MiniMax H3 Model - Hướng dẫn sử dụng

Chuyên mục: WaytoAGI · AIHOT.VN · Tác giả / Nguồn: Ban Biên Tập AIHOT.VN · Cập nhật: Ngày 14 tháng 10

Tóm tắt cốt lõi: Karl đã để Gemini 4 Argon viết về các điểm cập nhật của chính nó theo phong cách "truyện tu tiên Qidian", kết quả là sản phẩm hoàn thiện thể hiện rất xuất sắc về tính mạch lạc của văn bản dài, khả năng tuân thủ chỉ dẫn và bắt chước văn phong, đồng thời giảm thiểu những câu sáo rỗng cũng như sự rời rạc do việc liên tục viết nối tiếp gây ra. Cùng xem khả năng viết của nó rốt cuộc ra sao nhé!

Đang cập nhật liên tục～ 9/1 Thêm mới 1.10 Kịch bản đa ngôn ngữ vươn ra toàn cầu Thêm mới 1.3 Motion graphics, hoạt hình MG, hiệu ứng AE Thêm mới 1.4 Video sáng tạo thực tế tăng cường AR Thêm mới 1.6 goodcase Thêm mới 1.9 goodcase

Cổng trải nghiệm: Nhấn để truy cập MiniMax DesignTrải nghiệm Nhận quyền lợi độc quyền bản desktop, người dùng mới nhận 3000 điểm Trung tâm trải nghiệm Hailuo AI API nền tảng mở

MiniMax H3: Trí tuệ đa phương thức (multimodal) mở và đa năng

I. Định vị mô hình

MiniMax H3 là model video đa phương thức (multimodal) thế hệ mới, mở và đa năng. Chúng tôi đang khám phá mô hình mới chuyển dịch từ "model chuyên biệt theo tác vụ" sang "trí tuệ đa phương thức (multimodal) tổng quát". H3 không còn lấy việc tạo, chỉnh sửa hay tham chiếu hình ảnh, video, âm thanh Nhiệm vụ đơn lẻ làm ranh giới, mà hướng tới context đa phương thức (multimodal) được cấu thành từ văn bản, hình ảnh, video và âm thanh , thống nhất hiểu ý định sáng tạo, thực hiện việc tạo sinh và biểu đạt tự nhiên, mạch lạc hơn. H3 — tiến tới trí tuệ đa phương thức (multimodal) tổng quát hơn.

II. Thông tin tính năng của model

Các khía cạnh cốt lõi	MiniMax-H3
Mô hình	MiniMax-H3
Thời lượng đầu ra	4-15 giây
Tỷ lệ khung hình đầu ra	Ở chế độ khung đầu/cuối, tuân theo tỷ lệ khung hình gốc của ảnh người dùng nhập vào Ở chế độ text-to-video, tuân theo tỷ lệ khung hình do người dùng chỉ định trong các mức 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 Ở chế độ tham chiếu toàn năng, tuân theo tỷ lệ khung hình do người dùng chỉ định trong các mức 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, hoặc chọn chế độ tự động để H3 tự xác định tỷ lệ khung hình đầu ra
độ phân giải	Chế độ 768p (đã mở) Khi tỷ lệ khung hình đầu ra nằm trong khoảng 16:9 đến 9:16, đầu ra có cạnh ngắn 768 pixel; ngoài khoảng đó, tổng diện tích độ phân giải đầu ra khoảng 1M pixel, ví dụ ở tỷ lệ 21:9 thì kích thước là 1536×672 Kết quả tạo ở 768p có thể nâng cấp lên 1440p Chế độ 1440p (Bản khuyến nghị chính thức) Khi tỷ lệ khung hình đầu ra nằm trong khoảng 16:9 đến 9:16, đầu ra có cạnh ngắn 1440 pixel; ngoài khoảng đó, tổng diện tích độ phân giải đầu ra khoảng 3,7M pixel, ví dụ ở tỷ lệ 21:9 thì kích thước là 2976×1248
Tốc độ khung hình đầu ra	24 FPS
Âm thanh đầu ra	Tất cả kết quả đều có âm thanh đầu ra, stereo hai kênh gốc
Điều kiện đầu vào
Đầu vào khung đầu/cuối	Hình ảnh: 0, 1 hoặc 2 ảnh; kích thước chiều rộng/cao trong khoảng [256, 5760]; tỷ lệ khung hình trong khoảng 5:2 đến 2:5 Khi không có ảnh đầu vào thì chuyển sang chế độ text-to-video
Đầu vào tham chiếu toàn năng	Hình ảnh: ≤ 9 ảnh; kích thước chiều rộng/cao trong khoảng [256, 5760] Video: ≤ 3 đoạn; thời lượng mỗi đoạn [2, 15] giây; tổng thời lượng ≤ 15 giây; kích thước chiều rộng/cao trong khoảng [256, 5760]; tỷ lệ khung hình trong khoảng 5:2 đến 2:5 Âm thanh: ≤ 3 đoạn, bắt buộc phải kèm ảnh hoặc video đầu vào, không thể nhập riêng lẻ; thời lượng mỗi đoạn: [2, 15] giây; tổng thời lượng ≤ 15 giây Tổng giới hạn khi nhập hỗn hợp là 12 file Khi không có ảnh, video hay âm thanh đầu vào thì chuyển sang chế độ text-to-video
Định dạng đầu vào được hỗ trợ	Video: H.264/AVC, H.265/HEVC; Âm thanh trong video: AAC, MP3 Hình ảnh: JPG, JPEG, PNG, WEBP, HEIC, HEIF Âm thanh: WAV, MP3
Giới hạn kích thước tệp đầu vào	Video tối đa 50MB/tệp; hình ảnh tối đa 30MB/tệp; âm thanh tối đa 15MB/tệp (không giới hạn tổng dung lượng, giới hạn áp dụng cho từng tư liệu riêng lẻ); body của API request tối đa 64MB (khuyến nghị truyền tư liệu qua URL)
Giới hạn độ dài prompt	Không vượt quá 7000 ký tự
Hỗ trợ ngôn ngữ và biểu đạt bản địa hóa	Hỗ trợ nhập và xuất prompt đa ngôn ngữ TTS (chuyển văn bản thành giọng nói) phủ chính xác 11 ngôn ngữ , bao gồm tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn, tiếng Pháp, tiếng Đức, tiếng Tây Ban Nha, v.v. Có thể mở rộng khám phá thêm nhiều ngôn ngữ khác như tiếng Ả Rập, tiếng Thái, tiếng Indonesia, tiếng Hindi, v.v. Hơn 40 ngôn ngữ Phù hợp với các tình huống như truyền thông thương hiệu quốc tế, quảng cáo đa ngôn ngữ, phim ngắn xuyên ngôn ngữ và giới thiệu sản phẩm bản địa hóa

III. Điểm nổi bật & Ví dụ minh họa của model

Ba năng lực cốt lõi	Giải thích
Hiểu và tạo sinh đa phương thức (multimodal) gốc	Hỗ trợ nhiều loại đầu vào như văn bản, hình ảnh, âm thanh, video; hiểu nhân vật, hành động, âm thanh, cảm xúc, góc máy, phong cách và ý định biểu đạt trong các tư liệu khác nhau; tự nhiên hợp nhất nhiều thông tin tham chiếu để hoàn thành quy trình sáng tạo tích hợp từ hiểu tư liệu đến tạo ra nội dung nghe nhìn hoàn chỉnh.
Chỉnh sửa và kiểm soát đa phương thức (multimodal) chính xác	Hỗ trợ chỉnh sửa đa chiều đối với nhân vật, vật thể, cảnh quay, âm thanh và nhịp điệu, đồng thời có khả năng tuân theo chỉ dẫn chi tiết. Người sáng tạo có thể liên tục chỉnh sửa và lặp lại trên nội dung hiện có, thực hiện chính xác hơn các yêu cầu điều chỉnh về hình ảnh, âm thanh và chi tiết nội dung.
Tạo nội dung đa kịch bản cấp thương mại	Hướng đến các kịch bản nội dung thương mại thực tế như điện ảnh, quảng cáo, thương hiệu, thương mại điện tử và game. Model xử lý toàn diện phụ đề văn bản, thông tin thương hiệu, hiệu ứng sáng tạo, trình diễn sản phẩm, demo động UI/UX, hình ảnh game và biểu đạt phong cách hóa, giúp người sáng tạo và đội ngũ nội dung hoàn thành nhanh hơn việc kiểm chứng ý tưởng, đề xuất hình ảnh và sản xuất nội dung.

Tạo nội dung đa kịch bản cấp thương mại

Khi model video sở hữu năng lực toàn diện hơn, nó sẽ bao phủ nhiều kịch bản sáng tạo phong phú hơn, thực sự hỗ trợ hoạt động sản xuất nội dung thực tế. H3 xử lý toàn diện văn bản, phụ đề, thông tin thương hiệu, UI/UX, game và nội dung thương mại điện tử, bao phủ các kịch bản nội dung tần suất cao như điện ảnh, quảng cáo, game, thương hiệu và thương mại điện tử. Model có thể dùng để thử nghiệm nhanh ý tưởng video ngắn, giúp thương hiệu khám phá các phương án hình ảnh khác nhau, làm cho phần trình diễn sản phẩm trở nên biểu cảm hơn, mang lại cho nhân vật IP nhiều hành động và bối cảnh hơn, đồng thời hỗ trợ đội ngũ hình ảnh hoàn thành kiểm chứng khái niệm, xem trước storyboard và đề xuất nội dung.

Video thương hiệu đình đám & nội dung điện ảnh

Trailer phim, quảng cáo TVC, video thương hiệu chất lượng cao

prompt	File đầu vào	Tệp đầu ra
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Hình 1 đến hình 4 là các keyframe liên tiếp, mô phỏng ống nhòm cổ điển đang tìm kiếm thiết bị MINIMAX. Đầu video mất nét, cầm tay rung lắc rồi nhanh chóng rack focus kéo gần vào hình 1; giữa các hình dùng hiệu ứng chuyển cảnh ống nhòm quét (lia máy, motion blur, kéo quang học, nhấp nháy phơi sáng) chuyển cảnh tại điểm mờ nhất rồi nhanh chóng ổn định và lấy nét lại. Toàn bộ giữ nguyên mặt nạ hai tròng kính cố định (viền tối lông vũ đen, vị trí, kích thước và cạnh mờ hoàn toàn nhất quán, không biến dạng hay trôi dạt), chỉ có hình ảnh bên trong chuyển động. Hình 2 vải bay theo gió nhẹ nhàng có kiểm soát, chữ MINIMAX trên mặt vải nhấp nhô nhưng vẫn đọc được; hình 3 nhân vật như người qua đường thời trang vô tình bị chụp lại, đi lại tự nhiên, xoay người, vung tay; hình 4 nhân vật chỉnh kính hoặc hơi ngẩng cằm thể hiện thái độ fashion campaign lạnh lùng, thư thái. Chữ đỏ xuất hiện nhẹ nhàng theo lúc lấy nét, ban đầu hơi mờ, độ trong suốt thấp, trong 0,3–0,5 giây dần hiện rõ (có thể trượt nhẹ theo chiều dọc hoặc giãn letter-spacing như hơi thở); trước khi chuyển cảnh thì mờ dần hoặc bị motion blur cuốn đi, tuyệt đối không xoay, nảy hay bay vào/ra quá mạnh. Phong cách nhìn trộm kiểu Wes Anderson, chất liệu phim 35mm (hạt phim nhẹ, ánh sáng cao nhẹ nhàng, màu sắc kiềm chế, điểm nhấn chữ đỏ), tối giản sang trọng có chút tinh nghịch linh hoạt; tuyệt đối không thêm nhân vật, xe cộ, công trình hay logo mới, giữ nguyên bố cục cốt lõi của ảnh gốc và thiết bị MINIMAX.
Trailer ngắn sử thi không gian cấp rạp chiếu phim （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Nhịp nhanh hơn, hoành tráng nhưng không kéo dài. Hard cut nhanh, cầu tàu rung chuyển, ánh sáng chói lóa bùng phát, màn đen ngắn, cú nhảy vượt không gian. Chữ là dạng tiêu đề bao bì trailer phim với letter-spacing rộng, font không thuần trắng mà phải có ánh sáng phát ra kiềm chế và cảm giác chất liệu, viền sáng mờ nhẹ. Hiệu ứng chữ bao gồm: dần hiện từ bóng tối vũ trụ, được ánh sao quét sáng, letter-spacing mở rộng, bóng mờ, phát sáng nhẹ, nhấp nháy trên màn đen. (Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung chi tiết)
Trailer ngắn phim khoa học viễn tưởng bí ẩn （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Phong cách điện ảnh thực tế, tương phản sáng tối cao, nhịp điệu chặt chẽ. Hình 1 làm tham chiếu bầu không khí và phong cách tổng thể. Hình 2 làm tham chiếu nhân vật chính. Shot 1 — Cảnh thiết lập góc siêu rộng. Cổng vũ trụ hình tròn khổng lồ gần như lấp đầy khung hình, nhân vật chỉ là một bóng lưng rất nhỏ trước cổng, đứng phía dưới lệch phải. Mặt đất ẩm ướt phản chiếu ánh sáng, trung tâm cổng là bóng tối. Máy quay từ từ đẩy về phía trước. Tiêu đề lớn dần hiện từ rìa bóng tối, trước mờ sau rõ: "THE STARS WERE LISTENING" — font cực hẹp, đậm, toàn chữ hoa, màu đỏ thẫm pha gỉ sét, có hạt phim nhẹ và cạnh sương mờ. Audio: xung âm trầm sâu, tiếng kim loại rung nhẹ từ xa, một tiếng hit nhẹ khi chữ hiện rõ. → Hard cut. (Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung chi tiết)
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Tạo một video thương hiệu thời trang cao cấp định dạng ngang 16:9. Bầu không khí tổng thể, bối cảnh và chất liệu phim tham chiếu hình 1; tư liệu túi xách tham chiếu hình 3; tư liệu nhân vật tham chiếu hình 2; logo ending thương hiệu tham chiếu hình 4. Đây là một fashion campaign bán quần áo và túi xách, khí chất tổng thể phải cao cấp, lạnh lùng, kiềm chế, nhưng dựng phim không được nhàm chán — phải linh hoạt hơn, có nhịp điệu thời trang hơn. Không giống phim truyện thông thường, cũng không giống quảng cáo thương mại điện tử. Câu chuyện cốt lõi vẫn rất đơn giản: bên con đường sa mạc và chiếc xe cổ điển, người phụ nữ quay lại phía sau xe, mở cốp, lấy ra chiếc túi đen, có một khoảnh khắc lặng yên với người đàn ông đứng bên xe, rồi cô ấy cầm túi bước đi. Túi và trang phục phải hòa quyện tự nhiên vào hành động của nhân vật, trở thành một phần khí chất của nhân vật.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Hình 1 là tham chiếu chất liệu và bầu không khí tổng thể, hình 2 là tham chiếu đặc điểm ngoại hình nhân vật. Tạo một phim ngắn thời trang streetwear 15 giây định dạng ngang 16:9. Giữ nhất quán nhân vật: tóc dài vàng bạch kim, kính mắt cổ điển hẹp màu đen, áo khoác da bóng đen, biểu cảm thời trang lạnh lùng tự tin, phản chiếu màu cam của lửa trên bề mặt áo da. Phong cách tổng thể là quảng cáo thời trang cắt nhanh chất phim, kết hợp cảnh đám cháy ban đêm, khói đen, ngọn lửa cam đỏ, lỗi VHS, gián đoạn phát sóng CCTV, hạt phim analog thập niên 90, đường quét, sai màu, rò sáng, chuyển cảnh flash trắng, hình ảnh rung nhẹ.

