MiniMax H3 프롬프트 가이드: 더 나은 비디오, Ref2VA, 카메라, 오디오 및 레퍼런스 프롬프트 작성법

강력한 MiniMax H3 프롬프트는 단순히 시각적 스타일을 정의하는 그 이상이어야 합니다. 시간에 따라 어떤 변화가 일어나는지, 카메라가 어떻게 움직이는지, 어떤 디테일이 유지되어야 하는지, 각 레퍼런스가 어떤 역할을 하는지, 그리고 대사·사운드·음악이 시퀀스에 어떻게 어우러지는지 설명할 수 있어야 합니다. 더 정교한 제어를 위한 핵심은 올바른 H3 모드를 선택하고, 관찰 가능한 변화를 묘사하며, 모든 레퍼런스에 명확한 역할을 부여하는 것입니다.
이 가이드는 T2VA, I2VA, FL2VA, L2VA, Ref2VA, 카메라 제어, 오디오, 캐릭터 일관성 및 실전 트러블슈팅을 다룹니다. 이러한 원칙들은 나레이션, 아바타, 다국어 출력 기능을 활용해 문서, 교육 자료, 제품 정보를 확장 가능한 영상으로 변환하는 Leadde 같은 구조화된 AI 비디오 워크플로우에도 동일하게 적용됩니다.
MiniMax H3 프롬프트 가이드: 최고의 프롬프트 구조란?
MiniMax H3 프롬프트에 접근하는 가장 유용한 방법은 이를 '시청각 프로덕션 기획서'로 여기는 것입니다. "시네마틱한", "사실적인", "극적인" 같은 단어들을 단순히 나열하는 대신, 사실적인 AI 영상을 만드는 법을 이해하기 위해 클립이 전개됨에 따라 시청자가 실제로 보고 듣게 될 내용을 묘사하세요.
간단한 H3 프롬프트 공식
일상적인 프롬프트 작성 시 다음 공식을 활용해 보세요.
주체(Subject) + 액션(Action) + 환경(Environment) + 카메라(Camera) + 타이밍(Timing) + 오디오(Audio)
예를 들어, "비 내리는 기차역의 여성"은 장소를 설정해주지만 시간의 흐름에 따른 정보는 거의 제공하지 않습니다. 더 강력한 프롬프트라면 그녀가 플랫폼을 향해 걸어가다가, 다가오는 열차 소리를 듣고 멈춰 서서, 소리가 나는 쪽으로 고개를 돌리고, 카메라는 느리게 트래킹 샷으로 이를 쫓는다고 설명합니다.
MiniMax의 공식 Base 프롬프트 가이드는 이 개념을 integrated_multimodal_description(통합 멀티모달 설명), overall_soundscape(전반적인 사운드스케이프), non_diegetic_music(비다이제틱 음악)의 세 가지 필드로 정형화합니다. 첫 번째 필드는 시각적 타임라인, 액션, 샷, 화자, 대사, 동기화된 씬 오디오를 담고, 나머지 두 필드는 환경적·물리적 사운드와 관객만을 위한 배경음악을 분리합니다.
형용사 대신 눈에 보이는 결과물을 작성하기
유용한 규칙은 추상적인 의도를 시각적 행동으로 전환하는 것입니다.
**“그녀는 자신감 있어 보인다”**라고 쓰는 대신, 흔들림 없이 걷고, 눈을 맞추고, 재킷을 정돈하며, 망설임 없이 멈춰 선다고 묘사하세요.
이러한 접근법은 제약 조건을 걸 때도 유용합니다. **“줌인하지 마세요”**를 반복하는 대신, 원하는 결과물을 묘사하세요: “시작부터 끝까지 피사체가 프레임 내에서 대략 동일한 크기를 유지합니다.” 한 커뮤니티의 H3 일관성 테스트 검토에 따르면, 부정적인 카메라 지시어를 반복하는 것보다 측정 가능한 프레이밍 제약 조건을 제시하는 것이 해당 워크플로우에서 더 효과적이었습니다. 이는 공식적인 MiniMax 보증이 아닌, 실제 사용 경험에서 얻은 워크플로우 관찰 결과입니다.
어떤 MiniMax H3 모드를 사용해야 할까요?
프롬프트를 다시 작성하는 것만큼이나 올바른 모드를 선택하는 것이 중요할 수 있습니다. MiniMax의 Base 워크플로우는 텍스트 전용 생성 외에도 첫 프레임, 마지막 프레임, 첫/마지막 프레임 작업을 지원하며, 별도의 Ref2VA 체크포인트는 멀티모달 레퍼런스 생성을 처리합니다.
| 모드 | 입력 | 최적의 프롬프트 목표 |
| T2VA | 텍스트 | 완전한 시청각 씬 빌드 |
| I2VA | 첫 프레임 | 시작점을 유지하며 전개 |
| FL2VA | 첫 + 마지막 프레임 | 두 지점 사이의 전환 과정 묘사 |
| L2VA | 마지막 프레임 | 제공된 결말을 향해 빌드업 |
| Ref2VA | 이미지/비디오/오디오 | 다양한 레퍼런스 역할 조합 |
T2VA, I2VA, FL2VA, L2VA
T2VA는 씬을 처음부터 구축해야 합니다. I2VA는 제공된 이미지를 실제 첫 프레임으로 취급하므로, 프롬프트는 움직임을 도입하기 전에 정체성, 의상, 오브젝트, 색상, 구도를 먼저 유지해야 합니다.
