Fitur dan kemampuan MiniMax H3
MiniMax H3, yang juga ditulis Hailuo 3.0 atau Hailuo 03, adalah model video multimodal open-weight buatan MiniMax. Biasanya Anda butuh satu model untuk generate, satu lagi untuk edit, dan satu lagi untuk mengikuti referensi. H3 membaca teks, gambar, video, dan audio sebagai satu konteks yang sama, lalu mengembalikan klip audio-visual yang sudah jadi.
Bagi kreator lokal, bagian yang paling terasa adalah suaranya. Drama pendek vertikal dan konten jualan online sama-sama bertumpu pada dialog. Di H3, suara keluar berbarengan dengan gambar, jadi satu klip 9:16 bisa langsung naik ke TikTok atau Reels tanpa sesi dubbing terpisah.
| Kemampuan | Yang dilakukan | Cocok untuk |
|---|---|---|
| Referensi omni | Membaca sampai 9 gambar, 3 klip video, dan 3 file audio sebagai satu brief | Mengunci wajah, gerakan, dan suara sekaligus |
| Audio stereo native | Menghasilkan dialog, efek, dan room tone bersama gambar | Drama, iklan, dan title cue yang butuh suara |
| Editing berbasis instruksi | Mengubah elemen yang Anda sebut, sisanya dibiarkan utuh | Membetulkan take tanpa generate ulang |
| Kloning dan transfer suara | Memberi karakter suara dari sebuah rekaman referensi | Dubbing, ganti dialog, alih bahasa |
| Multi-shot dalam satu klip | Beberapa shot dalam satu generasi 5 sampai 15 detik | Title sequence, coverage shot-reverse-shot |
| 2K pada 24fps | Sisi pendek 1440 piksel, di tempo yang dipakai film | Rilis langsung, tanpa pass upscaling |
Referensi omni
Bagian inilah yang mengubah alur kerja Anda. Satu generasi menampung 9 gambar, 3 klip video, dan 3 file audio, dengan batas total 12 file.
Setiap file bisa diberi tugas berbeda. Satu gambar mengunci karakter, gambar lain mengunci lokasi. Klip video membawa gerakan atau ritme potongannya. File audio membawa suaranya.
Ada dua batas yang perlu diingat. Referensi video dan audio berdurasi 2 sampai 15 detik per file, maksimal 15 detik untuk semuanya. Audio juga tidak bisa berdiri sendiri, harus ada minimal satu gambar atau video yang menemani.
Audio stereo native
Suara di sini bukan langkah kedua. Setiap generasi mengembalikan audio stereo yang dibuat sekaligus dengan gambarnya. Dialognya sudah terucap, langkah kaki sudah terdengar, dan ruangannya sudah berbunyi seperti ruangan sungguhan.
Konsekuensinya menarik: audio jadi sesuatu yang Anda arahkan, bukan yang Anda terima apa adanya. Brief yang menyebut instrumen, efek suara, dan detik saat cue jatuh akan memberi hasil berbeda. Brief yang diam soal suara menyerahkan semuanya ke tebakan model.
Editing berbasis instruksi
Kalau sebuah klip sudah pas kecuali satu hal, sebut hal itu saja. Ganti subjek, hapus objek, tukar latar, ubah siang jadi malam, tambah efek, ganti satu baris dialog. Elemen yang Anda sebut bergerak, sisa frame-nya diam.
Beberapa perubahan boleh masuk dalam satu instruksi sekaligus. Inilah alasan pass editing selalu lebih cepat daripada mulai dari nol. Membuat ulang seluruh shot berarti mempertaruhkan bagian yang sudah bagus.
Kloning dan transfer suara
Sebuah rekaman referensi bisa memberi karakter suara yang sebelumnya tidak ia punya. Baris dialog yang Anda kirim juga bisa menggantikan ucapan di kamera, dengan performa yang ikut menyesuaikan. Padukan dengan gambar identitas, dan satu karakter tetap dikenali sepanjang sequence, baik dari wajah maupun suaranya.
Framing dan finishing
Enam rasio tersedia untuk text-to-video dan generasi berbasis referensi, dari 21:9 sampai 9:16. Ada juga mode otomatis yang membiarkan H3 menentukan framing dari referensi. Untuk kreator short-form, 9:16 adalah rasio yang paling sering dipakai, dan hasilnya keluar siap unggah tanpa crop ulang.
Generasi first dan last frame mengikuti rasio gambar yang Anda unggah. Hasil akhirnya 1440p pada 24fps, dengan 1440 sebagai sisi pendek. Master 21:9 karena itu mendarat di sekitar 2.976 kali 1.248 piksel. Mode 768p sudah diumumkan dan hasilnya bisa di-upscale ke 1440p, cocok jadi mode draft begitu tersedia.
Kegunaan MiniMax H3
Film brand dan iklan komersial
Iklan dan film brand premium. Satu set referensi mengunci talent, produk, dan closing mark sekaligus, sementara tekstur filmnya Anda tentukan lewat prompt, bukan diserahkan ke kebetulan.
Drama pendek vertikal dan dialog
Drama 9:16 yang sedang ramai di TikTok dan Reels, dibangun dari close-up dan potongan shot-reverse-shot. Dialognya terucap di pass yang sama dengan gambar, jadi hook 15 detik pertama tidak perlu menunggu proses dubbing.
Title sequence dan motion design
Karya title grafis, dengan teks yang berlaku sebagai layer tersendiri. Credit mengetik sendiri, diagram tersusun, dan cue musiknya jatuh di beat yang Anda tentukan.
