und Referenzsteuerung Text-, Bild-, Video- und Audiokontext; bis zu 9 Bilder, 3 Videos, 3 Audioclips und 12 gemischte Dateien Text-, Bild-, Video- und Audioreferenzen mit vergleichbaren Grenzen von 9 Bildern, 3 Videos und 3 Audiodateien Unentschieden
Auflösung und Dauer Native 2K-Ausgabe und Video bis zu 15 Sekunden Bis zu 15 Sekunden; die offizielle Startseite gibt keine öffentliche maximale Auflösung an H3
Nativer Ton Nativer Stereosound mit gemeinsam modellierten Sprach-, Musik- und Soundeffekten Zweikanaliger Ton mit detaillierter Sprache, Musik, Umgebungsklang, Foley und paralleler Audioleitung Unentschieden
Kommerzielle Präsentation Starker Fokus auf Anweisungsbefolgung, Produkt- und Markeninformationen, sichtbarer Text, Werbung, E-Commerce, UI/UX und dynamisches Design Starke kommerzielle und filmische Ausgabe, wobei die offizielle Bewertung die Textgenauigkeit noch als Verbesserungsbereich identifiziert H3
Bewegung und Kamera Starke V2V-Bewegungsübertragung für Bewegung, Performance, Kameraverhalten und Schnittrhythmus Große Stärke bei komplexen Bewegungen, Choreografie, Interaktion mehrerer Charaktere, Kameraplanung und physikalisch plausiblen Aktionen Seedance
Bearbeitung und Fortsetzung Allgemeines promptbasiertes multimodales Editing und referenzgeführte Regenerierung Expliziter dokumentiertes gezieltes Clip-, Motiv-, Aktions-, Handlungs-Editing und Videofortsetzung Seedance
Start- und Endsteuerung Explizite Workflows für erstes Bild und erstes und letztes Bild Nicht als zentraler offizieller Workflow hervorgehoben H3
Beste Eignung 2K-Produktanzeigen, E-Commerce, Markenvideos, dynamische Poster, UI/UX-Konzepte und kontrollierte kommerzielle Inhalte Aktionsreiche Szenen, Tanz und Sport, filmisches Storytelling, Interaktion mehrerer Charaktere, reiches Sounddesign und Videofortsetzung Kommt darauf an

Schnelles Urteil: Wählen Sie MiniMax H3, wenn scharfe 2K-Details, Produkt- und Markenpräsentation, sichtbarer Text, Erst-/Letztes-Bild-Steuerung und effiziente kommerzielle Produktion am wichtigsten sind. Wählen Sie Seedance 2.0, wenn komplexe Bewegung, Interaktion mehrerer Charaktere, filmische Regie, immersives Sounddesign oder Videofortsetzung Priorität haben.

So erstellen Sie ein Video mit MiniMax H3

01

H3 und einen Erstellungsmodus auswählen

Öffnen Sie MiniMax H3 in Media.io und wählen Sie dann Text-zu-Video, Erstes-/Letztes-Bild-zu-Video oder Referenz-zu-Video.

02

Frames oder Referenzen hinzufügen

Laden Sie ein erstes Bild und optional ein letztes Bild hoch, oder wechseln Sie in den Referenzmodus für Bilder, Videos und geeignete Audiodateien. Frame- und Referenzmodi können nicht kombiniert werden.

03

Generieren, Überprüfen und Herunterladen

Beschreiben Sie die vollständige Aufgabe in natürlicher Sprache: welche Referenz den Charakter steuert, welches Video Bewegung oder Kamera führt, wie das Audio Sprache oder Musik gestalten soll und welche Marke, welcher Text oder welche endgültige Komposition erscheinen muss.

Entwickelt für Kreative, die mehr Kontrolle benötigen

Diese Kommentare beschreiben die allgemeine Media.io-Workflow-Erfahrung und die Kontrolle, die Creator von fortschrittlichen Modellen wie MiniMax H3 erwarten; sie werden nicht als verifizierte Bewertungen des neu eingeführten Modells präsentiert.

poster
Daniel Kim
E-Commerce-Vermarkter
star

Der Media.io-Workflow erleichtert es, eine Idee, Referenzen und eine kreative Richtung an einem Ort zu organisieren, anstatt mit einer leeren Leinwand zu beginnen.

poster
Sophia Chen
Social-Media-Manager
star

Für tägliche Inhalte können klare Modell- und Eingabeoptionen unserem Team helfen, Videorichtungen zu testen, ohne eine steile Lernkurve beim Bearbeiten hinzuzufügen.

poster
Marcus Lee
DTC-Markeninhaber
star

Was ich an Media.io schätze, ist die Zugänglichkeit: Eingabeaufforderungen und Referenzeingaben erleichtern die Kommunikation komplexer Videokonzepte.

poster
Emily Carter
UGC-Creator
star

Für Produktinhalte möchte ich das Motiv referenzieren, die Bewegung und Kamera beschreiben und schnell prüfen, ob das Konzept zu einer Social-Media-Kampagne passt.

poster
Kriti Agarwal
Content- und Filmprogrammiererin
star

Media.io lässt Experimente leichter wirken. Ein geführter Workflow hilft mir, mich auf Charakter, Bewegung, Bildausschnitt und das beabsichtigte Ergebnis zu konzentrieren.

poster
Ryan Patel
Performance-Vermarkter
star

Für Kampagnentests kann referenzgesteuerte Generierung verschiedene Bewegungs- und Kamerabehandlungen erkunden und dabei den kreativen Auftrag im Blick behalten.