Sáng tạo hình ảnh & Bao bì nội dung

Phim ngắn sáng tạo, bao bì hiệu ứng đặc biệt, MV thẩm mỹ, thử nghiệm hình ảnh, nội dung viral và tư liệu mạng xã hội

prompt	File đầu vào	Tệp đầu ra
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Tạo một đoạn mở đầu phim tội phạm huyền bí nhẹ nhàng dạng ngang 16:9 dài 15 giây. Phong cách tổng thể tham khảo ngôn ngữ hình ảnh từ các hình ảnh sau: opening anime Nhật cổ điển, bóng đổ cứng cạnh, collage truyện tranh, phân màn hình bất đối xứng, khối màu hình học mạnh, tên nhân vật bằng tiếng Anh, điểm xuyết katakana Nhật, khí chất jazz tội phạm. Không khí 60% huyền bí, 40% jazz: bí ẩn, cool, linh hoạt, mang cảm giác tội phạm đô thị — không đáng sợ, không nặng nề, cũng không biến thành MV jazz vui tươi. Hiệu ứng chuyển động mở đầu phải như collage đồ họa động: khung đường kẻ đen xuất hiện trước, đường phân màn hình kẻ nhanh, khối màu và ô hình ảnh dán vào từng mảnh; bóng nhân vật, cận cảnh đạo cụ, tên tiếng Anh lần lượt trượt vào, bật ra, hiện ra qua mặt nạ theo nhịp trống. Không dùng hoạt hình kịch tính tả thực thông thường — cần có cảm giác packaging mở đầu phim. Tên tiếng Anh phải đọc được rõ ràng, cho phép có hiệu ứng động: khung đường mảnh vẽ ra trước, tên trượt vào trong khung, từng chữ cái xuất hiện lần lượt, được khối màu che rồi hiện ra, cuối cùng dừng lại ngắn. Không thêm chữ Trung, không ký tự lỗi, không để tiếng Anh sai chính tả. Quy tắc toàn phim: mọi tên và chức danh tiếng Anh chỉ xuất hiện một lần. Không lặp cùng một chức danh, không lặp cùng một tên người, không để một người đảm nhiệm nhiều chức danh. Hình thức chuyển cảnh phải đa dạng: mặt nạ đĩa than tròn đen, cắt dọc cửa xe, bóng dài nhân vật quét màn hình, đường đỏ cắt, mặt nạ chữ cái tiếng Anh khổng lồ, tái cấu trúc khung phân màn hình, cắt cứng khối màu, ô hình ảnh dán vào từng mảnh. Tất cả chuyển cảnh theo nhịp trống — dứt khoát, huyền bí, linh hoạt, mang cảm giác collage truyện tranh. Không dùng hòa tan mềm, không dùng chuyển cảnh dạng chất lỏng. BGM: nhạc mở đầu 15 giây nguyên bản, 60% huyền bí, 40% jazz. Cấu thành từ: âm trầm liên tục, pizzicato dây căng thẳng, xung synthesizer lạnh, bass drum, chổi trống jazz thưa, đoạn walking bass, câu ngắn saxophone trầm và điểm xuyết kèn đồng ngắn. 2 giây đầu tần số thấp bí ẩn và hi-hat xây dựng không khí huyền bí, giây thứ 3 vào nhịp trống trầm, giây thứ 6 thêm groove bass jazz, giây thứ 10 xuất hiện riff saxophone/kèn đồng ngắn, 2 giây cuối dùng hợp âm căng thẳng cùng nhịp trống đóng khung. Tổng thể bí ẩn, cool, mang cảm giác tội phạm — jazz chỉ chiếm 40%, không quá vui tươi, không bắt chước bất kỳ giai điệu có sẵn nào.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Video ngang 16:9 dài 15 giây. Hình ảnh kết hợp giữa cảnh quay thực tế trong bếp nhỏ lúc chiều tà và hoạt hình vẽ tay phát sáng. Ánh hoàng hôn còn vương lại bên cửa sổ, trong căn bếp nhỏ đậm chất đời thường có một chiếc bàn gỗ cũ, chiếc cốc đang rửa dở, lọ thủy tinh hơi mờ sương, và chiếc khăn lau treo lơ lửng. Hình ảnh có rung tay nhẹ như quay bằng smartphone một tay, sự do dự khi lấy nét cận, dao động phơi sáng do ngược sáng, và nhiễu hạt thô nhẹ ở vùng tối. Không chỉnh chu như hình ảnh quảng cáo — cần thể hiện chất liệu tự nhiên như đang vội vàng ghi lại một sự kiện khó tin trong nhà. Tuyệt đối không có mắt to khổng lồ, miệng há rộng, răng nanh, hành động đe dọa, lao vào tấn công, màn hình đột ngột tối và cảnh giật mình. Âm thanh chỉ dùng: tiếng môi trường trong bếp, tiếng khăn lau cọ xát, tiếng cốc va nhẹ, tiếng nước nhỏ giọt từ vòi, tiếng bước chân và hơi thở nhẹ của người quay, cùng âm điện tử nhẹ nhàng và tiếng kêu nhỏ của sinh vật vẽ tay.	Thuần text-to-video
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Video ngang 16:9 dài 15 giây. Cảnh quay thực tế tiệm giặt tự động đêm khuya, kết hợp hình ảnh hoạt hình vẽ tay phát sáng. Một tiệm giặt tự động nhỏ, đèn huỳnh quang nhấp nháy nhẹ, bên trong có máy giặt đang chạy, rổ nhựa đựng quần áo, ghế dài cũ kỹ, một chiếc tất nằm rải rác dưới sàn, không gian tổng thể yên tĩnh mang chút hoài niệm. Chất cầm tay smartphone một tay, hình ảnh rung rõ; đèn huỳnh quang trắng khiến phơi sáng lúc sáng lúc tối; bề mặt kính phản chiếu ánh sáng môi trường; lấy nét chậm khi ống kính tiếp cận vật thể. Hình ảnh không chỉnh chu như quảng cáo thương mại — tổng thể mang chất tư liệu thực tế như tình cờ lạc vào đêm khuya, vội vàng ghi lại một ảo ảnh kỳ lạ.	Thuần text-to-video
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Phong cách: MV nhạc dark-pop / cyber-grunge / rap, chất thời trang cao cấp tả thực, chất tạp chí phim analog, tương phản cao nhưng không rẻ tiền. Tổng thể tham khảo thẩm mỹ tạp chí độc lập cuối thập niên 90 đến đầu 2000, giấy photocopy, scan phim analog, poster nhạc underground và collage zine. Hình ảnh có hạt thô, rung phim nhẹ, lưới halftone, viền in lem và lệch scan. Nhịp cắt nhanh, chỉ dùng hard cut, không dùng fade in/out hay chuyển cảnh mềm. Kiểu chữ và chất liệu text packaging tham khảo hình ảnh đính kèm.
Xóa phông xanh trong Video 1, thay bằng nền cổ tích tương tự Video 2; các yếu tố nền cần khớp hoàn toàn với hành động nhân vật trong Video 1. Chỉnh sửa ánh sáng chiếu lên nhân vật trong Video 1 để khớp hoàn toàn với nền mới.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Tạo một video poster động, giữ nguyên khung trắng gallery, khung trong, bảng màu đỏ-trắng-đen, cảm giác mô hình 3D và bố cục typography của ảnh gốc — khi chữ xuất hiện sẽ kèm theo hiệu ứng âm thanh chữ xuất hiện linh hoạt.
Vẽ tay 2.0 (prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Tổng thể video Video ngang tỉ lệ 16:9, tổng thời lượng khoảng 10–15 giây, gồm 4 shot quay, mỗi shot khoảng 3 giây, nối với nhau bằng các cú hard cut dứt khoát, nhịp điệu nhanh. Hình ảnh là cảnh quay thực tế bằng smartphone tại một "chợ nhỏ ven biển", hậu cảnh gồm các gian hàng màu sáng, mái che nắng, đồ trang sức vỏ sò, quầy đồ uống lạnh, rèm vải bay trong gió biển, bãi cát phía xa và mặt biển xanh nhạt, tổng thể không khí tươi sáng, vui tươi, đậm chất mùa hè. Tay phải người quay cầm một cây bút màu xanh lam mảnh theo tư thế cầm bút viết chữ bình thường, tự nhiên, đúng chuẩn, đưa vào từ phía dưới khung hình, mỗi shot chỉ chỉ vào một đối tượng thực tế duy nhất, đối tượng được chỉ vào sẽ biến thành hoạt hình 2D vẽ tay thô mộc, toàn bộ hậu cảnh khác và các yếu tố không được chỉ tới đều giữ nguyên cảnh quay thực tế.	Thuần text-to-video	Vẽ tay

1.3 Motion graphics, hoạt hình MG, hiệu ứng AE

*Tip nhỏ từ đội ngũ phát triển: Nếu bạn gặp phải lỗi loạn chữ/ký tự lạ khi xử lý văn bản, hãy thử cung cấp văn bản dưới dạng hình ảnh cho H3 làm ảnh tham chiếu, và ghi rõ trong prompt cho H3: "Nội dung này bắt buộc phải hiểu theo dạng 'hình ảnh', không được xử lý theo dạng 'văn bản'." Cách này thường giúp giảm thiểu lỗi loạn chữ một cách hiệu quả.

prompt	File đầu vào	Tệp đầu ra	Link hệ thống
(prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Khung hình mở đầu chính xác của phim ngắn. Giữ nguyên vẹn nền xanh điện (electric blue), chữ "MiniMax" màu trắng bên trái, logo bạch tuộc xanh nhạt ở giữa và chữ "H3" màu trắng bên phải. Ảnh 2: Tham chiếu logo dạng sóng mục tiêu sau khi logo bạch tuộc hoàn thành biến dạng tuyến tính, cũng là đồ họa cốt lõi xuyên suốt khung hình ở nửa sau. Tuân thủ nghiêm ngặt cấu trúc đường dẫn, số lượng đường cong, các điểm cuối bo tròn và tỷ lệ tổng thể của logo dạng sóng. Tạo một phim ngắn thương hiệu MG công nghệ trừu tượng MiniMax H3 chuẩn xác 15 giây, 16:9, 4K, 60fps. Phim ngắn thể hiện triết lý thiết kế của H3 khi chuyển từ các tác vụ chuyên biệt sang model đa phương thức (multimodal) tổng quát: ngôn ngữ, hình ảnh, video và âm thanh không còn tách biệt nhau mà được kết nối bởi cùng một context, cùng một kiến trúc và cùng một đường nét liền mạch. Phong cách tổng thể cao cấp, tối giản, uyển chuyển, giàu tính nghệ thuật. Sử dụng các mảng màu lớn gồm xanh điện, xanh đen đậm, lục lam nhạt và một lượng nhỏ sắc tím, kết hợp với chữ in đậm màu trắng gọn gàng. Khung hình có nhiều khoảng trống (negative space), tránh các icon phức tạp và sự chồng chất thông tin. Yếu tố chuyển động cốt lõi của toàn bộ phim ngắn là một đường kẻ liền màu xanh lam nhạt, cùng một điểm node phát sáng màu trắng nằm ở đầu đường kẻ.
(prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Sáng tạo một video thương hiệu motion graphics 2D cao cấp dài 15 giây cho thương hiệu AI "MiniMax H3". 【Văn bản bắt buộc hiển thị chính xác】Tên thương hiệu: MiniMax H3Slogan thương hiệu: Intelligence With EveryoneNgoài hai nhóm văn bản trên, trong khung hình không được xuất hiện bất kỳ văn bản đọc được nào khác.【Ý tưởng cốt lõi】"One becomes everyone."Trí tuệ nhân tạo khởi đầu từ một điểm node nhỏ bé, thông qua kết nối, chia sẻ và cùng nhau phát triển để tạo nên một mạng lưới trí tuệ mở dành cho tất cả mọi người.Xây dựng một hệ thống thị giác thương hiệu nguyên bản dựa trên ba yếu tố cơ bản: Một chấm tròn đặc 2D siêu nhỏ Cầu nối đại diện bởi chữ cái "H" Quỹ đạo trí tuệ ba tầng đại diện bởi số "3"Tất cả các chấm tròn, đường kẻ, quỹ đạo, glyph chữ và chuyển cảnh phải được phát triển liên tục từ bộ yếu tố cơ bản này. Mỗi biến đổi đều phải có mối quan hệ nhân quả thị giác rõ ràng, tạo nên DNA thị giác thương hiệu thống nhất.
Hiệu ứng chuyển động chữ thuần tiếng Trung (prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Tổng thể là một video thể nghiệm kinetic typography tiếng Trung trên nền đen hoàn toàn. Khung hình chỉ cho phép xuất hiện chữ tiếng Trung màu trắng, cùng một lượng rất nhỏ chữ màu đỏ sẫm để tạo độ lệch vị trí hoặc nhấn mạnh. Không được xuất hiện con người, phong cảnh, hình ảnh chụp, minh họa, icon, sản phẩm, logo, vật thể 3D, tiêu đề tiếng Anh, UI cố định, số thứ tự, đồng hồ đếm giờ, viền khung, lưới hoặc bất kỳ đồ họa trang trí nào. Đây không phải là video phụ đề thông thường, mà là một phim ngắn kinetic typography mật độ cao lấy "chính các ký tự tiếng Trung" làm nhân vật chính duy nhất. Chữ xuất hiện với tốc độ cao, phóng to, xoay, nén lại, va chạm, phân rã, nhân bản, đảo ngược và tái tổ hợp trên mặt phẳng đen kịt. Phong cách tổng thể tựa như một video thể nghiệm kinetic typography tiếng Trung do nhà thiết kế đồ họa tạo ra, showreel chuyển động chữ, hoặc visual mở màn cho sự kiện âm nhạc. Khí chất tăm tối, điềm tĩnh, sắc bén, lý tính, vô cơ, hơi mang tính công kích nhưng vẫn giữ được nét cao cấp, tiết chế và đồng nhất.
Hiệu ứng chuyển động TouchDesigner (prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) @video 1 là tư liệu cơ sở duy nhất. Giữ nguyên vẹn tuyệt đối nhân vật, ngũ quan, trang phục, động tác, bối cảnh, phối màu tổng thể, chuyển động máy quay, thời lượng và tốc độ khung hình của video gốc. Chỉ thêm đồ họa tracking động kiểu TouchDesigner trên khung hình gốc. Độ trong suốt của phần fill màu trong tất cả các khung hình chữ nhật bắt buộc phải là 0%. Bên trong khung không được xuất hiện mask màu đỏ, lục lam hay bất kỳ mask màu nào. Bên trong khung chỉ được xử lý độ sáng, thang độ xám (grayscale), độ phơi sáng và tương quan sáng tối ở vị trí tương ứng của video gốc. Tất cả các khung chỉ có thể là hình chữ nhật khép kín hoàn chỉnh, đơn giản, liền mạch màu đỏ hoặc lục lam, bốn góc đỉnh không có bất kỳ họa tiết trang trí hay điểm nút nào. 5. Không cho phép một khung bao trọn hoàn toàn một khung khác.

Video sáng tạo thực tế tăng cường AR

Thông qua việc kết hợp tự nhiên giữa bối cảnh thực tế và nội dung ảo, nhanh chóng tạo ra các tư liệu AR về sáng tạo thương hiệu, tiếp thị vật thể khổng lồ, visual ngoài trời và truyền thông mạng xã hội, giúp hiện thực hóa các ý tưởng thực tế tăng cường chi phí cao một cách hiệu quả hơn.

prompt	Ảnh/video/âm thanh tham khảo	Tệp đầu ra
prompt chưa hoàn chỉnh, bạn có thể tự bổ sung thêm Sử dụng video gốc đã tải lên làm nền tảng video duy nhất, bám sát tuyệt đối shot quay thật, động tác tay thật, vị trí chuột thật, ngã tư thành phố thật, phối cảnh đường phố, vạch kẻ qua đường, công trình kiến trúc, xe cộ, cây xanh, đèn giao thông và ánh sáng ban ngày tự nhiên của video gốc. Không tạo lại một cảnh mới, mà thực hiện hiệu ứng tổng hợp thực tế AR và chỉnh sửa thế giới (world editing) ngay trên video gốc.
prompt chưa hoàn chỉnh, bạn có thể tự bổ sung thêm Dựa trên video gốc 1 để tăng cường chất lượng video và chỉnh sửa hiệu ứng, giữ nguyên bố cục gốc, góc quay, vị trí của chú mèo con, nhịp điệu động tác, cùng tương quan vị trí giữa máy khoan và máy tính. Phong cách tổng thể là video ngắn hài hước, bối cảnh đời thường phóng đại nhưng chân thực, không thay đổi ngoại hình của mèo con, không thay thế chủ thể, không làm mèo con bị thương.
Sáng tạo thực tế tăng cường AR Nhân vật chính xuất hiện trong khung hình chữ nhật màu trắng trên màn hình, hai tay bám vào viền khung, thò đầu và nửa thân trên ra trước, sau đó một chân đạp lên đường line trắng bên dưới, hạ thấp người tích lực. Máy quay khẽ đẩy tới gần, sau đó nhân vật chính lấy đà bật nhảy lên trên ra khỏi khung hình.Chuyển sang không gian của IMG1. Nhân vật chính đáp xuống phía trên dòng chữ 3D màu trắng trong khung hình, ngồi trên mép đỉnh của chữ, hai chân buông thõng tự nhiên. Sau một thoáng dừng ngắn, nhân vật chính quay đầu nhìn nhân vật hậu cảnh ở bên phải màn hình, tạo nên một sự tương tác ánh nhìn rõ ràng.Sau đó, nhân vật chính phóng một sợi dây đàn hồi mảnh màu trắng về phía góc trên bên phải khung hình, mượn lực thực hiện một cú đu dây hình vòng cung. Máy quay di chuyển ngang nhanh bám theo nhân vật chính, duy trì cảm giác xuyên không gian của tấm poster 2D.Chuyển sang không gian của IMG2. Nhân vật chính rơi xuống theo đường vòng cung, đáp lên phía trên nút Play trong khung hình. Cậu ấy dùng chân hoặc tay gõ nhẹ vào nút Play, kích hoạt một phản hồi nhấn nút gọn gàng.Cuối cùng chuyển sang IMG3.png. Nhân vật chính chạy từ vị trí nút Play sang bên phải màn hình, trở lại vị trí ban đầu trong thẻ nền và đứng yên về chỗ. Toàn bộ video sử dụng các cú lia máy ngang bám theo nhanh, cắt cảnh giật theo beat, zoom nhẹ và chuyển cảnh không gian 2D gọn gàng. Giữ nguyên các yếu tố thiết kế màu trắng, xám và hình ảnh gốc, không thêm các yếu tố máu me, đánh nhau, vũ khí, biểu tượng siêu anh hùng hay nhân vật có bản quyền.	Case study này được hoàn thiện trên MiniMax Hub bằng model H3 + Agent hỗ trợ (nhấp để vào Cổng trải nghiệm MiniMax Hub )

