Table of Content
Turn any text, image, or video into anime, realistic, or artistic videos. Over 30 unique styles available.
MiniMax H3 kann aus einem Quellbild ein kurzes Video erzeugen. Stabile Ergebnisse beginnen mit einem sauberen Standbild, einem bewegungsorientierten Prompt und einem klar geplanten Ende. Dieser Leitfaden behandelt die Vorbereitung der Quelle, Start- und Endframes, Referenzmedien, Prüfkriterien und typische Fehlerkorrekturen.
Bei der Bild-zu-Video-Generierung dient ein Standbild als visueller Ausgangspunkt für die Bewegung. Die Quelle legt Motiv, Komposition, Farbpalette, Beleuchtung und einen Großteil der Szenengeometrie fest.
Der Prompt beschreibt, was danach geschieht. Er kann Handlung, Kamerabewegung, Bewegung in der Umgebung, Tempo und das gewünschte Ende vorgeben.
In der offiziellen MiniMax API trägt das Modell die ID MiniMax-H3. Es unterstützt 768P- oder 2K-Ausgaben, eine Dauer von 4–15 Sekunden und natives Stereo-Audio. Zu den dokumentierten Workflows gehören Text zu Video, Bild zu Video ab einem Startframe, Start- und Endframe-Generierung sowie multimodale Reference Generation.
Auch mit H3 bleibt Planung notwendig. Verdeckte Gliedmaßen, beschädigter Text oder widersprüchliche Tiefenhinweise können instabile Bewegung und visuelle Abweichungen begünstigen.
Ein schönes Standbild ist nicht automatisch eine stabile Bewegungsquelle. Prüfe es so, als wäre es der erste Frame einer Aufnahme.
Behebe Probleme im Quellbild vor der Videogenerierung. Mit der Bildbearbeitung kannst du Hände, Text, Kleidung, Hintergründe und Produktdetails korrigieren. Zur Auswahl stehen GPT Image 2, Nano Banana 2 und Nano Banana Pro.
Korrigiere nicht alles gleichzeitig. Ändere ein sichtbares Problem, prüfe das Ergebnis und stelle sicher, dass das freigegebene Motiv erhalten bleibt.
Das Bild zeigt dem Modell bereits, was die Szene enthält. Nutze den Prompt, um Bewegung und Einschränkungen zu definieren.
Eine hilfreiche Struktur lautet:
Subject action + camera movement + environmental motion + timing + locked details + forbidden changes
Dieser Prompt für eine Produktpräsentation weist jedem Bestandteil eine Aufgabe zu:
Animate this source image into a 6-second cinematic product reveal. Keep the same subject, color, logo placement, and background layout. Start with a slow push-in, add soft reflections on the surface, then finish with a slight camera arc from left to right. No new objects, no text changes, no face or logo distortion.
Der Prompt beschreibt nicht jede Farbe und jedes Objekt neu. Er schützt wichtige Details und führt die Aufnahme.
Für eine Figurenszene kannst du Folgendes versuchen:
The same character looks toward the window and takes one slow breath. Her hair moves slightly in the evening breeze. The camera makes a gentle push-in. Keep her face, outfit, room layout, and cel-shaded style unchanged. No new characters or sudden camera shake.
Nutze im ersten Test eine zentrale Handlung und eine Kamerabewegung. Erhöhe die Komplexität erst, wenn die Basiseinstellung stabil ist.
Jeder Bestandteil des Prompts steuert einen Teil der Aufnahme oder schützt ein Detail, das stabil bleiben soll.
Ein einzelnes Startbild lässt die endgültige Komposition offen. Füge einen Endframe hinzu, wenn die Aufnahme mit einem bestimmten Produktwinkel, einer Pose, einem Layout oder einem Übergang enden soll.
| Ziel der Aufnahme | Nur Startbild | Start- und Endframe |
|---|---|---|
| Dezente Bewegung einer Figur | Meist ausreichend | Optional |
| Langsame Kamerafahrt nach vorn | Meist ausreichend | Nutzen, wenn die Rahmung genau enden muss |
| Produkt drehen oder enthüllen | Ende weniger vorhersehbar | Besser für einen festgelegten Endwinkel |
| Vorher-Nachher-Veränderung | Wenig Kontrolle über den Endpunkt | Definiert beide Zustände |
| Match Cut oder Übergang | Ende kann abweichen | Unterstützt einen geplanten Schnittpunkt |
| Logo- oder Packshot-Finish | Risiko von Layoutänderungen | Hilft, die Endkomposition zu schützen |
Zwischen den beiden Frames muss ein plausibler Übergang möglich sein. Ein frontal gezeigtes Produkt und eine unverbundene Aufnahme von oben verlangen dem Modell zu viele Erfindungen dazwischen ab.