Konten produk untuk UMKM dan toko online
Video jualan untuk TikTok Shop, Shopee, atau katalog toko, dibuat dari satu foto produk asli. Alurnya reveal penuh, lalu detail macro, lalu wide yang ditahan. Foto produk menjaga bentuknya tetap benar, kamera dan cahaya yang menjual.
Konsep interface dan game
Menu, HUD, dan demo interaksi yang ditata beat demi beat sepanjang klip. Panel bergeser, pilihan mendarat, dan dunia game memuat sesuai urutan yang Anda tulis, bukan tebakan model.
Animasi dan karya bergaya
Paper-cut, stop-motion, dan karakter bergaya, termasuk cerita anak dan konten edukasi. Referensi identitas menjaga desainnya, jadi kostum, proporsi, dan finishing karakter tidak berubah antar cut.
Cara memaksimalkan MiniMax H3
H3 memberi hasil terbaik untuk brief yang terbaca seperti dokumen produksi, bukan satu kalimat. Kolom promptnya menampung sampai 7.000 karakter, dan contoh resmi dari MiniMax memakai hampir seluruh ruang itu. Sepuluh kebiasaan berikut membawa sebagian besar kualitasnya.
- Beri tugas ke setiap referensi. Sebut terang-terangan: gambar 1 untuk mood dan tekstur film, gambar 2 untuk talent, gambar 3 untuk produk. Melampirkan empat gambar tanpa keterangan sama saja menyerahkan hasilnya ke tebakan.
- Pecah klip jadi rentang waktu. Tulis 0 sampai 2 detik, lalu 2 sampai 5 detik, dan seterusnya sampai detik ke-15. Model jadi punya urutan yang harus diikuti.
- Sebut apa yang dikunci. Mask yang tidak boleh bergeser, wajah yang harus mempertahankan rambut dan wardrobe: daftar inilah yang menahan drift di tengah klip.
- Tulis larangannya secara eksplisit. Tanpa subtitle, tanpa watermark, tanpa pakaian modern, tanpa soft dissolve. Batasan baru dipatuhi kalau Anda tuliskan.
- Arahkan suara seperti track sendiri. Sebut instrumennya, efek spesifiknya, dan detik saat cue jatuh. Audionya tetap dihasilkan, jadi lebih baik Anda yang menentukan isinya.
- Sebut jenis transisinya. Wipe, hard cut, whip pan, atau match cut pada satu bentuk. Tanpa itu, potongannya cenderung terasa datar.
- Jelaskan cara pengambilannya, bukan hanya adegannya. Getaran handheld ala kamera HP, exposure yang bernapas, autofocus yang telat sepersekian detik, dan grain. Empat hal ini yang memisahkan hasil yang terasa difilmkan dari yang terasa dirender.
- Tentukan animasi teksnya. Beri entrance, durasi, dan daftar larangan. Judulnya pun berhenti berputar dan memantul tanpa alasan.
- Perbaiki dengan menyebut target. Tulis apa yang berubah dan apa yang tetap. Membuat ulang seluruh shot berisiko menghilangkan take yang sudah Anda suka.
- Hitung jatah referensi Anda. Batasnya 12 file, video dan audio maksimal 15 detik total, dan sebuah audio baru terhitung kalau ada gambar atau video yang menemani.
Untuk daftar spesifikasi lengkap, lihat halaman model MiniMax H3.
Panduan prompt MiniMax H3
Brief H3 yang kuat berdiri di atas lima blok. Jalankan kelimanya sebelum Anda kirim, dan hal-hal yang biasanya ditebak model sudah Anda putuskan sendiri.
| Blok | Sertakan | Contoh |
|---|---|---|
| Peran | Tugas tiap referensi yang dilampirkan | Gambar 1 mengunci wajah pemeran, gambar 2 menentukan lokasi warung |
| Beat | Aksi sepanjang klip, lengkap dengan timing | 0 sampai 5 detik ia menuang kopi, 5 sampai 11 detik ia menatap kamera |
| Tampilan | Gaya, palet warna, pencahayaan, dan tekstur film | Grain 16mm, warna hangat, cahaya sore dari jendela |
| Suara | Dialog, efek, musik, dan kapan semuanya jatuh | Suara motor di jalan sepanjang adegan, satu dentum saat judul terkunci |
| Batasan | Apa yang terkunci dan apa yang tidak boleh muncul | Pertahankan wardrobe, tanpa subtitle, tanpa watermark |
Prompt lemah vs kuat
Bedanya hampir selalu di tiga hal: kejelasan waktu, peran referensi, dan suara.
| Fokus | Lemah | Kuat |
|---|---|---|
| Peran referensi | Pakai gambar-gambar ini | Gambar 1 mengunci tekstur film, gambar 2 pemeran utama, gambar 3 gelas kopi susu yang ia angkat |
| Timing | Ia mengangkat gelasnya | 0 sampai 5 detik ia menyusuri lorong pasar, 5 sampai 10 detik ia mengangkat gelas ke cahaya, 10 sampai 15 detik ia meletakkannya |
| Suara | Tambahkan musik | Gerimis di atap seng dan suara motor sepanjang adegan, satu petikan gitar saat cahaya menembus gelas |
Kesalahan umum
- Melampirkan referensi tanpa keterangan tugas. Model akhirnya menebak gambar mana yang memimpin adegan.
- Menulis satu frame beku. Video butuh aksi yang berjalan sepanjang durasi klip.
- Membiarkan bagian suara kosong, lalu menyalahkan model atas audio yang keluar.
- Mengirim referensi audio sendirian. Tanpa gambar atau video pendamping, file itu ditolak.
- Membuat ulang satu shot penuh hanya untuk membetulkan satu objek. Satu instruksi edit sudah cukup, dan sisa take-nya selamat.