Sáng tác nội dung kịch tính bằng AI

Phim ngắn dọc màn hình, phim truyện tranh ngắn, diễn xuất nhân vật và lồng tiếng AI

prompt	Ảnh/video/âm thanh tham khảo	Tệp đầu ra
prompt chưa hoàn chỉnh, bạn có thể tự bổ sung thêm Cảnh phim ngắn cổ trang võ hiệp huyền bí, tỷ lệ khung hình điện ảnh ngang 16:9, rừng tre ban đêm, tông màu lạnh xanh, xanh mực, xám đen bão hòa thấp, sương mù bao phủ, tuyết nhẹ rơi trong không khí. Bầu không khí tổng thể lạnh lẽo, u ám, kiềm chế, mang cảm giác căng thẳng của cảnh điều tra giang hồ môn phái và trao đổi tin tình báo bí mật. Chất cảm hình ảnh như phim cổ trang thực tế, độ sâu trường ảnh nông, ánh sáng điện ảnh, không có yếu tố hiện đại, không phụ đề, không chữ viết, không watermark. Bối cảnh: sâu trong rừng tre ban đêm, phía sau là những thân tre dày đặc thẳng đứng, xa xa có ánh sáng trắng lạnh xuyên qua sương mù. Tiền cảnh có lá tre mờ che khuất, tạo lớp không gian "nhìn trộm qua rừng". Ánh sáng mềm từ phía trước bên cạnh chiếu sáng khuôn mặt nhân vật, ánh ngược sáng phía sau tạo hiệu ứng điện ảnh tối trước sáng sau, độ sâu trường ảnh nông, lá tre, bông tuyết và rừng tre phía sau mờ thành bokeh mềm mại. Phong cách hình ảnh: chất điện ảnh cổ trang võ hiệp, rừng tre đêm tuyết xanh lạnh xanh mực, độ sâu trường ảnh nông, lá tre tiền cảnh che khuất, chủ yếu cận cảnh khuôn mặt nhân vật, dựng cảnh đối đáp qua lại, nhịp điệu kiềm chế nhưng căng thẳng. Không phụ đề, không watermark nền tảng, không trang phục hiện đại, không kiến trúc hiện đại, không cảm giác hoạt hình, không làm mịn da quá mức, không ban ngày sáng rực, không diễn hài kịch.
prompt chưa hoàn chỉnh, bạn có thể tự bổ sung thêm Cảnh phim ngắn cãi vã gia đình trong nhà, chất cảm phim ngắn dọc màn hình, diễn xuất người thật chân thực, bối cảnh nội thất gia đình Trung Hoa/quán ăn nhỏ, ánh đèn ấm, phía sau có trang trí màu đỏ và bức thư pháp, độ sâu trường ảnh nông, cảm xúc mạnh mẽ, nhịp dựng phim dồn dập. Yêu cầu diễn xuất: phong cách diễn phim ngắn chân thực, không cường điệu sân khấu. Giọng điệu của Tần Hạo Huyên là tức giận, oan ức, phản bác gấp gáp; giọng điệu của người phụ nữ trung niên là sắc bén, mạnh thế, chất vấn áp đảo. Hai người có cảm giác đối đầu mạnh mẽ, nhịp điệu leo thang dần dần. Phong cách hình ảnh: dọc 9:16, chất cảm phim ngắn điện thoại, cảm giác quay thực tế người thật, độ sâu trường ảnh nông, ánh sáng ấm trong nhà, chủ yếu cỡ cảnh trung và cận, dựng cảnh đối đáp qua lại thường xuyên, phông nền giữ chất đời thường, không khoa học viễn tưởng, không cổ trang, không cảm giác hoạt hình. Không để xuất hiện bất kỳ phụ đề, chữ viết, watermark nền tảng hay nhãn dán nào trong hình ảnh.
prompt chưa hoàn chỉnh, bạn có thể tự bổ sung thêm Tạo một đoạn trailer phim ngắn tình cảm ma cà rồng người thật nước ngoài dài 15 giây, dọc màn hình 9:16. Tham khảo ngoại hình nam nữ chính từ ảnh 1, bối cảnh từ ảnh 2. Giữ nguyên nhận dạng nam nữ chính, chất cảm người thật, chất lượng phim ngắn cao cấp. Cốt truyện tổng thể: nữ chính người thường ngây thơ lạc vào khu cấm của lâu đài cổ, vô tình đánh thức nam chính quý tộc ma cà rồng đang ngủ say. Nam chính phát hiện trên người cô mang một loại khí tức liên quan đến cuộc chiến cổ xưa, vì vậy nảy sinh ham muốn kiểm soát mạnh mẽ và sự quan tâm nguy hiểm đối với cô. Nữ chính sợ hãi anh ta nhưng không hoàn toàn khuất phục, phản kháng lại sự áp bức của anh. Phong cách tổng thể: cảm giác trailer phim ngắn tình cảm ma cà rồng ReelShort/DramaBox nước ngoài. Lãng mạn tối tăm, sức hút nguy hiểm, cảm giác định mệnh, kiểm soát mạnh mẽ, u ám áp bức, phản chuyển đỉnh cao. Hình ảnh cao cấp, kiềm chế, dồn dập, như 15 giây đầu móc câu của phim ngắn nội dung viral. Không có máu me, không kinh dị rẻ tiền, không cảm giác Halloween, không cảm giác phố phường hiện đại. Tỷ lệ khung hình: bố cục dọc 9:16, phù hợp TikTok/ReelShort/DramaBox. Nhân vật chủ yếu ở cỡ cảnh trung-cận, cận cảnh và đặc tả, trong khung dọc cần làm nổi bật khuôn mặt, ánh mắt, cảm giác áp bức và sức căng trong mối quan hệ.

Sản phẩm & Marketing thương mại điện tử

Trình bày sản phẩm, video điểm bán hàng, tư liệu thương hiệu và chạy quảng cáo

prompt	Ảnh/video/âm thanh tham khảo	Tệp đầu ra
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Tạo một video quảng cáo kính thời trang cao cấp dọc màn hình 9:16, tổng thể tham khảo nhịp storyboard, tốc độ dựng phim, chất cảm phông trắng và bầu không khí thời trang lạnh lùng của video đã cung cấp. Hình ảnh là phông trắng tối giản, nền trắng liền mạch, cảm giác quảng cáo haute couture mạnh mẽ, sạch sẽ, đơn giản, sắc sảo, tiên phong, chất lượng ảnh thời trang quốc tế hàng đầu. Nhân vật chính tham khảo ảnh 1, hai người mẫu nữ toàn thân, một người mẫu nữ da đen, một người mẫu nữ Âu Mỹ, giữ nguyên chất cao cấp trang phục, tư thế cơ thể, ánh sáng phông trắng, khí chất sàn diễn thời trang và thái độ lạnh lùng tổng thể. Cả hai đều đeo kính cao cấp tương lai, thiết kế kính tham khảo ảnh 3, nhấn mạnh đường cong bao phủ, đường viền hình học sắc bén pha trộn mắt mèo/kính bảo hộ, phản chiếu gương, gọng kính lưu tuyến, chất cảm phụ kiện thời trang cao cấp. Chi tiết ngoại hình của hai nhân vật tham khảo ảnh 2.
Hiểu tính năng sản phẩm & Trình bày trực quan （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Ghế công thái học Herman Miller màu đen cao cấp trình diễn 360 độ. Cận cảnh lưng lưới thoáng khí với hiệu ứng trực quan hóa luồng không khí. Animation kỹ thuật về hỗ trợ thắt lưng và đường cong công thái học. Minh họa điều chỉnh tay vịn/chiều cao ghế đa chiều. Cảnh làm việc dài giờ của designer/lập trình viên/người sáng tạo với tư thế thoải mái tự nhiên. Sơ đồ 3D khung xương hỗ trợ ngồi lâu không mỏi. Trình bày nội thất thẩm mỹ không gian. Cuối video hiện chữ "Cảm hứng và sự thoải mái luôn song hành". Phong cách cao cấp tối giản, tông màu lạnh, chuyên nghiệp mang hơi hướng tương lai, chuyển cảnh chậm rãi. Tham khảo chi tiết sản phẩm theo hình 1, ảnh sản phẩm theo hình 2.
Quảng bá sản phẩm ẩm thực （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） 15 giây, màn hình ngang 16:9, mô phỏng trọn vẹn ngôn ngữ hình ảnh của video ra mắt sản phẩm mới từ thương hiệu cao cấp: nền đen tuyền, ánh sáng chuẩn studio, quay cận cảnh xoay siêu chậm, tiêu đề sans-serif khổng lồ tối giản, nhạc nền điện tử bay bổng. Sản phẩm là — một con vịt quay Bắc Kinh nướng hoàn hảo. Font chữ bắt buộc phải tối giản, nhiều khoảng trống, thống nhất sử dụng font sans-serif mảnh; tiếng Trung không được có lỗi chính tả. Cấm: phong cách hoạt hình, hậu cảnh lộn xộn, watermark.

Trải nghiệm số & Sáng tạo game

Game UI, web UI, giao diện sản phẩm, demo tương tác, trình diễn tính năng và hiệu ứng chuyển động trải nghiệm

prompt	Ảnh/video/âm thanh tham khảo	Tệp đầu ra
Ảnh tham khảo nhân vật hình 1, phong cách UI tham khảo hình 2. [0 giây–2 giây] Góc máy cao nhìn xuống. Nhân vật ngồi trên nền màu tím sáng bão hòa cao, tham khảo hình 1, ngẩng đầu nhìn vào camera. Bên phải hiển thị menu game UI: START NEW GAME, CONTINUE (được highlight), SETTINGS, EXIT GAME. Góc trên bên trái hiển thị hồ sơ người chơi MINIMAX. Con trỏ nhấp vào "CONTINUE". [2 giây–4 giây] Zoom mượt vào cánh tay phải của cô. Panel UI trượt vào từ bên phải, panel "RIGHT ARM EQUIPMENT" xuất hiện. "PHANTOM GRIP" được chọn và highlight, sau đó trượt sang "CHRONOS CLAW". Bàn tay phải cơ học tái cấu hình, các ngón tay tách ra, móng vuốt mới khóa vào vị trí, đèn LED xanh cyan nhấp nháy sáng hơn. [4 giây–7 giây] Camera mượt mà vòng sang bên trái cô. UI mới trượt vào lưới "ARMAMENT CUSTOMIZATION", hiển thị các bộ phận bàn tay, cẳng tay, khuỷu tay, cánh tay trên. Vùng chọn chuyển đổi nhanh qua các bộ phận. Cánh tay trái tháo rời từng đoạn: tấm cẳng tay rơi ra, giáp mới trượt vào, khớp khuỷu được thay thế, bàn tay tái cấu hình, dây điện và piston lộ ra trong quá trình thay thế. [7 giây–8,5 giây] Camera lùi về cảnh trung. Nút CONFIRM CONFIG nhấp nháy. Nhấp vào. Tất cả panel UI thu nhỏ và biến mất. Nhân vật duỗi chân, điều chỉnh tư thế, giờ ngồi thư giãn với một gối dựng lên, tay giả nâng tự nhiên và thực hiện chuyển động nhỏ sau khi hoàn tất cấu hình. [8,5 giây–10 giây] Thanh LOADING xuất hiện ở phía dưới. Nhanh chóng lấp đầy từ 0% đến 100%. Môi trường màu tím sáng bão hòa cao bắt đầu tối dần, bóng tối lan từ các cạnh, ánh vàng ấm áp thấm vào. [10 giây–15 giây] Khi cô đứng dậy, toàn bộ môi trường tải xung quanh cô. Khu ổ chuột cyberpunk dày đặc hiện ra, đèn neon nhấp nháy, đường phố ướt phản chiếu ánh sáng, đám đông nhộn nhịp, xe máy lao qua, dây điện chằng chịt, các tòa nhà xếp chồng kéo dài về phía những tòa nhà chọc trời tương lai ở xa. Camera ổn định ở góc nhìn thứ ba phía sau lưng cô, hiển thị toàn bộ phần lưng. Các yếu tố HUD mờ dần xuất hiện, minimap ở góc trên bên phải, chỉ số máu và đạn ở góc dưới bên trái. Điểm đánh dấu nhiệm vụ xuất hiện. Cô bước ra đường phố.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Một trang web, thiết kế UI trang web, hiệu ứng chuyển động web, video thể hiện hiệu ứng cuộn trang mượt mà xuống dưới. Một video demo UI/UX landing page sản phẩm theo phong cách trang web chính thức đầy sức mạnh và năng động, đối tượng trình diễn chính là ảnh sản phẩm hình 1. Trang sử dụng font sans-serif siêu lớn, đậm, nghiêng, bố cục táo bạo phóng khoáng. Nền có hiệu ứng ánh sáng động tốc độ cao, kết cấu sợi carbon tối màu hoặc lưới thoáng khí thể thao đan xen chuyển đổi. Video thể hiện hiệu ứng cuộn trang nhịp nhàng đầy lực, cùng các tương tác UI mạnh mẽ khi hover chuột như phóng to hình ảnh và đảo ngược màu sắc.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Mô phỏng thiết kế UI website: tiêu đề phía trên trượt xuống xuất hiện, sau đó khối văn bản phía dưới trượt lên, đèn xe hơi chuyển từ tối sang đỏ
(prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Tạo một đoạn video game dài 10 giây, bố cục ngang 4:3, tổng thể giống giao diện một game phản xạ 2D vẽ tay dễ thương tối giản. Khung hình giữ góc máy cố định, không chuyển động máy quay, không zoom, hậu cảnh sạch sẽ, giữ chất cảm giấy ấm áp và nét vẽ tay bằng bút sáp / chì màu. Nhân vật chính luôn là cùng một chú chó Beagle tinh nghịch: thân hình chibi tròn trịa, chân ngắn, tai to cụp xuống, mõm dài tròn, đuôi ngắn vểnh lên, biểu cảm mắt ti hí lười biếng nhưng trông rất nhây. Cơ thể chú chó Beagle có thể được kéo dãn phóng đại như dây thun, ép bẹp, cong người lên và né sang bên, nhưng danh tính và phong cách vẽ luôn giữ tính nhất quán. Video là một quy trình chơi mini-game nhịp độ nhanh dạng "bấm phím điều hướng né bàn tay". Phía dưới màn hình luôn có một hàng UI mũi tên định hướng vẽ tay, mũi tên gồm bốn hướng lên, xuống, trái, phải. Khi mỗi nhịp thao tác bắt đầu, mũi tên hướng tương ứng sẽ nhanh chóng chuyển sang dạng đặc sáng bừng, đồng thời xuất hiện các hiệu ứng phản hồi như vòng tròn gợn sóng vẽ tay, các tia phóng xạ ngắn, ngôi sao nhỏ hoặc dấu chân. Phía trên giữ lại HUD vẽ tay gọn nhẹ: góc trên bên trái có ba trái tim nhỏ, chính giữa phía trên là thanh tiến trình vẽ tay mảnh, góc trên bên phải có một icon khúc xương nhỏ và một ít họa tiết doodle trang trí. Các chi tiết trang trí phải thưa thớt, dễ thương, không được che khuất nhân vật chính, bàn tay hay mũi tên điều hướng. Không được xuất hiện bất kỳ văn bản đọc được nào, không dùng UI điện tử hiện đại, không dùng hiệu ứng nhiếp ảnh chân thực. Quy tắc cách chơi cốt lõi: Hình 1, khi mũi tên "lên" ở đáy sáng bừng, bàn tay từ dưới khung hình vươn lên trên, chú Beagle phải cong người uốn lưng lên trên để né tránh, cơ thể tạo thành một cây cầu bán nguyệt phóng đại. Hình 2, khi mũi tên "xuống" ở đáy sáng bừng, bàn tay từ phía trên khung hình ép xuống, chú Beagle phải hạ thấp người sát đất để né tránh, nửa thân trước bẹp xuống, nửa thân sau vểnh lên. Hình 3, khi mũi tên "phải" ở đáy sáng bừng, bàn tay từ bên phải khung hình vươn vào theo phương ngang, chú Beagle phải kéo dài thân sang trái để né tránh, hai tai văng tung lên, hai chân trước bám đất. Hình 4, khi mũi tên "trái" ở đáy sáng bừng, bàn tay từ bên trái khung hình vươn vào theo phương ngang, chú Beagle phải trượt sang phải để né tránh, cơ thể nén lại như lò xo và né sang bên. Tất cả hướng bàn tay, hướng mũi tên sáng bừng và động tác né tránh của Beagle bắt buộc phải tương ứng 1-1, không được lệch nhịp.
(prompt chưa hoàn chỉnh, bạn có thể tự bổ sung chi tiết) Sử dụng Image 1 làm tham chiếu chính xác cho UI / bố cục / phong cách giao diện. Con trỏ chuột trong Image 1 cũng được dùng làm tham chiếu kiểu dáng chuột chính xác: con trỏ chuột bắt buộc phải giữ nguyên kích thước, hình dáng, tỷ lệ, độ trong suốt bán phần, viền phát sáng mềm mại và nét tinh tế cao cấp như trong Image 1. Không tạo con trỏ chuột mặc định của hệ thống quá to, không tạo mũi tên đen trắng thô kệch, không tạo nhiều con trỏ chuột. Sử dụng Images 2–5 làm tham chiếu chính xác cho linh thú/pet, và ánh xạ theo cách sau: Image 2 = card A = MIRRA POD Image 3 = card E = LANTERN Image 4 = card F = MOSS MITE Image 5 = card C = VELI KIT Tạo một video ngang 15 giây, tỉ lệ 16:9. Góc quay hoàn toàn cố định, không đẩy/kéo, lia máy hoặc chuyển cảnh. Giữ cho cấu trúc giao diện, bố cục, panel, phân cấp phông chữ, icon, góc bo tròn, lưới thẻ (card grid) và bố cục tổng thể của Image 1 luôn ổn định, thanh lịch và rõ ràng, dễ đọc. Phong cách giao diện toát lên vẻ cao cấp, tối giản, huyền ảo như một cuốn bách khoa linh thú kỹ thuật số. Không thêm chữ không liên quan, không bị lỗi ký tự/loạn mã, không méo mó UI, không trôi dạt giao diện. Phong cách tổng thể: Sương mờ ảo, soft focus, phủ nhung mịn, bán trong suốt, phát sáng nhẹ, cao cấp tối giản. Cả bốn linh thú đều phải thật đáng yêu, hoạt bát, mềm mại dễ thương và tràn đầy linh khí. Động tác phải dứt khoát, tinh tế và có cảm giác tương tác. Bản thân giao diện giữ cố định, chỉ tạo chuyển động cho chuột, trạng thái được chọn (selected state), tiêu đề chính, linh thú đang hiển thị chính và một lượng nhỏ hiệu ứng kỹ năng.

Demo phần cứng, công nghiệp thực thể & embodied intelligence

prompt	File đầu vào	Tệp đầu ra
Góc máy cố định, cánh tay robot hạ xuống, gắp khối đỏ, di chuyển về phía trước một đoạn rồi đặt xuống	Văn bản sang video
Thay thế nền cảnh chính xác prompt thay đổi nền: Thay thế mặt bàn trong video gốc bằng bàn làm việc văn phòng tiêu chuẩn, toàn bộ nền được thay thế bằng môi trường văn phòng có rèm cửa chớp và tủ hồ sơ kim loại. Tỷ lệ phối cảnh của bàn mới phải khớp hoàn toàn với góc máy gốc, chất liệu bề mặt bàn phải tiếp nhận tự nhiên ánh sáng và bóng đổ từ video gốc, hướng bóng cạnh và điểm sáng phải nhất quán chặt chẽ với nguồn sáng của cảnh gốc. Mức độ làm mờ chiều sâu của rèm cửa chớp và tủ hồ sơ phía nền phải căn chỉnh theo điểm lấy nét của video gốc, duy trì cảm giác chiều sâu không gian ban đầu. Trong suốt quá trình này, quỹ đạo chuyển động camera của video gốc, toàn bộ trình tự và tốc độ chuyển động của cánh tay robot, vị trí tương đối và quan hệ che khuất không gian của các vật thể khác trong khung hình, cũng như bầu không khí ánh sáng tổng thể phải được giữ nguyên 100%, đảm bảo các yếu tố được thay thế hòa nhập liền mạch với hình ảnh gốc.