Wenn du außerhalb von MiniMax planst, bietet Frames zu Video zwei verwandte Workflows. Der Seedance-2.0-Modus von ByteDance nutzt einen Start- und Endframe. DomoAI 2.4.1 unterstützt zwei bis acht Keyframes mit einem Prompt pro Segment.
Referenzen sollen Unklarheiten beseitigen, nicht einen ungefilterten Asset-Ordner abbilden.
Nutze Reference Generation für visuelle Referenzen und optionales Audio zusammen mit visuellen Medien. Die aktuelle API unterstützt bis zu neun Referenzbilder, drei Videoclips und drei Audioclips; gemischte Eingaben sind auf zwölf Dateien begrenzt. Jeder Video- oder Audioclip muss 2–15 Sekunden lang sein. Die Gesamtdauer der Referenzvideos sowie der Referenzaudios ist jeweils auf 15 Sekunden begrenzt. Laut H3-Referenzdokumentation von MiniMax darf Audio in Ref2VA nicht als einzige Medienreferenz dienen, sondern muss mindestens ein Bild oder Video begleiten.
H3-Context-IR ist ein eigener asynchroner Schritt. Er interpretiert den multimodalen Kontext und liefert einen erweiterten Prompt, erzeugt jedoch kein Video.
Gib jeder Referenz eine eindeutige Aufgabe:
Entferne Referenzen, die nicht zum Quellframe passen. Zwei unterschiedliche Jacken, Frisuren oder Produktetiketten erschweren die Interpretation von „keep the same“.
Kontrolliere die Einstellungen, bevor du die Modellqualität bewertest. Ein falsches Seitenverhältnis oder die falsche Audioauswahl kann einen guten Bewegungstest unbrauchbar machen.
Prüfe folgende Punkte:
Die offizielle API ermöglicht derzeit direkte 768P- oder 2K-Ausgaben mit 4–15 Sekunden Dauer und gängigen oder adaptiven Seitenverhältnissen. Qualifizierte 768P-Ergebnisse können außerdem den dokumentierten 2K-Regeneration-Workflow nutzen. Die Regeneration ist jedoch optional und nicht der einzige Weg zu 2K. H3 kann natives Stereo-Audio erzeugen. Oberflächen von Drittanbietern können weniger Steuerelemente anbieten.
Skaliere erst hoch, wenn Bewegung, Identität und Komposition die Prüfung bestanden haben. DomoAIs Video-Upscaler kann einen fertigen Clip mit Rauschunterdrückung und Detailverbesserung auf bis zu 4K hochskalieren.
Sieh den gesamten Clip einmal an und prüfe danach Start-, Mittel- und Endframe. In der Mitte zeigen sich oft Fehler, die Anfang und Ende verbergen.
| Prüfbereich | Bestanden, wenn | Warnsignal |
|---|---|---|
| Identität | Motiv bleibt erkennbar | Gesicht, Produktform oder Kleidung verändern sich |
| Bewegung | Handlung verläuft natürlich | Motiv friert ein oder beschleunigt abrupt |
| Kamera | Bewegung entspricht dem Prompt | Unerwünschter Zoom, Wackeln oder Winkelwechsel |
| Hintergrund | Geometrie bleibt stimmig | Wände, Schilder oder Objekte verformen sich |
| Text und Logos | Details bleiben lesbar | Buchstaben verändern sich oder wandern |
| Audio | Ton passt zum sichtbaren Ereignis | Dialog, Effekte oder Atmosphäre wirken unverbunden |
| Ende | Endframe eignet sich für den Schnitt | Aufnahme stoppt mitten in der Handlung oder verfehlt die Komposition |
Prüfe den Clip in normaler Geschwindigkeit und Bild für Bild. Eine Bewegung kann flüssig wirken, obwohl sich ein Logo über mehrere Frames verändert.
Ersetze vage Wörter wie „dynamic“ durch eine sichtbare Handlung. Nenne Körperteil, Richtung, Strecke und Tempo.