poster
Daniel Kim
E-Commerce-Vermarkter
star

Der Media.io-Workflow erleichtert es, eine Idee, Referenzen und eine kreative Richtung an einem Ort zu organisieren, anstatt mit einer leeren Leinwand zu beginnen.

poster
Sophia Chen
Social-Media-Manager
star

Für tägliche Inhalte können klare Modell- und Eingabeoptionen unserem Team helfen, Videorichtungen zu testen, ohne eine steile Lernkurve beim Bearbeiten hinzuzufügen.

poster
Marcus Lee
DTC-Markeninhaber
star

Was ich an Media.io schätze, ist die Zugänglichkeit: Eingabeaufforderungen und Referenzeingaben erleichtern die Kommunikation komplexer Videokonzepte.

poster
Emily Carter
UGC-Creator
star

Für Produktinhalte möchte ich das Motiv referenzieren, die Bewegung und Kamera beschreiben und schnell prüfen, ob das Konzept zu einer Social-Media-Kampagne passt.

poster
Kriti Agarwal
Content- und Filmprogrammiererin
star

Media.io lässt Experimente leichter wirken. Ein geführter Workflow hilft mir, mich auf Charakter, Bewegung, Bildausschnitt und das beabsichtigte Ergebnis zu konzentrieren.

poster
Ryan Patel
Performance-Vermarkter
star

Für Kampagnentests kann referenzgesteuerte Generierung verschiedene Bewegungs- und Kamerabehandlungen erkunden und dabei den kreativen Auftrag im Blick behalten.

poster
Daniel Kim
E-Commerce-Vermarkter
star

Der Media.io-Workflow erleichtert es, eine Idee, Referenzen und eine kreative Richtung an einem Ort zu organisieren, anstatt mit einer leeren Leinwand zu beginnen.

poster
Sophia Chen
Social-Media-Manager
star

Für tägliche Inhalte können klare Modell- und Eingabeoptionen unserem Team helfen, Videorichtungen zu testen, ohne eine steile Lernkurve beim Bearbeiten hinzuzufügen.

MiniMax H3 FAQs

1. Was ist MiniMax H3?

MiniMax H3 ist ein universelles omni-modales Generierungsmodell, das am 31. Juli 2026 eingeführt wurde. Es vereint Text-, Bild-, Video- und Audiokontext, sodass Creator komplexe Generierungs- oder Bearbeitungsaufgaben in natürlicher Sprache beschreiben und dann Videos mit bis zu 15 Sekunden in 2K mit nativem Stereoton produzieren können.

2. Welche Referenzen unterstützt MiniMax H3?

MiniMax H3 unterstützt Bild-, Video- und Audioreferenzen innerhalb eines gemeinsamen Prompt-Kontexts. Sie können beschreiben, welches Asset den Charakter oder das Produkt definiert, welcher Clip Bewegung oder Kameraführung vorgibt und welches Audio Stimme, Song oder Rhythmus leitet.

3. Wie viele Referenzdateien kann ich verwenden?

Das Maximum beträgt 9 Bilder, 3 Videos und 3 Audioclips, mit maximal 12 gemischten Dateien. Jede Video- oder Audioreferenz muss 2–15 Sekunden lang sein, und jeder Typ hat ein kombiniertes Limit von 15 Sekunden.

4. Unterstützt MiniMax H3 2K-Video mit bis zu 15 Sekunden?

Ja. Die offizielle API-Dokumentation listet 2K-Ausgabe und ganzzahlige Dauer von 4 bis 15 Sekunden auf. Die Media.io-Steuerungen hängen von der aktuellen Implementierung ab.

5. Generiert MiniMax H3 Audio zusammen mit dem Video?

Ja. MiniMax beschreibt H3 als ein Modell, das native audiovisuelle Stereoausgabe erzeugt, bei der Stimme, Soundeffekte und Musik gemeinsam modelliert werden, anstatt als separater Stummfilm-Nachbearbeitungsschritt hinzugefügt zu werden. Audioreferenzen können auch dazu beitragen, die gewünschte Stimme, den Song, das Timing oder den Rhythmus zu definieren.

6. Kann ich erste/letzte Frames mit Referenzmedien kombinieren?

Nein. Bild-zu-Video für erste/letzte Frames und Referenz-zu-Video sind separate Modi. Ein erster Frame kann allein verwendet werden, aber ein letzter Frame erfordert einen ersten Frame.

7. Wofür ist MiniMax H3 am besten geeignet?

Es ist besonders geeignet für Werbe- und E-Commerce-Videos, Marken- und Produktpräsentationen, Filmtitel, dynamische Poster, Spielkino-Sequenzen, UI/UX-Bewegungskonzepte, konsistente Charakterszenen, V2V-Bewegungsübertragung und andere kommerzielle Workflows, die visuelle Referenzen, Bewegung, Text und Sound kombinieren.

8. Wie kann ich auf MiniMax H3 auf Media.io zugreifen, und ist es kostenlos?

Verwenden Sie die MiniMax H3-Seite auf Media.io und melden Sie sich an, um Verfügbarkeit, Steuerungen und Kreditanforderungen zu prüfen. Starter- oder Werbeguthaben können angeboten werden, aber die Bedingungen können sich ändern. Weitere Informationen finden Sie im offiziellen Leitfaden für Modelldetails.

Media.io Online-KI-Tools Qualitätsbewertung:
vote 4.7 (162.387 Stimmen)