Hoạt hình & hình ảnh phong cách hóa

Game CG, character PV, anime PV, hoạt hình phong cách hóa, nội dung visual 2D và IP

prompt	Ảnh/video/âm thanh tham khảo	Tệp đầu ra
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Phong cách hoạt hình đất sét. Con cáo đang phi nước đại lao đến mép vực, không chút do dự bật người lên không trung, thực hiện một cú nhảy anh hùng đầy căng thẳng theo slow motion phía trên hẻm núi dung nham khổng lồ. Camera lướt cực nhanh từ phía dưới bụng con cáo giữa không trung (chuyển động camera biên độ lớn), khắc họa hoàn hảo độ sâu đáng sợ của vực thẳm cùng khoảnh khắc cơ thể đất sét của con cáo duỗi hết mức trong không khí.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Sử dụng Hình 2 làm tham chiếu nhân vật cố định, giữ nguyên tính nhất quán về mái tóc dài buộc nửa màu đen, vương miện bạc chạm lộng, dải tóc xanh lam đậm, hán phục nhiều lớp màu nhạt, áo khoác ngoài xanh lam bán trong suốt, đai lưng xanh đậm, khóa hoa bạc và tua rua dài. Sử dụng Hình 1 làm tham chiếu storyboard và nhịp điệu. Hình ảnh đạt chất lượng 4K 16:9 phong cách cổ trang Trung Hoa 3D, chất cảm tiên hiệp điện ảnh, mang hơi thở hào hùng, trang nghiêm và đậm chất định mệnh. Camera lần lượt thể hiện nội dung từng storyboard, đảm bảo chuyển cảnh và di chuyển camera tự nhiên giữa các cảnh, không được cứng nhắc như PowerPoint. Cảnh lộ mặt nhân vật chỉ được dùng cận cảnh hoặc đặc tả; cảnh xa chỉ được dùng góc nhìn từ sau lưng, nghiêng sau hoặc cảnh môi trường, không dùng góc xa chính diện.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Tạo một character PV cho nam chính game otome. Ảnh tham chiếu nhân vật: Sử dụng Hình 2 làm tham chiếu nhân vật nghiêm ngặt. Vui lòng giữ nguyên tính nhất quán về khuôn mặt, kiểu tóc, tỷ lệ vóc dáng, thiết kế trang phục, chi tiết chất liệu và chất cảm CG game otome của cùng một nhân vật.
（Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Camera: Góc nhìn thứ nhất · Ngang tầm mắt · Góc quay cầm tay kiểu gameHình ảnh: Mô phỏng cảnh người chơi đang điều khiển một game FPS chiến tranh hiện đại, hai tay cầm súng trường tấn công tiến chậm quanh vành ngoài căn cứ quân sự. Người chơi di chuyển về phía trước dọc theo con đường cạnh vật che chắn, ngắm quét qua hành lang phía trước, dừng ngắn rồi bắn vài phát về phía mục tiêu xa, sau đó tiếp tục tiến lên — giống như cảnh thực chiến của người chơi bình thường.Ánh sáng: Ánh sáng tự nhiên lạnh của căn cứ quân sự hiện đại đan xen với khói lửa, hình ảnh chân thực rõ nét, súng kim loại và bụi chiến trường mang chất cảm game 3A.Camera: Camera rung nhẹ kiểu cầm tay theo chuyển động của người chơi — tiến chậm, quan sát nhỏ sang hai bên, rung giật lùi nhẹ khi bắn, rồi tiếp tục tiến ổn định về phía trước.
Game tương tác người-máy （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Sử dụng hình thứ nhất làm frame đầu, hình thứ hai làm frame cuối nghiêm ngặt, tạo một đoạn video chuyển cảnh giao diện visual novel game otome. Cảm giác tổng thể: giao diện tương tác tình cảm game otome Trung Hoa cao cấp, khoảnh khắc mơ hồ giữa hậu trường và sân khấu, chuyển tiếp tự nhiên từ "chọn đến xem buổi biểu diễn của anh ấy" sang "Hàn Tự bị lời của nữ chính thu hút, để lộ phản ứng thích thú". Văn bản UI, lựa chọn và hộp thoại xuất hiện theo phong cách tinh tế đặc trưng của game otome, chuyển cảnh mượt mà, cảm xúc mơ hồ nhưng tiết chế.
Diễn giải theo tình huống （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Nhân vật chính là Hình 1, phong cách điện ảnh, chân thực như quay thực tế. Góc quay cận cảnh chính diện, khung hình chỉ tập trung vào phần thân trên của nam chính và nữ chính. Khuôn mặt nữ chính hầu như không lộ ra trong video; cô mặc váy đỏ hở eo hở lưng, chỉ thỉnh thoảng xuất hiện chi tiết vai cổ, cánh tay, đường eo, tà váy và bàn tay. Nam chính mặc áo sơ mi đen may đo cao cấp với đường cắt hoàn hảo. Bối cảnh là không gian nội thất tông đỏ đen gợi cảm như Hình 2, ánh sáng tổng thể tối, độ bão hòa thấp, sang trọng và tiết chế; hậu cảnh hơi mờ nhẹ, sofa nhung đỏ, bàn phụ đá cẩm thạch đen vàng và nguồn sáng ấm thấp cùng tạo nên bầu không khí hẹn hò trưởng thành đầy gợi cảm. Cảnh quay diễn ra trước chiếc sofa nhung đỏ trong Hình 2. Nam chính ngồi trên sofa nhung đỏ, tư thế lười biếng và thư thái, người hơi ngả ra sau, chất liệu vải áo cao cấp và tinh tế. Bên cạnh sofa là một chiếc bàn phụ đá cẩm thạch đen vàng sang trọng, trên đó đặt một ly thủy tinh pha lê tinh xảo đựng rượu whisky màu hổ phách cùng vài viên đá đang tan dần, thân ly mờ ảo những hạt nước li ti. Trong khung hình có thể nghe thấy tiếng đá chạm nhẹ vào thành ly, tiếng xì gà cháy khẽ khàng, tiếng không khí lưu thông nhẹ trong phòng, tiếng vải cọ xát và tiếng thở tiết chế.
Phong cách anime 2D （Không phải prompt hoàn chỉnh, bạn có thể tự bổ sung thêm） Cel 2D thuần túy × Motion Graphics (MG) trừu tượng, mang cảm giác poster phẳng chuyển động. Tổng thể là hệ thống thị giác tương phản cao tông vàng, chủ đạo với vàng kim, vàng hổ phách, vàng chanh, đen trắng, điểm xuyết một lượng nhỏ xám kim loại; sắc đỏ chỉ giới hạn ở ghế sofa của nhân vật phản diện, rượu và tín hiệu nguy hiểm. Thành phố hoàn toàn phẳng hóa, sử dụng đường nét ống dẫn, lưới (grid), khối chữ nhật, lát cắt, vạch chia độ, công trình kiến trúc biểu tượng ghép lại, không xuất hiện 3D lập thể, không dùng phối cảnh điện ảnh. Cho phép nghiêng, lật, nén, biến dạng, đảo màu, bóng đen (silhouette), mặt nạ chéo, chuyển cảnh khớp hình dạng, toàn bộ quá trình giống như một tấm poster đồ họa phẳng liên tục chuyển động.

1.10 Kịch bản đa ngôn ngữ vươn ra thị trường quốc tế

Hỗ trợ nhập và xuất prompt đa ngôn ngữ TTS (chuyển văn bản thành giọng nói) phủ chính xác 11 ngôn ngữ , bao gồm tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn, tiếng Pháp, tiếng Đức, tiếng Tây Ban Nha, v.v. Có thể mở rộng khám phá thêm nhiều ngôn ngữ khác như tiếng Ả Rập, tiếng Thái, tiếng Indonesia, tiếng Hindi, v.v. Hơn 40 ngôn ngữ Phù hợp với các tình huống như truyền thông thương hiệu quốc tế, quảng cáo đa ngôn ngữ, phim ngắn xuyên ngôn ngữ và giới thiệu sản phẩm bản địa hóa

Ví dụ minh họa ngôn ngữ	Câu lệnh	Kết quả tạo ra
Tiếng Ả Rập	0–4 giây Cận trung nữ chủ tiệm, hai tay cô nhẹ nhàng nâng chiếc hộp tròn nhỏ bằng gỗ tuyết tùng màu sẫm hình bầu dục, nắp hộp chạm khắc màu đồng đã mở hé một nửa. Cô cúi đầu nhìn khối hương trầm màu hổ phách bên trong, rồi ngẩng đầu nhìn về phía khách hàng ở bên phải khung hình, nở nụ cười ấm áp, chuyên nghiệp, nói bằng giọng Ả Rập Saudi tự nhiên, trầm ấm và dịu dàng: "هذا بخور مصنوع يدويًا من عود وورد الطايف." (Đây là loại nhang trầm làm thủ công, được chiết xuất từ gỗ trầm hương và hoa hồng Taif.) 4-9 giây Cắt dứt khoát sang cận trung nữ khách hàng, cô tò mò hơi nghiêng người về phía trước, đưa hai tay đón lấy chiếc hộp gỗ, cúi đầu ghé sát hộp gỗ ngửi nhẹ, nhắm mắt say sưa tận hưởng trong một giây. Máy quay cắt lại cảnh cận trung nữ chủ tiệm, cô vừa làm cử chỉ tay ra dấu “một mẩu nhỏ”, vừa nói bằng giọng Ả Rập Saudi tự nhiên: "قطعة صغيرة منه تكفي البيت كله لأسبوع كامل." (Chỉ cần một mẩu nhỏ thế này là đủ thơm cho cả căn nhà suốt một tuần.) 9-12 giây Cắt dứt khoát về cảnh trung hai người, giữ nguyên bố cục giống ảnh tham chiếu khung hình đầu tiên. Khách hàng đưa lại hộp gỗ cho chủ tiệm, hai người nhìn nhau mỉm cười. Chủ tiệm tự nhiên đặt hộp gỗ về lại chính giữa mặt bàn, hơi ngẩng đầu nhìn vào ống kính, nói với giọng điệu ấm áp, kiên định: "أود لاب، مصنوع بحب في دبي." (OUD LAB, được tạo nên bằng tình yêu tại Dubai.)
Tiếng Ý 1	0-5 giây: Cận trung bạn già A. Bạn già A ngồi trên chiếc ghế mây tròn, một tay nhẹ nhàng vịn mép bàn đá cẩm thạch, ngón trỏ tay kia chỉ vào ấm pha cà phê moka MOKA CAPRESE ở giữa bàn, đầu hơi nghiêng về phía trước nhìn người bạn già B đối diện, trên mặt lộ rõ vẻ "tao nói cho mày nghe cái này đỉnh lắm", nói bằng tiếng Ý ngữ điệu nồng nhiệt với chất giọng Napoli: "Guagliò, ma tu l'hai vista chesta? MOKA CAPRESE, mio cognato me l'ha regalata." (Này ông bạn, thấy cái này chưa? MOKA CAPRESE đấy, cậu em vợ tặng tôi đấy.) 5-10 giây: Cắt dứt khoát sang cận trung bạn già B. Bạn già B một tay cầm tách espresso nhỏ màu trắng trước mặt (không uống mà chỉ cầm chắc trước ngực), bàn tay kia mở tự nhiên nâng lên ngang vai làm cử chỉ tay phóng khoáng đặc trưng của miền Nam nước Ý biểu thị "tao biết tỏng rồi chứ còn gì", trên mặt mang biểu cảm nhướng mày đắc ý, nói bằng tiếng Ý nhịp điệu chậm lại và cường điệu với chất giọng Napoli: "E che vuoi che te dico, neh? Chella è la moka vera, tutt'o riesto è fatica sprecata." (Tôi còn biết nói gì với ông nữa đây? Đó mới là ấm moka chuẩn chỉ, mấy thứ khác chỉ tổ phí công thôi.) 10-15 giây: Cắt dứt khoát về cảnh trung hai người ngồi đối diện nhau trước bàn. Bạn già A một tay vẫn vịn mép bàn, tay kia hơi nhấc lên về phía ấm moka MOKA CAPRESE trên bàn và khẽ nhún vai, bạn già B đặt nhẹ tách espresso trở lại đĩa trên bàn tạo ra tiếng lách cách êm tai của đồ sứ, hai người nhìn nhau rồi cùng cười. Bạn già A nói bằng tiếng Ý với chất giọng Napoli, giọng điệu thư thái, đắc ý: "E allora domenica prossima a casa mia, te la faccio provare. Madonna mia, che roba." (Thế thì Chủ nhật tuần tới qua nhà tôi, tôi pha cho ông nếm thử. Trời đất ơi, thứ này đỉnh thật sự.) Khung hình đứng yên tự nhiên, BGM khép lại.
Tiếng Ý 2	0-5 giây Cận trung người bà (góc nhìn người thứ ba quay, ống kính hướng thẳng từ phần ngực trở lên). Tay bà đang cầm chiếc kéo làm vườn màu đồng GIARDINETTO, nhón một quả cà chua bi tròn mọng đỏ au từ giỏ thu hoạch bằng mây trước ngực rồi giơ lên lắc nhẹ trước ống kính. Bà nhướng mày thật cao, hướng về ống kính làm một cử chỉ tay kinh điển của người Ý — chụm các đầu ngón tay lại và chỉ lên trên — rồi nói bằng tiếng Ý chuẩn giọng phố cổ Roma, nhịp nói nhanh và đậm chất kịch nghệ: "Guarda che meraviglia! Questo pomodoro, tesoro mio, l'ho fatto crescere io stessa." (Xem tuyệt vời chưa này! Quả cà chua này, bảo bối của bà ơi, là tự tay bà trồng lớn đấy.) Khớp khẩu hình miệng chính xác. 5-11 giây Ống kính lia ngang chậm sang phía bên phải ban công, quét qua mấy chậu dây leo cà chua (khung hình thấy được cả hàng cây cà chua đang phát triển tươi tốt, những lá húng quế xanh biếc, vài chùm cà chua tròn đỏ au vừa chín tới) trong khoảng 1,5 giây, sau đó máy quay từ từ lia trở lại khuôn mặt của bà. Bà giơ chiếc kéo làm vườn màu đồng GIARDINETTO trong tay lên, mở ra khép vào hai tiếng tách tách (nghe rõ âm thanh kim loại sắc nét của kéo), vừa vung vẩy chiếc kéo vừa nói bằng tiếng Ý giọng phố cổ Roma: "Con queste forbici, tutto un altro pianeta. Guarda che ottone, guarda che manico." (Dùng cây kéo này thì đúng là một thế giới hoàn toàn khác. Nhìn chất đồng này xem, nhìn phần cán này xem.) Khớp khẩu hình miệng chính xác. 11-15 giây Bà giơ chiếc kéo làm vườn GIARDINETTO lên trước ống kính ở cự ly đặc tả để người xem thấy rõ logo thương hiệu, sau đó ghé sát vào ống kính (ống kính hơi đẩy nhẹ về phía trước), hạ giọng với nét mặt cưng chiều đặc trưng của một người bà thành Roma, nói bằng tiếng Ý: "Le compri online, tesoro. Nonna te lo dice: ne vale la pena." (Mua online đấy, cưng à. Bà bảo này: đáng từng đồng đấy.)
Tiếng Tây Ban Nha	0—4 giây: Cô gái nhanh chóng dời tay từ trước miệng xuống gần cằm, đảm bảo thấy rõ đôi môi. Người cô hơi đổ về phía trước, nét mặt hoảng hốt và áy náy chân thành, tuyệt đối không cười, cũng không diễn xuất quá đà. Cô nói bằng giọng bản xứ Tây Ban Nha tự nhiên: “¡Ay, Dios mío! Perdona, perdona… ¿Se ha roto?” “¡Ay, Dios mío!” ngắn gọn và ngạc nhiên; “Perdona, perdona” nói hơi nhanh, thể hiện lời xin lỗi chân thành, khẩn thiết; “¿Se ha roto?” âm lượng hơi nhỏ, lo lắng hỏi han. Cả câu như phản ứng bản năng sau khi xảy ra sự cố, không mang giọng điệu đọc văn hay cợt nhả, nũng nịu. Người đàn ông giữ im lặng cho đến khi cô nói xong, chỉ cúi đầu kiểm tra bình nước. 4—4,5 giây: Tạm dừng ngắn. Người đàn ông xác nhận bình nước không bị hư hại, ngẩng đầu nhìn người phụ nữ. 4,5—8 giây: Máy quay chuyển tự nhiên sang cảnh cận trung người đàn ông. Anh giơ bình nước còn nguyên vẹn lên, nở nụ cười nhẹ nhõm, thân thiện, dùng giọng bản xứ Tây Ban Nha điềm tĩnh pha chút hài hước nói với cô: “Qué va, tranquila. Este cacharro es indestructible, mira.” Ngữ điệu là để an ủi cô, không khoe khoang cũng không chế giễu. Người phụ nữ giữ im lặng, không nhép miệng nói. 8—12 giây: Trở lại cảnh trung hai người. Người đàn ông đưa bình nước cho cô gái xem, cô gái thấy bình không sao thì thở phào nhẹ nhõm, nét mặt chuyển tự nhiên từ lo lắng sang an tâm. Phía dưới màn hình xuất hiện dòng chữ ngắn gọn: “AGUA MAX · Indestructible”. Chỉ có âm thanh môi trường công viên tự nhiên, tiếng bình rơi xuống đất và lời thoại của hai người, không có thuyết minh, không có thoại thừa, không có phụ đề hội thoại.
Tiếng Nhật	0-4 giây Cận trung đồng nghiệp A (bên phải khung hình làm mờ có thể thấy bờ vai mặc áo cardigan xanh rêu đậm của đồng nghiệp B). Một tay cô vừa lấy ra một hũ nhỏ pudding caramel HOKU từ túi nilon trong suốt của cửa hàng tiện lợi giơ lên trước ngực lắc lắc với đồng nghiệp B bên cạnh, mắt khẽ cong lên mỉm cười, dùng tiếng Nhật trong trẻo, dịu dàng mang giọng Tokyo nói: "あ、これ知ってる？ローソンの新作、めっちゃおいしいよ。" (A, cậu biết món này không? Món mới của Lawson đấy, ngon cực luôn.) Khớp khẩu hình miệng chính xác. 4-8 giây Cắt dứt khoát sang cận trung đồng nghiệp B (bên trái khung hình làm mờ thấy hũ pudding trên tay đồng nghiệp A). Đồng nghiệp B tò mò ghé lại nhìn hũ pudding rồi ngẩng đầu nhìn về phía đồng nghiệp A, nét mặt biểu lộ vẻ "thế cơ à", dùng tiếng Nhật dịu dàng mang giọng Tokyo nói: "へえ、知らなかった。プリン？お高いんじゃないの？" (Ủa, mình không biết đấy. Pudding hả? Có đắt lắm không?) Khớp khẩu hình miệng chính xác. 8-12 giây Cắt dứt khoát về cảnh trung hai người (bố cục khung hình đầu tiên). Đồng nghiệp A một tay lắc lắc hũ pudding nhỏ, ngón tay kia chỉ về hướng cửa cửa hàng tiện lợi, cười nói bằng tiếng Nhật: "三百円くらい。がんばった自分にごほうび、ってやつ。" (Khoảng ba trăm yên thôi. Kiểu như là "tự thưởng cho bản thân sau một ngày vất vả" ấy mà.) Đồng nghiệp B nghe xong mỉm cười gật đầu.
Tiếng Nhật	0-5 giây: Cận trung bạn cùng phòng A. Bạn cùng phòng A ngồi xếp bằng ở nửa bên trái ghế sofa, trên đầu gối đặt một hộp carton chuyển phát nhanh màu nâu nhạt vừa mở, hai tay nhẹ nhàng nâng chiếc máy khuếch tán tinh dầu lục giác bằng thạch cao trắng FUKA vừa lấy ra khỏi hộp giơ lên trước ngực, nghiêng đầu nhìn sang bạn cùng phòng B ở đầu kia sofa, gương mặt vừa mong đợi vừa hơi chột dạ, nói bằng khẩu ngữ đời thường của các cô gái độ tuổi đôi mươi ở Tokyo: "てかさ、これ届いた。最近まじで眠れなくてさ、これいいらしいよ。" (Này tớ bảo, cái này vừa giao tới rồi. Dạo này mất ngủ thực sự luôn, nghe bảo món này tốt lắm.) 5-10 giây: Cắt dứt khoát sang cận trung bạn cùng phòng B. Bạn cùng phòng B nằm nghiêng lười biếng dựa vào tay vịn sofa, một tay cầm iPhone màn hình hướng về phía mình, tay kia ôm gối ôm màu be, ngẩng đầu liếc nhìn một cái, khóe môi khẽ nhếch lên, dùng khẩu ngữ đời thường vừa lười nhác vừa trêu chọc của nữ thanh niên độ tuổi đôi mươi ở Tokyo: "え、それ先週も届いてなかった？あんた同じの二個持ってんじゃん。" (Ủa, cái đó tuần trước chẳng phải cũng nhận một cái rồi sao? Cậu có hai cái y hệt nhau rồi còn gì.) 10-15 giây: Cắt dứt khoát về cảnh trung hai người trên ghế sofa. Bạn cùng phòng A một tay vẫn nâng máy khuếch tán thạch cao trắng, tay kia nhẹ nhàng đưa đầu nút bần gỗ của máy khuếch tán lên dưới mũi ngửi nhẹ (không thực sự chạm sát vào), ngửi xong đặt máy khuếch tán xuống cạnh hộp carton trên đùi, khóe miệng nhếch lên với vẻ mặt "bị bắt bài rồi hi hi", nhìn sang bạn cùng phòng B bảo: "だってさ、香り違うんだって。ってゆうか、うちの子にもいいらしいよ。" (Ừm— thơm lắm. Tại mùi hương khác nhau mà. Với lại, nghe nói món này cũng tốt cho mèo cưng nhà mình nữa.) Bạn cùng phòng B cuối cùng cũng đặt điện thoại lên gối ôm, ngẩng đầu nhìn một cái, mỉm cười không nói gì, khung hình đứng yên tự nhiên, BGM khép lại.
Tiếng Indonesia	0-5 giây Cận trung bé gái (bên trái khung hình làm mờ thấy tay mẹ đang chỉnh vạt váy và bóng dáng người mẹ đang ngồi xổm). Cô bé dùng hai tay nâng hai bên vạt váy khẽ xoay nửa vòng cho mẹ nhìn rõ, rồi ngẩng đầu nhìn mẹ với đôi mắt lấp lánh đầy mong đợi, nói bằng tiếng Indonesia giọng trẻ em Jakarta trong trẻo, tràn đầy sức sống: "Mama, cantik nggak? Aku suka banget yang ini!" (Mẹ ơi, đẹp không ạ? Con thích bộ này lắm luôn!) Khớp khẩu hình miệng chính xác. 5-10 giây Cắt dứt khoát sang cận trung người mẹ (bên phải khung hình làm mờ thấy một góc tà váy trắng khi cô con gái nhỏ xoay người). Người mẹ dịu dàng đưa tay chỉnh lại nếp vải váy trên vai con gái, rồi ngẩng đầu nhìn về phía con gái, nở nụ cười dịu dàng đầy hài lòng và yêu mến, dùng tiếng Indonesia mềm mại, ấm áp mang âm điệu của người mẹ trung lưu trí thức ở Jakarta nói: "Cantik sekali, sayang. Bahannya adem, cocok buat sekolah." (Đẹp lắm con yêu. Chất vải mát mẻ, rất hợp để mặc đi học đấy.) Khớp khẩu hình miệng chính xác. 10-15 giây Cắt thẳng về cảnh trung hai người trước gương thử đồ (bố cục khung hình đầu tiên). Người mẹ đứng dậy, một tay nhẹ nhàng nắm lấy bàn tay nhỏ của con gái, tay kia chỉ về phía giá treo quần áo ở hậu cảnh, mỉm cười nói với con gái bằng tiếng Indonesia: "Kita ambil satu lagi warna biru ya? Buat hari Minggu." (Chúng ta lấy thêm một chiếc màu xanh lam nữa nhé? Để mặc vào Chủ nhật.) Cô bé gật đầu lia lịa, nở nụ cười rạng rỡ, hai bàn tay nhỏ vịn vào tà váy tự xoay một vòng. Khung hình đóng băng tự nhiên, BGM kết thúc.
Tiếng Hàn	0-3.5 giây Cảnh trung cận của bạn thân A (bên phải khung hình làm mờ có thể thấy bạn thân B đang cầm cốc Americano đá). Cô ấy dùng hai tay nâng chiếc máy ảnh lấy liền LUMI POP màu trắng sữa lên trước mặt hướng về phía bạn thân B, dùng ngón trỏ bấm nút chụp "tách" một tiếng (khung hình lóe sáng đèn flash trắng mô phỏng đèn flash máy ảnh lấy liền), phần trước máy ảnh lập tức từ từ nhả ra một tấm giấy ảnh trắng tinh. Cô vừa đón lấy tấm ảnh vừa quay đầu nhìn về phía ống kính, nói bằng tiếng Hàn giọng trong trẻo tràn đầy năng lượng kèm âm điệu nũng nịu: "야, 이거 진짜 미쳤어. 요즘 카페 갈 때마다 필수템." (Này, cái này đỉnh thật sự luôn ấy. Dạo này đi cafe lần nào cũng phải mang theo.) Khẩu hình đồng bộ chính xác. 3.5-7 giây Cắt thẳng sang cảnh trung cận của bạn thân B (bên trái khung hình làm mờ có thể thấy tấm ảnh trên tay bạn thân A). Bạn thân B tò mò ghé sát lại, đưa tay đón lấy tấm ảnh lấy liền vừa chụp do bạn thân A đưa qua, cô cúi đầu nhìn hai giây rồi mắt sáng lên, ngẩng đầu nói bằng tiếng Hàn: "헐 대박, 색감 미쳤네. 나도 하나 살래." (Trời ơi đỉnh quá, màu ảnh mê thật sự. Tao cũng phải mua một cái mới được.) Khẩu hình đồng bộ chính xác. 7-10 giây Cắt thẳng về cảnh trung hai người (bố cục khung hình đầu tiên). Bạn thân A cười đắc ý đeo dây đeo bằng da màu nâu sẫm của máy ảnh LUMI POP vào cổ, tay kia cầm cốc Americano đá uống một ngụm, hơi nghiêng đầu nói với bạn thân B bằng tiếng Hàn: "구만 원. 필름 값이 좀 있긴 한데 그만한 값어치 해." (Chín vạn won. Tiền giấy in hơi chát một chút nhưng đáng đồng tiền bát gạo.) Nói xong hai người nhìn nhau cười, đồng thời nâng cốc Americano đá cụng ly. Khung hình đóng băng tự nhiên, BGM kết thúc kèm theo tiếng đá va vào nhau giòn tan.