Schreibe statt make the scene more dynamic besser the subject takes two steps forward while the camera slowly tracks backward.
Entferne widersprüchliche Kameraanweisungen. Wähle eine Bewegung und ergänze eine Einschränkung wie stable horizon, no handheld shake.
Reduziere die Bewegung, verstärke die Identitätsvorgabe und nutze eine klarere Referenz. Lege bei Produkten Logoposition, Etikettentext, Proportionen und Material fest.
Fordere eine lokal begrenzte Bewegung statt einer Änderung der gesamten Szene. Lege Architektur und Layout fest. Ergänze nur Wind, Reflexionen, Rauch oder einen anderen begrenzten Effekt.
Behandle Audio als eigene Prüfebene. Kontrolliere die verfügbaren Optionen im aktuellen H3-Modus. Ersetze oder mische bei Bedarf genaue Musik, Sprechertext und Markensound in einem externen Editor.
Nutze einen Endframe, wenn der aktuelle Modus ihn unterstützt. Vereinfache die Handlung zwischen den Endpunkten und gestalte den Übergang physisch plausibel.
Dasselbe Quellbild braucht für eine Produktseite, einen Social-Feed oder eine Filmsequenz unterschiedliche Bewegungspläne.
Sichere Silhouette, Etikett, Material und Logo. Nutze eine langsame Kamerabewegung und begrenzte Reflexionen. Beende die Aufnahme mit einem lesbaren Packshot statt mitten in der Bewegung.
Starte die sichtbare Handlung sofort. Halte das Motiv auf einem Smartphone groß genug und komponiere für 9:16. Lass vor der Generierung Platz für Untertitel.
Nutze Bewegung, um Emotion oder Information zu zeigen. Ein Blick, ein Atemzug oder eine kleine Kamerafahrt bewahrt die Identität oft besser als eine komplexe Ganzkörperhandlung. Plane den nächsten Schnitt, bevor du den Endframe auswählst.
Trenne Hook, Produktbeleg, präsentierende Person und Schlussaufnahme. Erzeuge jeden Teil als kurze Einheit. So kannst du schwache Clips leichter ersetzen und Markendetails während der Prüfung sichern.
Teste eine repräsentative Aufnahme für die Zielplattform, bevor du eine Serie erzeugst. Ein stabiler Querformattest beweist nicht, dass ein enger Hochformat-Zuschnitt Hände, Text oder Produktkanten erhält.
MiniMax H3 kommt bald zu DomoAI. Wir informieren dich, sobald das Modell verfügbar ist. Bis dahin kannst du Seedance 2.5 in Omni Reference verwenden.
Lade ein sauberes Quellbild hoch oder verweise darauf, wähle die aktuelle Bild-zu-Video-Aufgabe und schreibe einen bewegungsorientierten Prompt. Prüfe Identität, Bewegung, Kamera, Hintergrund, Audio und Ende, bevor du weitere Clips erzeugst.
Die aktuelle Videodokumentation von MiniMax beschreibt einen Workflow mit Start- und Endframe. Aufgabenname, Eingaberegeln und Zugangsweg können je nach Oberfläche variieren.
Nutze ein klares Motiv mit deutlichen Konturen, stimmiger Anatomie, stabilem Text, sauberer Beleuchtung und genügend Raum für Bewegung. Passe das Seitenverhältnis der Quelle an die Zielplattform an.
Referenzen und feste Prompts können die Kontinuität verbessern, garantieren sie aber nicht. Teste kurze Clips und prüfe Gesicht, Kleidung, Form, Text und Farbe über alle Frames hinweg.
Ja. Die offizielle Veröffentlichungsseite und das Repository von MiniMax dokumentieren natives Stereo-Audio. Das Repository nennt eine Stereoausgabe mit 32 kHz. Prüfe die Audiosteuerung des von dir genutzten Zugangswegs.
Noch nicht. MiniMax H3 kommt bald zu DomoAI.
Ein stabiles Bild-zu-Video-Ergebnis beginnt mit einer bewegungstauglichen Quelle, einem Prompt für die Bewegung und einer klaren Prüfmethode.
Bereite ein starkes Standbild vor, führe einen kontrollierten Prompt aus und prüfe Anfang, Mitte und Ende, bevor du die Szene erweiterst.
Recent articles
-min.avif)