FL2VA를 사용할 때는 단순히 그림 1과 그림 2를 묘사해서는 안 됩니다. MiniMax는 이들 사이의 관찰 가능한 경로, 즉 피사체가 어떻게 움직이고, 포즈가 어떻게 바뀌며, 오브젝트가 어떻게 다루어지고, 구도나 조명이 최종 프레임으로 어떻게 수렴하는지 묘사할 것을 구체적으로 권장합니다. L2VA는 이전의 그럴듯한 상태에서 시작해 제공된 마지막 프레임에 점진적으로 도달하는 방식으로 추론 과정을 역으로 수행합니다.
Ref2VA는 언제 사용해야 할까요?
서로 다른 에셋이 각각 다른 역할을 수행할 때 Ref2VA를 사용하세요. 예를 들어, 하나의 이미지는 캐릭터를 정의하고, 다른 이미지는 의상을 정의하며, 비디오는 걷는 모션과 카메라 리듬을 제공하고, 오디오는 목소리 레퍼런스를 제공하는 식입니다.
이는 관계 중심 생성으로 이해하는 것이 좋습니다. 모델은 각 파일에 무엇이 들어 있는지뿐만 아니라, 각 소스의 정보가 최종 비디오에 어떤 영향을 미쳐야 하는지 알아야 합니다. MiniMax의 전체 레퍼런스 포맷은 재사용 가능한 주체, 구체적인 픽처 앵커, 비디오 레벨의 시간적 소스, 오디오 레퍼런스를 명시적으로 구분합니다.
샷을 해결할 수 있는 가장 단순한 모드를 사용하세요
실무 프로덕션 규칙은 다음과 같습니다. 샷에 필요하지 않다면 레퍼런스 복잡성을 높이지 마세요.
전환 과정에서 정확한 시작점과 끝점만 필요하다면 FL2VA가 해당 작업에 직접적인 정의를 제공합니다. 이미지 1의 정체성 + 비디오 1의 모션 + 오디오 1의 목소리 같은 관계가 진정으로 필요할 때 Ref2VA로 전환하세요.
이렇게 하면 디버깅도 더 쉬워집니다. 경쟁하는 독립적인 제약 조건이 적을수록 문제의 원인(모션, 정체성, 프레이밍, 오디오 중 어디서 비롯되었는지)을 쉽게 파악할 수 있습니다.

샷, 카메라 움직임, 타이밍, 전환을 제어하는 방법은?
타임라인을 단순한 문단이 아니라 편집본처럼 다룰 때 H3 프롬프트를 더 쉽게 제어할 수 있습니다.
샷 컷, 타임스탬프, 타임머신 버짓(시간 예산)
MiniMax의 공식 포맷은 [Shot 1]에 타임스탬프를 지정하지 않습니다. 이후의 샷은 [Shot 2] At 00:03.500과 같이 컷 시간이 증가하는 방식으로 시작됩니다. 새로운 샷은 다른 시점, 장소, 상태, 주체, 시간 등 의미 있는 새로운 정보를 도입해야 합니다. 작은 거리나 각도 변화는 보통 다른 컷보다는 카메라 움직임으로 표현하는 것이 좋습니다.
이는 실질적인 **타임 버짓(시간 예산)**을 만듭니다. 8초짜리 클립에서는 3개의 액션, 2개의 카메라 무브먼트, 리액션, 한 줄의 대사, 2개의 컷이 모두 한정된 시간을 두고 경쟁합니다. 생성된 영상이 너무 급해 보인다면, 묘사적 언어를 더 추가하기보다 이벤트를 줄이는 것이 효과적일 때가 많습니다.
H3가 따를 수 있는 카메라 언어
MiniMax는 푸시/풀, 팬, 트럭, 틸트, 페데스탈, 아크, 트래킹, 고정 샷, POV, roll(롤), 카메라 셰이크 등의 카메라 조작을 지원합니다. 권장되는 로직은 기본적으로 다음과 같습니다.
모션 타입 + 선택적 진폭(Amplitude) + 선택적 속도(Speed)
따라서 “역동적인 시네마틱 카메라”라고 쓰는 대신, **“피사체를 중앙에 둔 채 카메라가 오른쪽으로 천천히 트럭(truck) 이동합니다”**처럼 실행 가능한 문장으로 작성하세요.
고정되어야 할 것과 변경 가능한 것을 분리하기
영상을 생성하기 전에 간단한 '고정 vs 가변' 맵을 머릿속으로 그려보세요.
제품 비디오 제작 가이드의 경우 카메라 위치, 반사광, 물의 움직임, 조명은 바뀌더라도 병 모양, 라벨 텍스트, 뚜껑, 색상은 고정해야 할 수 있습니다. 캐릭터 시퀀스의 경우 포즈와 표정은 발전할 수 있도록 허용하되 얼굴, 헤어스타일, 의상은 고정할 수 있습니다.