Hiểu và tạo sinh đa phương thức (multimodal) gốc

H3 hỗ trợ nhiều loại đầu vào gồm văn bản, hình ảnh, âm thanh, video, xem tất cả tư liệu như một context thống nhất, hiểu mối quan hệ giữa thông tin, âm thanh, cảm xúc, hình ảnh và ý định biểu đạt, từ đó thực hiện sáng tác tích hợp từ hiểu nội dung đến hòa trộn thị giác và thính giác. **Tham chiếu đa tư liệu kết hợp:** Văn bản, hình ảnh, âm thanh và video kết hợp tự do, cùng tham gia vào quá trình tạo nội dung **Tham chiếu nhân vật, hành động và góc máy:** Tham chiếu hình ảnh nhân vật chính, hành động nhân vật, chuyển động máy quay và bố cục khung hình **Chuyển giọng và nhân bản giọng nói:** Tham chiếu âm sắc từ audio, cập nhật giọng nhân vật mượt mà **Hiểu bầu không khí và phong cách dựng phim:** Tham chiếu phong cách hình ảnh, nhịp tự sự, bầu không khí âm thanh và cảm giác dựng phim tổng thể của video gốc

Hỗ trợ ngôn ngữ và biểu đạt bản địa hóa Hỗ trợ nhập và xuất prompt đa ngôn ngữ TTS (chuyển văn bản thành giọng nói) hỗ trợ chính xác 11 ngôn ngữ, bao gồm tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn, tiếng Pháp, tiếng Đức, tiếng Tây Ban Nha, v.v. Có thể mở rộng khám phá thêm nhiều ngôn ngữ khác như tiếng Ả Rập, tiếng Thái, tiếng Indonesia, tiếng Hindi và hơn 40 ngôn ngữ nữa Phù hợp với các tình huống như truyền thông thương hiệu quốc tế, quảng cáo đa ngôn ngữ, phim ngắn xuyên ngôn ngữ và giới thiệu sản phẩm bản địa hóa

Tham chiếu đa tư liệu kết hợp

Văn bản, hình ảnh, âm thanh và video kết hợp tự do, cùng tham gia vào quá trình tạo nội dung

prompt	File đầu vào	Tệp đầu ra
Tham chiếu dựng phim Ảnh 1, Ảnh 2, Ảnh 3, Ảnh 4, Ảnh 5, Ảnh 6, tham khảo nghiêm ngặt nhịp độ khung hình, phong cách chuyển cảnh và âm nhạc của video mẫu Video 1.	Hình 1–6 Video 1:
Giữ nguyên phong cách thế giới thực của kiến trúc, người đi bộ và môi trường tổng thể trong Video 1. Chỉ chuyển đổi cây cối và xe hơi trong khung hình của Video 1 thành phong cách pixel 3D hoặc khối voxel (Minecraft style), phong cách tham khảo Ảnh 1. Quỹ đạo chuyển động của các vật thể được pixel hóa cần diễn ra bình thường, đồng thời giữ lại bóng đổ và ánh sáng xuyên thấu của môi trường thực tế. Hiệu ứng tổng thể tham khảo Video 2.	Hình 1 Video 1 Video 2
@Hình 1 Máy quay trước tiên nhanh chóng đẩy vào chi tiết bề mặt cà phê — bọt sữa, hạt bột cacao và vân chất lỏng cà phê đậm màu — để các hạt, bọt và gợn sóng trên bề mặt cà phê dần dần phủ kín toàn màn hình, che khuất mọi thứ khác. Máy quay giữ cảm giác macro thực tế, độ sâu trường ảnh cực nông, bột mịn rơi chậm trong ánh sáng ngược chiều, kết cấu bề mặt như ranh giới giữa cát mịn và chất lỏng. Tránh để hình ảnh bị nứt vỡ; tại khoảnh khắc các hạt bột cà phê, bọt sữa nhấp nhô, xoáy chất lỏng có độ tương đồng cao với đường sống cồn cát, vân xói mòn gió, hạt cát bay trong @Hình 2, hãy chuyển hóa tự nhiên và liền mạch thành địa mạo sa mạc, rồi máy quay tiếp tục đẩy về phía trước để lộ toàn cảnh đồi cát trong @Hình 2. Tuyệt đối tránh hình ảnh bị nứt vỡ, không màn hình đen, không cắt cứng, không hiệu ứng lộ liễu, không cảm giác ghép nối; tổng thể chân thực, yên tĩnh, tiết chế — như cùng một chất liệu hạt tự nhiên chuyển hóa từ bề mặt vi mô của cà phê thành thế giới sa mạc vĩ mô. Một cảnh liên tục, không có điểm nối ở giữa.	Hình 1 Hình 2

Nhân vật, hành động và tham chiếu góc máy

prompt	File đầu vào	Tệp đầu ra
Tham chiếu hành động và hòa trộn nhân vật Hành động, biểu cảm và nhịp diễn xuất của nhân vật trong Hình 1 tham chiếu nghiêm ngặt theo Video đầu vào 1Chàng trai đứng trước bồn rửa bên phải khung hình đưa đĩa vừa rửa xong cho cô gái bên trái khung hình, sau đó quay người bất ngờ dùng tay phải vẩy bọt nước rửa chén về phía cô gái ở mép trái khung hình. Cô gái giật mình liền phản công ngay, hai người bắt đầu vui vẻ té bọt vào nhau và né tránh, kèm theo tiếng cười lớn	Hình 1: Video 1:	Cảm giác người thật mạnh, bọt/bối cảnh tăng độ chân thực và chi tiết,tương tác giữa hai người sinh động
Tham chiếu hành động Nhân vật tham chiếu hành động trong Video 1, biểu diễn nhảy đường phố (street dance), nhân vật tham chiếu Hình 1 và Hình 2	Hình 1, Hình 2: Video 1:
Tham chiếu chuyển động máy quay prompt: Tham chiếu chuyển động máy quay kiểu Hitchcock trong Video 1, để nhân vật trong Video 2 hát, giọng hát và màn trình diễn ca hát tham chiếu Video 3	Video 1 Video 3 Video 2		https://arena-test.xaminim.com/?case_id=2337
Tham chiếu hành động, tự làm meme Tham chiếu Video 1 để bắt chước hành động. Góc máy cố định toàn cảnh; thay thế ba người đàn ông mặc vest trong video bằng ba con capybara siêu thực. Capybara phải tuân thủ nghiêm ngặt quỹ đạo chuyển động của video gốc: lần lượt nhanh chóng nằm rạp xuống sàn, sau đó con capybara ngoài cùng bên trái nhảy sang vị trí giữa, con ở giữa lăn sang ngoài cùng bên trái, tiếp theo con ở giữa lăn sang ngoài cùng bên phải, con ngoài cùng bên phải nhảy vào giữa, cuối cùng con ở giữa nhảy lên lưng hai con còn lại, xếp thành hình kim tự tháp. Giữ nguyên góc máy cố định ban đầu. Đảm bảo chất lông của capybara và ánh sáng bóng đổ hòa hợp với môi trường xung quanh	Video 1

Nhân bản và chuyển giọng nói

prompt	File đầu vào	Tệp đầu ra
Nhân vật nói: Follow the wind, live free. Leave worries behind, enjoy the moment — âm sắc tham chiếu Audio 1

Chỉnh sửa và hiệu chỉnh toàn diện, chính xác

H3 hỗ trợ chỉnh sửa và hiệu chỉnh theo nhiều chiều. Thay thế nhân vật, tham chiếu hành động, thay thế nền, hiệu ứng nền, thay thế thoại và hiểu bầu không khí, đồng thời hỗ trợ khả năng tuân thủ lệnh độ chính xác cao. Thông qua kiểm soát tinh chỉnh, H3 có thể thực hiện chính xác hơn các yêu cầu chỉnh sửa của người sáng tạo về hình ảnh, âm thanh và nhịp điệu, giúp việc điều chỉnh nội dung ổn định và có thể kiểm soát hơn. **Chỉnh sửa nhân vật và vật thể:** Thay thế, xóa hoặc thêm nhân vật và vật thể, linh hoạt điều chỉnh chủ thể trong khung hình **Chỉnh sửa cảnh và hiệu ứng hình ảnh:** Thay thế nền, điều chỉnh bầu không khí ánh sáng bóng đổ, thêm hoặc chỉnh sửa hiệu ứng hình ảnh **Chỉnh sửa âm thanh, thoại và giọng nói:** Thay thế thoại, chuyển âm sắc, điều chỉnh giọng người và các nội dung âm thanh liên quan **Kiểm soát lệnh độ chính xác cao:** Thực thi chính xác các yêu cầu chỉnh sửa cục bộ và chi tiết hóa, đồng thời giữ nguyên tương đối phần nội dung chưa được chỉnh sửa

Chỉnh sửa nhân vật và vật thể

prompt prompt	File đầu vào	Tệp đầu ra
Thay con mèo trong video bằng con chó
Thêm một người mặc đồng phục đội giống nhau vào bên trái khung hình, hành động giữ nhất quán với những người xung quanh
Thay thế nhân vật và chi tiết chính xác Thay đứa trẻ ở phía sau cùng trong Video 1 bằng con chó Golden Retriever trong Hình 1; thay áo khoác màu kaki mà đứa trẻ ngoài cùng bên trái trong Video 1 đang mặc bằng áo khoác denim trong Hình 2	Hình 1+2: Video tham chiếu:

Chỉnh sửa cảnh và hiệu ứng hình ảnh

prompt prompt	File đầu vào	Tệp đầu ra
Xóa phông xanh trong Video 1, thay bằng nền cổ tích tương tự Video 2; các yếu tố nền cần khớp hoàn toàn với hành động nhân vật trong Video 1. Chỉnh sửa ánh sáng chiếu lên nhân vật trong Video 1 để khớp hoàn toàn với nền mới.	Video 1: Video 2:
Thay thế ánh sáng và bóng đổ Tham chiếu video, thay đổi ánh sáng, chuyển sang cảnh ban đêm
Thay thế cảnh quay thực tế Thay cảnh ngoài cửa sổ trong Video 1 bằng cảnh trong Hình 1	Hình 1 Video 1

Chỉnh sửa âm thanh, thoại và giọng nói

prompt prompt	File đầu vào	Tệp đầu ra
Thay câu thoại của cô gái trong Video 1: "Chúng ta không thể ở bên nhau được, không phải là không yêu, mà là chúng ta thực sự không đi được đến cuối" bằng câu thoại trong Audio 1: "Đừng đi nữa, được không? Lần này, chúng ta đừng buông tay nhau",và điều chỉnh nhẹ màn diễn xuất tương ứng	Audio 1: Video 1:

Tuân thủ lệnh độ chính xác cao

prompt prompt	File đầu vào	Tệp đầu ra
Thay tờ báo trong video tham chiếu bằng một cuốn sách bìa xanh lá; thay ghế nhân vật đang ngồi bằng sofa đỏ; bỏ kính râm nhân vật đang đeo, giữ lại khuôn mặt rõ nét; xóa hiệu ứng xe đang cháy, để xe ở trạng thái bình thường; thay tấm ảnh nhân vật lấy từ trong ngực áo bằng một cuốn sổ tay nhỏ màu đen; đồng thời thêm một cái cây vào bên trái khung hình	Video 1:
Tham khảo video, thay thế lon nước ngọt xuất hiện ở đầu video bằng Coca-Cola; biển hiệu cửa hàng tiện lợi "FamilyMart" phát sáng trong nền được đổi thành biển "Huìhuì"; toàn bộ đồ ăn vặt trong túi nhựa ở cuối video cũng được thay đồng loạt bằng lon Coca-Cola, và câu thoại kết thúc của nhân vật đổi từ "mua một ít đồ ăn vặt" thành "mua một đống Coca"	Video 1:
Hai ảo thuật gia đứng trên sân khấu biểu diễn màn "hoán đổi" trước khán giả: cả hai đồng thời vung đũa phép, một làn khói bốc lên. Khi khói tan, màu vest của hai người hoán đổi cho nhau — người bên trái mặc vest trắng, người bên phải mặc vest đen, nhưng màu găng tay của cả hai không đổi. Hai người cúi chào khán giả, tấm màn đỏ phía sau từ từ kéo lại, chuyển dần từ đỏ thẫm sang xanh đậm.
Hiểu ý tưởng sáng tạo + hiệu ứng chữ Thêm vào video 1 những nét vẽ tay màu cam vàng kiểu như hình 1 xung quanh hai nhân vật; khi hai người trong video 1 tiến lại gần nhau, các nét vẽ tay xuất hiện ngày càng nhiều hơn, từ những tia lửa nhỏ dần trở thành ánh sáng rực rỡ; đến khi hai người trong video 1 hôn nhau, các nét vẽ tay xuất hiện thêm những nét cọ màu hồng.	Hình 1 Video 1

IV. Cách sử dụng H3 hiệu quả hơn

*Hướng dẫn prompt dành cho người dùng mã nguồn mở: MiniMax H3 - Cẩm nang toàn diện viết prompt mở rộng video

Lời khuyên hữu ích khi viết prompt:

Nắm vững kỹ năng viết prompt để tạo video bạn mong muốn trên MiniMax H3.

Công thức tổng thể

prompt hoàn chỉnh = Mô tả tư liệu tham khảo + Ý tưởng cốt lõi + Mô tả diễn biến khung hình

Cách mô tả bốn yếu tố

Mô tả tư liệu tham khảo	Nói cho H3 biết từng tư liệu bạn tải lên dùng để làm gì. Ghi rõ số thứ tự tư liệu : Theo thứ tự bạn tải lên, ví dụ @Ảnh 1, @Âm thanh 2, @Video 3 Ghi rõ công dụng của từng tư liệu : Tham khảo nhân vật (khóa khuôn mặt/hình tượng) / Tham khảo vật thể (khóa vật thể) / Tham khảo bối cảnh (khóa bối cảnh) / Keyframe (khóa khung hình, nếu có yêu cầu khung hình đầu/cuối cần nêu rõ) / Tham khảo chất giọng (khóa chất giọng) / Storyboard (tạo nội dung cảnh quay theo storyboard) / Tham khảo phong cách (tạo nội dung có phong cách tương tự dựa trên phong cách hình ảnh) / Tham khảo bố cục (tạo bố cục tương ứng dựa trên bố cục vật thể trong ảnh) / Tái sử dụng âm thanh (âm thanh của video tạo ra tái sử dụng trực tiếp tư liệu âm thanh tham khảo) / Tái sử dụng một phần âm thanh (tái sử dụng một phần tư liệu âm thanh tham khảo cho một track âm thanh/khoảng thời gian nhất định trong video tạo ra) / Tham khảo động tác (khóa động tác) / Tham khảo chuyển động camera (khóa chuyển động camera) / Chỉnh sửa video (thêm, bớt, sửa một nội dung nào đó của video), cùng các yêu cầu khác cũng có thể ghi rõ tùy theo nhu cầu. Nếu không tải lên tư liệu thì bỏ qua toàn bộ phần này Ví dụ : @Ảnh 1 cung cấp hình tượng của nhân vật xx (nếu có nhiều nhân vật thì cần chỉ định rõ ràng), @Video 2 cung cấp tham khảo động tác. Nếu trong tư liệu có đặc điểm rất muốn duy trì, bạn nên viết rõ ra để đảm bảo tính nhất quán tốt hơn. Trong việc tái tạo / tái tạo một phần âm thanh, nếu bạn có yêu cầu cao đối với việc giữ nguyên nội dung lời thoại/lời bài hát, rất khuyến khích bổ sung văn bản lời bài hát/lời thoại cụ thể. Ví dụ: @Âm thanh 1 đóng vai trò là tư liệu tái tạo âm thanh cho video mục tiêu, lời bài hát cụ thể là: "ABCDEFGHIJKLMN".
Ý tưởng cốt lõi	Dùng một câu để định hình toàn bộ thông tin của video, bắt buộc bao gồm: Chủ thể : Ai/cái gì (người/vật/động vật/khác) Địa điểm : Ở đâu Sự kiện : Đang làm gì Thể loại/Phong cách : Tone giọng/sắc thái nào (chân thực/hoạt hình/điện ảnh/quảng cáo/phim tài liệu...) Liệt kê các phong cách đặc biệt: Cyberpunk / Thẩm mỹ đèn neon / Phong cách Graffiti, v.v. Chuyển động camera đặc biệt : Có cần cảnh quay đặc biệt không (quay từ trên cao/one-shot liền mạch/quay chậm...) Mặc định sẽ chuyển cảnh Phong cách chuyển động camera Chỉ cần ghi rõ; lưu ý với chuyển động camera xoay quanh, nên dùng truck left+pan right hoặc truck right+pan left, thay vì chỉ nói trực tiếp là chuyển động xoay quanh Phong cách chuyển cảnh Cắt cảnh thông thường (cut) Chuyển cảnh hòa tan (fade) Cắt cảnh bắt nhịp theo tiết tấu Cắt nhanh Nếu có bất kỳ yếu tố nào liên kết trực tiếp với tư liệu trích dẫn, khuyến khích người dùng nhấn mạnh bằng cách dùng @Ảnh 1 / @Âm thanh 1 / @Video 1, v.v. Ví dụ : Một thiếu nữ mặc Hán phục (@Ảnh 1) đang múa kiếm trong sân viện hoa anh đào rơi lả tả, phong cách cổ phong truyền thống, chất lượng điện ảnh, quay một cú máy liền mạch (one-shot).
Mô tả diễn biến khung hình	Viết chia đoạn theo dòng thời gian hoặc cốt truyện, mỗi storyboard/khoảng thời gian bao gồm hai phần: muốn (Những gì sẽ xuất hiện trong khung hình): Cỡ cảnh + Nội dung + Chuyển động camera + Động tác + Lời thoại + Hiệu ứng âm thanh Lấy từng shot cắt cảnh làm mốc thời gian phân đoạn. Trong mỗi shot ghi rõ cỡ cảnh, nội dung cụ thể, chuyển động camera trong shot, lời thoại nhân vật, hiệu ứng âm thanh, v.v. Lưu ý độ dài lời thoại nên khớp tối đa với độ dài cảnh quay (cần đặc biệt nhấn mạnh điểm này, rất nhiều lỗi lệch khẩu hình xuất phát từ đây) Nếu một câu thoại kéo dài qua nhiều shot, bạn có thể dùng mô tả như "nói tiếp từ shot trước" để thể hiện đây là lời thoại xuyên suốt các shot Nếu có bất kỳ yếu tố nào liên kết trực tiếp với tư liệu tham khảo, có thể dùng @Ảnh 1, @Âm thanh 1 v.v. để nhấn mạnh. Nếu bạn muốn trong video xuất hiện chữ viết cụ thể, Logo, tiêu đề, khẩu hiệu, copywriting trên nút bấm, v.v., nhất định phải ghi rõ nguyên văn chữ viết đó.Ví dụ: Khung hình xuất hiện chữ tiếng Anh: "H3". Trên màn hình điện thoại hiển thị tiêu đề: "AI Video Creation", chữ trên nút bấm là: "Start Now". Những gì không muốn có (Những gì không được xuất hiện trong video) Khi không muốn có nhạc nền, cần ghi rõ ràng, ví dụ Không muốn video có nhạc nền, bạn nên ghi rõ ở cuối prompt: Nhạc phi tự sự: N/A "non_diegetic_music": N/A Hạn chế tối đa dùng câu ẩn dụ, hãy tập trung mô tả hình ảnh nhìn thấy được Khi viết prompt cho H3, bạn nên sử dụng tối đa các mô tả cụ thể, trực diện, trực quan hóa và hạn chế những câu văn mang tính trừu tượng phải "tự suy diễn". Vì H3 giỏi hiểu các chỉ lệnh khung hình rõ ràng hơn là những so sánh trừu tượng. Nếu có lời thoại, bắt buộc phải nêu rõ nội dung cụ thể, ví dụ Một thiếu nữ mặc Hán phục nói: “Ngươi đã đến rồi, kiếm đợi ngươi đã lâu.” Ví dụ (cần chỉnh sửa lại ví dụ) : 0-3 giây: Toàn cảnh, cô gái (@Ảnh 1) từ phía bên trái khung hình chậm rãi bước vào sân vườn hoa anh đào (@Ảnh 2), hậu cảnh làm mờ, không có lời thoại, chỉ có tiếng bước chân.3-8 giây: Chuyển cảnh sang cảnh trung của cô gái (@Ảnh 1), cô rút thanh trường kiếm (@Ảnh 3), chậm rãi vào thế võ, những cánh hoa anh đào từ trên cây rơi xuống. Camera tiến lại gần.8-12 giây: Chuyển cảnh sang cận cảnh, ánh kiếm lóe lên, quay chậm, hoa anh đào bị kiếm khí làm tung bay tán loạn.Nhạc phi tự sự: N/A

Mô tả tư liệu tham khảo

Nói cho H3 biết từng tư liệu bạn tải lên dùng để làm gì. Ghi rõ số thứ tự tư liệu : Theo thứ tự bạn tải lên, ví dụ @Ảnh 1, @Âm thanh 2, @Video 3 Ghi rõ công dụng của từng tư liệu : Tham khảo nhân vật (khóa khuôn mặt/hình tượng) / Tham khảo vật thể (khóa vật thể) / Tham khảo bối cảnh (khóa bối cảnh) / Keyframe (khóa khung hình, nếu có yêu cầu khung hình đầu/cuối cần nêu rõ) / Tham khảo chất giọng (khóa chất giọng) / Storyboard (tạo nội dung cảnh quay theo storyboard) / Tham khảo phong cách (tạo nội dung có phong cách tương tự dựa trên phong cách hình ảnh) / Tham khảo bố cục (tạo bố cục tương ứng dựa trên bố cục vật thể trong ảnh) / Tái sử dụng âm thanh (âm thanh của video tạo ra tái sử dụng trực tiếp tư liệu âm thanh tham khảo) / Tái sử dụng một phần âm thanh (tái sử dụng một phần tư liệu âm thanh tham khảo cho một track âm thanh/khoảng thời gian nhất định trong video tạo ra) / Tham khảo động tác (khóa động tác) / Tham khảo chuyển động camera (khóa chuyển động camera) / Chỉnh sửa video (thêm, bớt, sửa một nội dung nào đó của video), cùng các yêu cầu khác cũng có thể ghi rõ tùy theo nhu cầu. Nếu không tải lên tư liệu thì bỏ qua toàn bộ phần này Ví dụ : @Ảnh 1 cung cấp hình tượng của nhân vật xx (nếu có nhiều nhân vật thì cần chỉ định rõ ràng), @Video 2 cung cấp tham khảo động tác. Nếu trong tư liệu có đặc điểm rất muốn duy trì, bạn nên viết rõ ra để đảm bảo tính nhất quán tốt hơn. Trong việc tái tạo / tái tạo một phần âm thanh, nếu bạn có yêu cầu cao đối với việc giữ nguyên nội dung lời thoại/lời bài hát, rất khuyến khích bổ sung văn bản lời bài hát/lời thoại cụ thể. Ví dụ: @Âm thanh 1 đóng vai trò là tư liệu tái tạo âm thanh cho video mục tiêu, lời bài hát cụ thể là: "ABCDEFGHIJKLMN".

Ý tưởng cốt lõi

Dùng một câu để định hình toàn bộ thông tin của video, bắt buộc bao gồm: Chủ thể : Ai/cái gì (người/vật/động vật/khác) Địa điểm : Ở đâu Sự kiện : Đang làm gì Thể loại/Phong cách : Tone giọng/sắc thái nào (chân thực/hoạt hình/điện ảnh/quảng cáo/phim tài liệu...) Liệt kê các phong cách đặc biệt: Cyberpunk / Thẩm mỹ đèn neon / Phong cách Graffiti, v.v. Chuyển động camera đặc biệt : Có cần cảnh quay đặc biệt không (quay từ trên cao/one-shot liền mạch/quay chậm...) Mặc định sẽ chuyển cảnh Phong cách chuyển động camera Chỉ cần ghi rõ; lưu ý với chuyển động camera xoay quanh, nên dùng truck left+pan right hoặc truck right+pan left, thay vì chỉ nói trực tiếp là chuyển động xoay quanh Phong cách chuyển cảnh Cắt cảnh thông thường (cut) Chuyển cảnh hòa tan (fade) Cắt cảnh bắt nhịp theo tiết tấu Cắt nhanh Nếu có bất kỳ yếu tố nào liên kết trực tiếp với tư liệu trích dẫn, khuyến khích người dùng nhấn mạnh bằng cách dùng @Ảnh 1 / @Âm thanh 1 / @Video 1, v.v. Ví dụ : Một thiếu nữ mặc Hán phục (@Ảnh 1) đang múa kiếm trong sân viện hoa anh đào rơi lả tả, phong cách cổ phong truyền thống, chất lượng điện ảnh, quay một cú máy liền mạch (one-shot).

Mô tả diễn biến khung hình

Viết chia đoạn theo dòng thời gian hoặc cốt truyện, mỗi storyboard/khoảng thời gian bao gồm hai phần: muốn (Những gì sẽ xuất hiện trong khung hình): Cỡ cảnh + Nội dung + Chuyển động camera + Động tác + Lời thoại + Hiệu ứng âm thanh Lấy từng shot cắt cảnh làm mốc thời gian phân đoạn. Trong mỗi shot ghi rõ cỡ cảnh, nội dung cụ thể, chuyển động camera trong shot, lời thoại nhân vật, hiệu ứng âm thanh, v.v. Lưu ý độ dài lời thoại nên khớp tối đa với độ dài cảnh quay (cần đặc biệt nhấn mạnh điểm này, rất nhiều lỗi lệch khẩu hình xuất phát từ đây) Nếu một câu thoại kéo dài qua nhiều shot, bạn có thể dùng mô tả như "nói tiếp từ shot trước" để thể hiện đây là lời thoại xuyên suốt các shot Nếu có bất kỳ yếu tố nào liên kết trực tiếp với tư liệu tham khảo, có thể dùng @Ảnh 1, @Âm thanh 1 v.v. để nhấn mạnh. Nếu bạn muốn trong video xuất hiện chữ viết cụ thể, Logo, tiêu đề, khẩu hiệu, copywriting trên nút bấm, v.v., nhất định phải ghi rõ nguyên văn chữ viết đó.Ví dụ: Khung hình xuất hiện chữ tiếng Anh: "H3". Trên màn hình điện thoại hiển thị tiêu đề: "AI Video Creation", chữ trên nút bấm là: "Start Now". Những gì không muốn có (Những gì không được xuất hiện trong video) Khi không muốn có nhạc nền, cần ghi rõ ràng, ví dụ Không muốn video có nhạc nền, bạn nên ghi rõ ở cuối prompt: Nhạc phi tự sự: N/A "non_diegetic_music": N/A Hạn chế tối đa dùng câu ẩn dụ, hãy tập trung mô tả hình ảnh nhìn thấy được Khi viết prompt cho H3, bạn nên sử dụng tối đa các mô tả cụ thể, trực diện, trực quan hóa và hạn chế những câu văn mang tính trừu tượng phải "tự suy diễn". Vì H3 giỏi hiểu các chỉ lệnh khung hình rõ ràng hơn là những so sánh trừu tượng. Nếu có lời thoại, bắt buộc phải nêu rõ nội dung cụ thể, ví dụ Một thiếu nữ mặc Hán phục nói: “Ngươi đã đến rồi, kiếm đợi ngươi đã lâu.” Ví dụ (cần chỉnh sửa lại ví dụ) : 0-3 giây: Toàn cảnh, cô gái (@Ảnh 1) từ phía bên trái khung hình chậm rãi bước vào sân vườn hoa anh đào (@Ảnh 2), hậu cảnh làm mờ, không có lời thoại, chỉ có tiếng bước chân.3-8 giây: Chuyển cảnh sang cảnh trung của cô gái (@Ảnh 1), cô rút thanh trường kiếm (@Ảnh 3), chậm rãi vào thế võ, những cánh hoa anh đào từ trên cây rơi xuống. Camera tiến lại gần.8-12 giây: Chuyển cảnh sang cận cảnh, ánh kiếm lóe lên, quay chậm, hoa anh đào bị kiếm khí làm tung bay tán loạn.Nhạc phi tự sự: N/A

Cách phân tách cảnh quay

H3 có khả năng tạo storyboard cơ bản, đồng thời H3 tuân thủ các điểm cắt cảnh rất tốt. Nếu bạn muốn kết quả tạo video tốt hơn, dưới đây là một số gợi ý:

Lời thoại: Độ dài của lời thoại và nội dung biến đổi khung hình cần phù hợp với logic độ dài của từng shot, cố gắng tránh tình trạng một shot 3 giây mà nói một đoạn thoại quá dài, điều này sẽ ảnh hưởng rất lớn đến hiệu quả tạo video H3 có khả năng xử lý lời thoại xuyên shot (J-cut, L-cut), bạn chỉ cần nêu rõ một câu thoại kéo dài qua những shot nào là mô hình có thể đáp ứng!
Đối với mỗi shot, nếu người nói là nhân vật trong khung hình, bạn cần ghi rõ là nhân vật nào nói; nếu người nói ở ngoài khung hình, hãy ghi rõ là giọng ngoài hình. Nếu có sự chuyển đổi giữa trong và ngoài khung hình do cắt cảnh, bạn có thể mô tả rõ ràng, ví dụ

Một ví dụ tương đối phức tạp: Một giọng ngoài hình vang lên: Wake up Wake up. Sau đó chuyển cảnh sang cận cảnh một người phụ nữ trung niên, bà chính là chủ nhân của giọng ngoài hình đó, bà nói tiếp: It's time to go to school!

Khi chuyển cảnh, bạn có thể nêu rõ chuyển sang cỡ cảnh nào, chủ thể cụ thể là nhân vật nào trước đó, điều này giúp duy trì tính nhất quán giữa các cảnh quay.

3 chế độ tạo video, cách viết prompt cho từng loại

Tải lên kết hợp tư liệu đa phương thức (multimodal) (Tham chiếu đa phương thức (multimodal))	Bạn có thể tải lên đồng thời: ảnh nhân vật + video động tác + ảnh bối cảnh + âm nhạc. Mỗi tư liệu đều phải nêu rõ vai trò của nó : @Hình ảnh 1 → Tham chiếu nhân vật (khóa khuôn mặt) @Video 1 → Tham chiếu động tác (khóa động tác) @Âm thanh 1 → Tham chiếu nhịp điệu/cảm xúc Ví dụ : @Hình ảnh 1 là tham chiếu nhân vật (khóa khuôn mặt người phụ nữ này), @Video 1 là tham chiếu động tác (dùng động tác múa kiếm trong đó), @Âm thanh 1 là tham chiếu cảm xúc (nhạc nền cổ phong). Để người phụ nữ này múa kiếm trong sân hoa anh đào theo đúng động tác trong video.
Tải ảnh lên để tạo video （Hình ảnh tạo video）	Chỉ tải lên 1 ảnh : nêu rõ là Khung hình đầu (khung hình mở đầu video) hay Khung hình cuối (khung hình kết thúc video) Tải lên 2 ảnh (frame đầu + cuối) : H3 sẽ không tự động thêm chuyển cảnh, chỉ bù đắp động tác, ánh sáng và âm thanh giữa hai frame Ví dụ : @Hình ảnh 1 là ảnh tham chiếu frame đầu: một người phụ nữ cầm kiếm đứng dưới cây hoa anh đào. Cho cô ấy chuyển động liền mạch tự nhiên từ tư thế thủ kiếm đến khi múa kiếm xong, không chuyển cảnh.
Tạo video thuần văn bản	Không dựa vào bất kỳ tư liệu tham chiếu nào, trực tiếp thiết lập chủ thể, bối cảnh và động tác dựa trên prompt dạng văn bản của bạn. Chế độ này : Mô tả văn bản cần cụ thể hơn (ngoại hình chủ thể, chi tiết bối cảnh, mô tả động tác đều phải viết rõ) Nên dùng nhiều cách viết phân tầng "toàn cảnh rộng mô tả không gian + trung cảnh thể hiện động tác + cận cảnh nhấn mạnh chi tiết" Ví dụ : Phong cách phim tài liệu tự nhiên chân thực, ánh sáng điện ảnh sống động. Trong làn sương mỏng buổi sớm, giữa bãi sậy vùng đầm lầy bao la, một con sếu trắng thanh nhã đứng bằng một chân dưới vùng nước nông, chậm rãi quay đầu nhìn vào ống kính. Ánh sáng ngược dịu nhẹ, làn sương bồng bềnh trôi trong luồng sáng.

Tải lên kết hợp tư liệu đa phương thức (multimodal) (Tham chiếu đa phương thức (multimodal))

Bạn có thể tải lên đồng thời: ảnh nhân vật + video động tác + ảnh bối cảnh + âm nhạc. Mỗi tư liệu đều phải nêu rõ vai trò của nó : @Hình ảnh 1 → Tham chiếu nhân vật (khóa khuôn mặt) @Video 1 → Tham chiếu động tác (khóa động tác) @Âm thanh 1 → Tham chiếu nhịp điệu/cảm xúc Ví dụ : @Hình ảnh 1 là tham chiếu nhân vật (khóa khuôn mặt người phụ nữ này), @Video 1 là tham chiếu động tác (dùng động tác múa kiếm trong đó), @Âm thanh 1 là tham chiếu cảm xúc (nhạc nền cổ phong). Để người phụ nữ này múa kiếm trong sân hoa anh đào theo đúng động tác trong video.

Tải ảnh lên để tạo video （Hình ảnh tạo video）

Chỉ tải lên 1 ảnh : nêu rõ là Khung hình đầu (khung hình mở đầu video) hay Khung hình cuối (khung hình kết thúc video) Tải lên 2 ảnh (frame đầu + cuối) : H3 sẽ không tự động thêm chuyển cảnh, chỉ bù đắp động tác, ánh sáng và âm thanh giữa hai frame Ví dụ : @Hình ảnh 1 là ảnh tham chiếu frame đầu: một người phụ nữ cầm kiếm đứng dưới cây hoa anh đào. Cho cô ấy chuyển động liền mạch tự nhiên từ tư thế thủ kiếm đến khi múa kiếm xong, không chuyển cảnh.

Tạo video thuần văn bản

Không dựa vào bất kỳ tư liệu tham chiếu nào, trực tiếp thiết lập chủ thể, bối cảnh và động tác dựa trên prompt dạng văn bản của bạn. Chế độ này : Mô tả văn bản cần cụ thể hơn (ngoại hình chủ thể, chi tiết bối cảnh, mô tả động tác đều phải viết rõ) Nên dùng nhiều cách viết phân tầng "toàn cảnh rộng mô tả không gian + trung cảnh thể hiện động tác + cận cảnh nhấn mạnh chi tiết" Ví dụ : Phong cách phim tài liệu tự nhiên chân thực, ánh sáng điện ảnh sống động. Trong làn sương mỏng buổi sớm, giữa bãi sậy vùng đầm lầy bao la, một con sếu trắng thanh nhã đứng bằng một chân dưới vùng nước nông, chậm rãi quay đầu nhìn vào ống kính. Ánh sáng ngược dịu nhẹ, làn sương bồng bềnh trôi trong luồng sáng.

Lỗi dễ mắc phải

các vấn đề thường gặp	Cách sửa
Chỉ viết một đoạn văn không ngắt đoạn	Tách ra viết theo công thức 3 đoạn
Tải tư liệu lên nhưng không nêu rõ công dụng	Bổ sung thêm câu "@Hình ảnh 1 là tham chiếu XX"
Muốn dùng nhạc nhưng lại viết "không lấy BGM"	Hai điều này mâu thuẫn nhau, hoặc xóa một trong hai, hoặc viết tách theo từng cảnh
Muốn quay one-shot liền mạch nhưng lại viết nhiều phân cảnh	Toàn văn chỉ giữ lại một đoạn mô tả tình tiết, xóa bỏ cấu trúc [Cảnh N]
Muốn gương mặt nhân vật chính nhất quán nhưng không tải ảnh lên	Nhất định phải tải ảnh tham chiếu nhân vật lên và ghi rõ "tham chiếu nhân vật"
prompt quá ngắn (khi H3 không có tư liệu để tham chiếu)	Ít nhất phải viết rõ ngoại hình chủ thể + chi tiết bối cảnh + động tác + phong cách

Phong cách cụ thể · prompt mẫu

Phong cách bối cảnh	prompt đầy đủ	Tài liệu tham khảo	Video hoàn chỉnh
MV phụ đề chữ lớn	【Hướng dẫn tư liệu tham chiếu】@Hình ảnh 3: Phong cách thị giác bối cảnh (đường phố/ban đêm/không gian ngầm, bố cục tạo cảm giác áp bách, tầng lớp môi trường, hạt nhiễu hình ảnh) @Hình ảnh 2: Quy cách thiết kế đồ họa chữ (chất liệu font chữ, thiết kế đồ họa, độ ấn tượng của layout đồ họa động) @Hình ảnh 1: Hình tượng nhân vật (khuôn mặt, kiểu tóc, phom dáng trang phục, tỷ lệ, khí chất, bầu không khí tổng thể). Chỉ tham chiếu các khía cạnh được chỉ định, không sao chép trực tiếp ảnh tham chiếu, không xuất hiện thương hiệu thực tế, logo/tiêu đề/chữ có thể nhận diện từ ảnh tham chiếu gốc. 【Ý tưởng cốt lõi】10 giây, trap MV tỷ lệ ngang 16:9. Hai anh em cộng sự "fly detective" lần lượt rap trước ống kính trong nhiều không gian ngầm cận cảnh, toàn bộ đi theo nhịp trống trap, chuyển cảnh hard cut khớp từng nhịp phách, các khối chữ tiếng Anh mang chất liệu poster in ấn độ tương phản cao đè kín màn hình theo từng cú bass hit. Video ca nhạc ngầm + cắt dán tạp chí thời trang + chất lượng thời trang cao cấp, phong cách biểu diễn lạnh lùng kiểu anh em đồng đội. 【Mô tả tiến trình hình ảnh】 Shot 1 — Cận cảnh cực gần khuôn mặt / Cảm giác áp bách nơi đường hầm - Bối cảnh: Cận cảnh lối đi hẹp hoặc lối vào tầng hầm, tham chiếu @Hình ảnh 3 - Cỡ cảnh: Cận cảnh cực gần khuôn mặt (mặt/ánh mắt/vai cổ/một phần cổ áo) - Nhân vật: Detective A nhìn thẳng vào ống kính bắt đầu rap, ánh mắt điềm tĩnh sắc bén - Chữ: Dòng chữ tiếng Anh in đậm cỡ lớn "TWO FLY" đè lên mép trên và dưới màn hình, không che mắt - Tiết tấu: 808 bass giáng xuống, chữ "TWO FLY" lập tức nén dọc rồi bật lại; khi hi-hat roll mép chữ rung giật nhẹ với tốc độ cao; đoạn nhấn "fly" xuất hiện lỗi scan misalign - Hard cut Shot 2 — Trung cận cảnh nửa người / Nền chữ trên tường - Bối cảnh: Cận cảnh một mảng tường/tường dán poster khác (không gian khác biệt rõ rệt so với Shot 1) - Cỡ cảnh: Kéo rõ rệt về trung cận cảnh nửa người - Nhân vật: Detective B rap trước ống kính, vai và đầu gật theo nhịp hi-hat, thân người hơi nhoài về phía trước - Chữ: Chữ tiếng Anh nén cỡ lớn "CLUES" phía sau nhân vật, bị tóc/vai/phom trang phục che khuất tự nhiên - Tiết tấu: Chữ kéo giãn theo chiều dọc như tấm poster dựng đứng; mỗi cú snare chữ đột ngột phóng to, rung lắc, scan misalign - Hard cut Shot 3 — Cận cảnh bàn tay / Chuyển cảnh che chắn - Bối cảnh: Cạnh cửa kim loại/lan can/tường gara/một góc trần thấp - Cỡ cảnh: Cận cảnh bàn tay (tay/nhẫn/cổ tay áo/chất liệu trang phục là chủ thể) - Nhân vật: Cử chỉ tay của Detective A hướng về ống kính (đưa manh mối), khuôn mặt phía sau mờ nhạt hoặc chỉ thấy một phần - Chữ: Chữ xếp dọc "BROTHERS" ở một bên tiền cảnh, bị bàn tay che thoáng qua - Tiết tấu: Khi đến "move as one", chữ bị kéo dài thành một dải dọc, tái lập bố cục theo cú hard cut cùng bass hit - Hard cut Shot 4 — Cận cảnh vai cổ chuyển sang cận cảnh khuôn mặt / Góc ngoặt cầu thang - Bối cảnh: Góc ngoặt cầu thang/bóng râm trước cửa/lối đi thấp - Cỡ cảnh: Cận cảnh chất liệu vai cổ và cổ áo → khi có snare đột ngột đẩy nhanh vào cận cảnh khuôn mặt - Nhân vật: Detective B nghiêng đầu lại gần ống kính tiếp tục rap - Chữ: "AS ONE" như tiêu đề tạp chí bị bật ra bởi âm thanh, phóng to đột ngột trên nhịp phách - Tiết tấu: Khi đẩy máy lại gần, vị trí chữ được cắt chuyển và sắp xếp lại, tuyệt đối không che mắt - Hard cut Shot 5 — Cận cảnh nửa người bóng mờ / Nền gara hoặc bê tông - Bối cảnh: Không gian kiểu gara hoặc nền bê tông - Cỡ cảnh: Cận cảnh nửa người Detective A - Nhân vật: Layer chính khớp khẩu hình rõ ràng, layer phụ tạo vệt bóng chuyển động (lệch máy photocopy / frame delay, mặt không biến dạng), động tác tay quét ngang qua ống kính - Chữ: Chữ xếp dọc "CUT GOLD" chớp nháy nhảy khung ở hậu cảnh - Tiết tấu: Khoảnh khắc "CUT" cắt ngang khung hình kích hoạt hard cut chớp trắng; "GOLD" nén thành khối chữ đậm dày rồi đột ngột bật lại - Hard cut Shot 6 — Cận cảnh hai người chia màn hình / Phân chia mảng màu - Bối cảnh: Lối vào tầng hầm/tường/lan can/khung cửa (không gian khác biệt rõ rệt so với Shot 5) - Cỡ cảnh: Mảng màu chia làm hai/ba vùng, hai detective cận cảnh khuôn mặt và một phần nửa người cắt chuyển đan xen nhanh chóng - Nhân vật: Hai detective lần lượt biểu diễn bên trái và phải - Chữ: Ở giữa xuất hiện cụm từ in đậm "CASE COMPLETE" - Tiết tấu: Cắt chuyển tái lập theo 808 bass hit, chữ dẹp lại rồi lập tức kéo giãn; khi hi-hat roll các mảnh vụn chữ nhảy nhanh; trên phách nhấn cuối cùng xuất hiện scan misalign và rung giật kiểu giấy xé - Hard cut Final — Dựng montage biểu diễn cận cảnh nhiều bối cảnh - Bối cảnh: Đan xen liên tục giữa cận cảnh khuôn mặt nơi lối đi hẹp, trung cận cảnh bờ tường, cận cảnh bàn tay, cận cảnh vai cổ góc ngoặt cầu thang, một phần nửa người trong gara, cận cảnh hai người trong bóng râm cửa - Cỡ cảnh: Nghiêm cấm toàn thân, nghiêm cấm toàn cảnh nhiều người, chỉ dùng cận cảnh/trung cận cảnh/cận cảnh khuôn mặt/cận cảnh bàn tay/cận cảnh vai cổ/cảnh nửa người - Nhân vật: Hai detective lần lượt rap trước ống kính, khẩu hình/quai hàm/nhịp thở/mắt mày/cử chỉ tay đều khớp chuẩn xác với vocal, snare, hi-hat roll, bass hit - Chữ: Dòng chữ chính cuối cùng "CASE CLOSED" đè mạnh vào khung hình - Tiết tấu: Mỗi cú bass hit kích hoạt một lần hard cut bối cảnh hoặc hard cut cỡ cảnh; mỗi cú snare kích hoạt chữ đè màn hình hoặc lệch layer; nhịp phách cuối cùng toàn bộ mảnh ghép bối cảnh đồng loạt đóng băng, hard cut to black 【Yêu cầu tổng thể bổ sung】 ▍ Phong cách hình ảnh (xuyên suốt toàn bộ video) - Hạt nhiễu thô, rung lắc phim nhựa nhẹ, hạt giấy photocopy, chấm trame halftone, răng cưa viền in, scan misalign, bóng mờ nhảy frame, lệch layer tốc độ cao - Nhịp dựng cực nhanh, chỉ dùng hard cut, jump cut, cắt theo nhịp trống, cắt bằng vật cản che ống kính, hard cut chớp trắng, hard cut chữ đè màn hình - Không dùng fade in/out, không dùng hiệu ứng chuyển cảnh mềm mại ▍ Thiết kế đồ họa chữ (xuyên suốt toàn bộ video) - Chữ là một phần của chủ thể khung hình, có quan hệ layer thực tế - Chữ có thể xuất hiện giữa tiền cảnh/trung cảnh/hậu cảnh của nhân vật - Nhân vật có thể che chữ, chữ cũng có thể đè lên một phần nhân vật, nhưng không được che mắt và biểu cảm khuôn mặt chính - Chữ xuất hiện/rung lắc/kéo giãn/nén/lệch vị trí/xé rách/cắt ghép tái lập theo trọng âm vocal, snare, hi-hat roll, 808 bass hit - Phong cách: Sans-serif đậm nén chặt, khối chữ tiếng Anh khổng lồ, kéo giãn dọc, nén ngang, chữ tiếng Anh xếp dọc, tiêu đề uốn cong, độ tương phản cao đen-trắng-đỏ, hạt giấy photocopy, chấm trame halftone, vết rách in ấn, scan misalign, cảm giác cắt dán zine - Số lượng chữ tiết chế: Mỗi cảnh chỉ có 1 phần tử chữ chính, nhiều nhất là thêm số hiệu nhỏ; không dùng chữ nhỏ dày đặc, không dùng logo ▍ Quy tắc nhịp điệu (xuyên suốt toàn bộ video) - hi-hat roll → rung nhẹ nhanh, nhảy frame, chữ tái lập vụn nhỏ - snare → chữ phóng to đột ngột, chuyển cảnh hard cut, vai nhân vật nhấn xuống - 808 bass hit → âm trầm đè màn hình, khung hình biến dạng chớp nhoáng, chữ kéo giãn dọc hoặc nén ngang - Từ khóa vocal → khớp khẩu hình, cử động quai hàm, đầu gật theo nhịp, tay đẩy về phía trước - Động tác nhân vật, hiệu ứng động của chữ, chuyển cảnh bối cảnh, chuyển cỡ cảnh phải đồng loạt khớp nhịp ▍ Chuyển cảnh bối cảnh (xuyên suốt toàn bộ video) - Hard cut nhanh giữa nhiều bối cảnh cận cảnh - Khí chất bối cảnh thống nhất tham chiếu @Hình ảnh 3, nhưng không gian mỗi shot phải khác biệt rõ ràng: lối đi hẹp, cận cảnh bờ tường, bóng râm cửa ra vào, nền kim loại/bê tông, rìa ánh sáng, tường dán poster, góc ngoặt cầu thang, trần thấp, không gian kiểu gara, lối vào tầng hầm - Không dùng đại viễn cảnh (extreme long shot), không tạo đại cảnh phức tạp - Mỗi lần chuyển cảnh được kích hoạt bởi bass hit, snare, trọng âm vocal hoặc chữ đè màn hình ▍ Chuyển đổi cỡ cảnh (xuyên suốt toàn bộ video) - Thay đổi phải cực kỳ rõ rệt: Cận cảnh cực gần khuôn mặt → trung cận cảnh nửa người → cận cảnh bàn tay → cận cảnh vai cổ → cận cảnh hai người chia màn hình → cận cảnh khuôn mặt → một phần nửa người - Không dùng liên tiếp cùng một cỡ cảnh - Mỗi cú hard cut đều phải tạo ra thay đổi rõ nét về cự ly ống kính/hướng nhân vật/không gian nền/phân tầng của chữ - Ống kính có thể hơi rung kiểu cầm tay (handheld), đột ngột đẩy tới (push in), lia ngang ngắn (whip pan), zoom nén nhanh, lắc lư cự ly gần - Không biến thành slow motion mềm mại ▍ Quy tắc nhân vật (xuyên suốt toàn bộ video) - Nhân vật: Hai anh em / fly detectives - Giữ nguyên khuôn mặt, kiểu tóc, phom dáng trang phục, tỷ lệ, khí chất, bầu không khí tổng thể của hình tượng nhân vật trong @Hình ảnh 1 - Làn da lì (matte) chân thực, sạch sẽ cao cấp, lỗ chân lông tự nhiên, vân da nhẹ - Không dùng khuôn mặt làm đẹp bằng AI bóng nhờn - Rap luân phiên kiểu cặp bài trùng anh em, có sức biểu diễn (performance) mạnh mẽ trước ống kính ▍ Diễn xuất của nhân vật (xuyên suốt toàn bộ video) - Giọng điệu lạnh lùng, tính công kích, thoải mái nhưng đầy áp bách, nhịp dồn dập, gãy gọn, phách mạnh - Không phải tạo dáng tĩnh mà là đang biểu diễn thực sự - Khớp khẩu hình rõ ràng: hình môi, quai hàm, biểu cảm, hơi thở đi theo vocal - Động tác khớp nhịp: đầu gật theo phách, vai nhấn xuống, cử chỉ tay đẩy tới, người hơi nhoài về trước, nghiêng đầu, xoay người lại gần ống kính, ngón tay chỉ vào ống kính ▍ Giới hạn quan trọng (xuyên suốt toàn bộ video) - Không dùng cảnh toàn thân - Không dùng toàn cảnh nhiều người - Không dùng đại cảnh đám đông phức tạp - Toàn bộ video chỉ dùng cận cảnh/trung cận cảnh/cận cảnh khuôn mặt/cận cảnh bàn tay/cận cảnh vai cổ/cảnh nửa người - Chỉ thể hiện nửa thân trên của nhân vật, khuôn mặt, cử chỉ tay, chất liệu quần áo, biểu cảm, khớp khẩu hình, thiết kế chữ - Không yêu cầu thấy toàn bộ cơ thể và bàn chân - Không xuất hiện thương hiệu thực tế, logo, tiêu đề hoặc chữ gốc có thể nhận diện từ ảnh tham chiếu gốc
Hiệu ứng vẽ tay	【Hướng dẫn tư liệu tham chiếu】Không có tư liệu tham chiếu (tạo video thuần văn bản). 【Ý tưởng cốt lõi】15 giây, video ngang 16:9. Kết hợp cảnh quay thực tế trong toa tàu điện cổ điển lúc hoàng hôn với hoạt họa phát sáng vẽ tay: Trong toa tàu điện chuyến cuối vắng vẻ, hành khách một tay cầm điện thoại ngẫu hứng quay, bắt gặp đường nét vẽ tay phát sáng màu cam mơ biến hình liên tục trong toa tàu (vé tàu → chim én giấy → sâu bướm → mũi tên → thuyền buồm nhỏ → tàu điện mini → ốc sên → chiếc ô → chú cá nhỏ → cả toa tàu ngập tràn biển mây ráng chiều), cuối cùng quay về chiếc vé tàu vỡ vụn thành những mẩu giấy. Cảm giác đời thường, hoài niệm, dịu dàng và thoáng chút man mác buồn. 【Mô tả tiến trình hình ảnh】 0〜3 giây - Yêu cầu chính: Cú máy quay thực tế bắt đầu từ đầu ngón tay của người quay tùy ý vẽ một đường cong trên cửa sổ mờ sương. Khi ngón tay rời đi, vệt sương biến thành đường vẽ tay phát sáng màu cam mơ (chất liệu pha trộn giữa sáp màu và phấn), ban đầu dính vào đầu ngón tay → quấn quanh ngón trỏ → rơi xuống lòng bàn tay cuộn thành chiếc vé tàu → bị bàn tay kia đè lại → gấp thành chú chim én giấy dẹp → bay men theo các vòng tay nắm bên phải. Camera đuổi theo chậm nửa nhịp, trước hết quay bàn tay trống không và bóng phản chiếu, sau đó vội vã lắc sang phải. - Yêu cầu loại trừ: Không dùng bố cục mượt mà kiểu quảng cáo. 3〜6 giây - Yêu cầu chính: Chim én giấy bay một vòng quanh vòng treo, đuôi móc vào vòng tay nắm khẽ đung đưa tạo ra tiếng va chạm nhựa. Người quay đưa tay định giữ vòng tay nắm, chim én giấy lướt qua mu bàn tay tan ra thành một chuỗi dấu phẩy vẽ tay → nối đuôi nhau tụ lại thành chú sâu bướm phát sáng → bò dọc theo lưng ghế (để lại bột phấn màu cam mơ) → khi người quay cúi người nhìn thì kéo thẳng thành mũi tên graffiti → chỉ xong thì xẹp xuống thành chiếc thuyền buồm nhỏ trượt dọc theo khe ghế. Camera tiến tới chậm một bước, motion blur + mất nét thoáng qua. - Yêu cầu loại trừ: Không có nhân vật mới xuất hiện, mọi hình thái bắt buộc phải biến hóa nối tiếp nhau. 6〜10 giây - Yêu cầu chính: Thuyền buồm nhỏ trượt trên sàn xe, nương theo độ rung lắc của tàu điện để drift, kéo theo vệt phấn màu cam mơ → người quay đưa chân chắn + đưa tay vớt → thuyền luồn qua kẽ tay và giày va vào chiếc vé tàu cuộn một nửa → cuộn vé lăn đi → thuyền bị cuốn vào rồi chui ra từ phía bên kia biến thành đoàn tàu điện vẽ tay mini 2 toa (đầu tàu vẫn giữ mũi nhọn của thuyền, cửa sổ như những chấm sâu bướm) → chạy dọc theo đường nối đen trên sàn xe → lao đến dưới sơ đồ tuyến đường, đầu tàu ngẩng lên biến thành chú ốc sên dẹp (vỏ như bánh xe, thân kéo dài thành đường kẻ vé tàu) → bò lên cột kim loại, quay đầu rung râu giục người quay đuổi theo. - Yêu cầu loại trừ: Không dùng CG 3D. 10〜13 giây - Yêu cầu chính: Râu ốc sên chạm vào nút bấm cửa xe → xung quanh nút sáng lên vầng hào quang vẽ tay màu cam mơ → người quay định bấm → vầng hào quang bật ra kéo dài chú ốc sên → biến thành chiếc ô nhỏ vẽ tay (mặt ô vẫn giữ đường xoắn ốc của vỏ ốc sên và các chấm cửa sổ tàu mini) → trượt dọc theo kính cửa xe, chóp ô gõ vào khe cửa (đèn đường qua khe cửa biến thành những đường phát sáng đung đưa) → ô lật ngược biến thành chú cá vẽ tay có đuôi gắn chuông (thân cá như mặt ô, đuôi như đường nét đứt của vé tàu) → bơi xuống dưới lấy đuôi quệt qua cổ tay người quay (để lại vệt vòng tay màu cam mơ) → người quay lùi lại va vào ghế, ống kính hơi lệch rồi lại đuổi theo về giữa toa xe. - Yêu cầu loại trừ: Không biến thành quái vật kinh dị, không chồm lên cắn. 13〜15 giây - Yêu cầu chính: Chú cá vẽ tay tan ra từ kính cửa xe → mọi nét vẽ lan tỏa dọc theo mặt kính cửa sổ, vân gỗ sàn xe, khe ghế, vòng tay nắm, sơ đồ tuyến đường, chao đèn trần → cả toa xe biến thành biển mây hoàng hôn khổng lồ (cửa sổ ngập tràn ráng chiều, sàn xe thành dòng sông nhỏ phát sáng, vòng tay nắm thành vầng trăng tròn, sơ đồ tuyến đường khuếch tán thành thị trấn graffiti, trần xe rủ xuống những dải mây) → người quay lùi lại đưa tay ra → dải mây giữa không trung rơi vào lòng bàn tay biến trở lại thành chiếc vé tàu → khẽ rung rung như hắt xì → những đường ráng chiều khắp toa xe tan thành mẩu giấy vụn nhỏ → một mẩu dính vào mép ống kính, một chú chim én giấy nhỏ khác chậm nửa nhịp chui ra từ khe ghế bay nhầm hướng vụng về rơi vào lòng bàn tay người quay → khung hình kết thúc trong dư vị dịu êm. - Yêu cầu loại trừ: Không chuyển cảnh sang không gian khác, không có yếu tố kinh dị vô cớ. 【Yêu cầu tổng thể bổ sung】 ▍Phong cách hoạt hình vẽ tay (xuyên suốt toàn bộ video) - Luôn là nét vẽ nguệch ngoạc phát sáng 2D vẽ tay từng khung hình (frame-by-frame), không phải nhân vật 3D hay sinh vật CG - Độ dày nét vẽ, đường viền, tô màu thay đổi nhẹ qua từng khung hình, mép nét có viền xơ của sáp màu/phấn/bút chì màu/cọ thô/phấn tiên - Màu tô không đều, có vết xước, hạt grain và cảm giác vẽ đè thủ công - Màu chủ đạo: cam mơ, cam ấm, trắng kem nhạt, điểm xuyết một chút sắc vàng dịu - Phát sáng nhẹ nhàng, chỉ để lại quầng sáng mờ quanh mép kính/tay vịn kim loại/ghế bọc vải cũ/sàn vân gỗ, không chiếu sáng gắt vào không gian quay thực tế - Mỗi lần biến hình đều giữ lại dấu vết của hình thái trước (đường cong vết sương, viền đứt nét của vé xe, cánh én giấy, đốm tròn sâu bướm, mũi thuyền buồm nhỏ, cửa sổ xe điện mini, xoắn ốc vỏ ốc sên, tán ô, đuôi cá nhỏ) —— Khiến người xem cảm nhận được đây là cùng một thực thể đang liên tục biến đổi, chứ không phải nhân vật mới xuất hiện ▍Nhịp điệu camera (xuyên suốt toàn bộ video) - Luôn chậm hơn hoạt hình vẽ tay nửa nhịp - Hoạt hình lẩn trốn trước vào tay vịn treo/khe ghế/vân gỗ sàn/sơ đồ tuyến đường/kính cửa xe/giữa toa xe, sau đó camera mới ngập ngừng lia/cúi xuống/ngẩng lên/tiến tới/lùi lại đuổi theo - Không căn bố cục trước, không giữ hoạt hình cố định ở trung tâm, không lia máy mượt mà phô diễn nội thất xe điện - Giữ lại: độ rung lắc của điện thoại quay cầm tay, sự chao đảo khi xe chạy, chuyển động nhấp nhô khi bước chân đuổi theo, hiện tượng mất nét thoáng qua khi áp sát kính, độ sáng thay đổi đột ngột từ đèn đường bên ngoài, motion blur tự nhiên - Tạo cảm giác như người quay thực sự đang di chuyển đuổi theo nó trong cùng một toa tàu ▍Điều cấm kỵ (xuyên suốt toàn bộ video) - Cấm: 3DCG chi tiết sắc nét, phong cách thú nhồi bông, render 3D, ống neon bóng bẩy, đường nét vector đồng đều, motion graphics được hoàn thiện quá mức - Cấm: ánh sáng mang tính điện ảnh quá đà, bố cục gọn gàng kiểu chụp quảng cáo, xóa phông độ sâu trường ảnh quá mức - Cấm: phụ đề, logo/biểu tượng, nhạc nền - Cấm: chuyển cảnh đột ngột sang bối cảnh khác - Cấm: hình thái trước biến mất rồi nhân vật mới xuất hiện bất thình lình - Cấm: mắt khổng lồ, miệng ngoác, răng nanh, đe dọa, vồ cắn, đột ngột tối đen màn hình, jumpscare, biến thành quái vật kinh dị - Cảnh biến dạng không gian cuối cùng vẫn phải được tạo nên từ các đường nét phát sáng vẽ tay, có thể kỳ ảo, mơ mộng và phi thường, nhưng cần duy trì nét dịu dàng, hoài niệm, đáng yêu, đời thường, êm dịu và phảng phất chút u buồn. ▍Âm thanh môi trường (xuyên suốt toàn bộ video) - Chỉ sử dụng âm thanh thực tế bên trong toa xe điện cổ: tiếng bánh xe ma sát trầm đục với đường ray, tiếng lắc lư nhẹ của toa tàu, tiếng tay vịn va chạm nhau, tiếng lách cách cơ khí nhỏ của nút bấm cửa xe, tiếng sột soạt của vé giấy, tiếng sột soạt khi chạm vào ghế vải, tiếng thốt lên khe khẽ và tiếng bước chân gấp gáp của người quay - Âm thanh hoạt hình vẽ tay: tiếng phấn cọ xát cực khẽ, tiếng rít nhẹ trượt trên mặt kính, âm rung điện tử êm dịu, tiếng kêu chíp chíp ngắn hài hước	Thuần text-to-video

“Cách tốt nhất” để viết prompt

Giao nhiệm vụ viết prompt cho đối tác chuyên nghiệp

Nếu bạn không muốn dành nhiều thời gian nghiên cứu cấu trúc prompt, ngôn ngữ hình ảnh, cách trích dẫn tư liệu và thiết kế âm thanh, bạn cũng có thể trực tiếp dùng H3 trên MiniMax Hub để sáng tạo video.

MiniMax Design là nền tảng sản xuất AI agent tích hợp “nghiên cứu văn bản + sản xuất đa phương tiện + canvas vô hạn”

Bạn không cần phải mô tả từng cảnh quay, cỡ cảnh, chuyển động camera hay âm thanh một cách quá chuyên nghiệp, mà chỉ cần dùng ngôn ngữ tự nhiên để diễn đạt ý tưởng của mình,

Ví dụ: “Tôi muốn làm một phim ngắn đậm chất điện ảnh về màn rượt đuổi trong đêm mưa” hoặc “Hãy giúp tôi tạo một video có sự chuyển biến cảm xúc từ bức ảnh nhân vật này”, Agent sẽ giúp bạn thấu hiểu ý đồ sáng tạo, sắp xếp tư liệu tham khảo, hoàn thiện thiết kế khung hình, tối ưu hóa prompt, đồng thời điều phối các năng lực tạo sinh phù hợp để hoàn thành video.

So với việc tự mình mày mò prompt hết lần này đến lần khác, sử dụng MiniMax Design giúp giảm đáng kể rào cản sáng tạo, đồng thời nâng cao độ hoàn thiện và tính chuyên nghiệp của prompt, giúp H3 hiểu chính xác hơn về chủ thể, hành động, ống kính, nhịp điệu, âm thanh và phong cách, từ đó cải thiện đáng kể chất lượng tạo video.

Địa chỉ tải xuống: Trong nước: https://design.minimaxi.com/ Nước ngoài： https://design.minimax.io/

Học tương tác với AI (NotebookLM)

Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.

Mở không gian học tương tác