이렇게 하면 프롬프트가 모든 시각적 속성을 한 번에 바꾸라고 요구하지 않으므로 상충되는 지시를 줄일 수 있습니다.

캐릭터나 제품의 일관성을 잃지 않고 레퍼런스를 사용하는 방법은?
가장 강력한 레퍼런스 워크플로우는 모든 에셋에 명확한 목적을 할당합니다.
모든 레퍼런스에 하나의 명확한 역할 부여하기
실용적인 매핑은 다음과 같을 수 있습니다.
이미지 1 → 캐릭터 정체성 이미지 2 → 의상 이미지 3 → 제품 디자인 비디오 1 → 걷는 모션과 카메라 경로 오디오 1 → 목소리 음색
MiniMax의 공식 Ref2VA 사용법 가이드는 정확히 이러한 교차 소스 정의를 지원합니다. 하나의 주체가 이미지에서 외형을 가져오고 비디오에서 모션을 가져올 수 있으며, 단일 레퍼런스 파일로 재사용 가능한 여러 주체를 제공할 수도 있습니다.
중요한 것은 우연한 전이를 방지하는 것입니다. 비디오 1이 모션은 제공하되 배우나 환경은 제공해서는 안 된다면 관계 디자인에서 이를 명시적으로 밝혀야 합니다.
주체, 픽처, 스토리보드, 레퍼런스 비디오
공식 용어에서 <Subject N>은 재사용 가능한 가시적 콘텐츠를 나타내며, 이미지가 직접 구체적인 프레임, 구도 앵커, 혹은 비디오 스크립트 템플릿 및 예시 레퍼런스 역할을 할 때는 <Picture N>이 사용됩니다. <Video N>은 편집, 연속성, 카메라 움직임, 컷, 리듬, 시간적 구조와 같은 전체 비디오의 관계를 나타냅니다. <Audio N>은 오디오 복사나 목소리 음색, 전달력, 리듬, 음악 스타일 등의 특성을 처리합니다.
이러한 구분을 통해 흔히 발생하는 개념적 오류를 방지할 수 있습니다. 즉, 캐릭터 레퍼런스가 자동으로 키프레임이 되는 것은 아니며, AI 비디오 스토리보드 메이커가 자동으로 정확한 끝점이 되는 것은 아닙니다.
레퍼런스 경제학과 샷 레벨의 일관성
레퍼런스 소스가 많다고 해서 자동으로 더 유익한 정보가 되는 것은 아닙니다. 프로덕션 워크플로우에서는 필요한 움직임, 카메라 경로, 보컬 퀄리티를 명확하게 보여주는 부분만 레퍼런스 비디오에서 잘라내 사용하세요.
또한 첫 프레임에서만 그치지 말고 샷 전체에 걸쳐 정체성을 평가하세요. 한 커뮤니티 테스트에 따르면, 사용자의 특정 로컬 설정에서는 작은 얼굴 프레이밍에 비해 클로즈업에서 정체성 이탈이 훨씬 더 일찍 발생했습니다. 정확한 타이밍을 일반화할 수는 없지만, 유용한 워크플로우 교훈을 얻을 수 있습니다. 즉, 중요한 샷마다 여러 지점에서 얼굴 정체성, 의상, 작은 소품을 확인하세요.
고급 Ref2VA, 대사, 오디오 프롬프트는 어떻게 작동하나요?
Ref2VA는 H3 프롬프팅이 기존의 텍스트 투 비디오 프롬프팅보다는 멀티모달 프로덕션 기획에 더 가까워지는 지점입니다.
6파트 Ref2VA 프롬프트 구조
MiniMax의 전체 레퍼런스 가이드는 여섯 가지 섹션을 정의합니다.
subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music.
시스템은 먼저 레퍼런스의 의미를 정의하고, 작업을 요약하고, 각 레퍼런스가 어떻게 유지되거나 전이되는지 설명한 다음, 마지막으로 재생 순서에 맞춰 타겟 비디오를 작성합니다.
공식 프롬프트를 작성하기 전에 유용한 기획 레이어는 다음과 같습니다.
| 소스 | 유지(Preserve) | 전이(Transfer) | 무시(Ignore) |
| 이미지 1 | 얼굴, 헤어 | — | 배경 |
| 비디오 1 | — | 보행, 카메라 | 배우 정체성 |
| 오디오 1 | 목소리 음색 | 전달력 | 원래 대사 |
이렇게 하면 "이 모든 레퍼런스를 사용해 주세요" 같은 모호한 요청이 명시적인 소스 대 타겟 관계로 바뀝니다.
대사, 보이스, 음향 효과, 음악
말하는 캐릭터는 (S1), (S2) 같은 안정적인 ID를 사용하고, 대사는 <d>[Language] ...</d> 안에 배치합니다. MiniMax는 또한 화면 속 대사와 오프스크린 보이스오버 제작 툴을 구분하며, 화면 속 캐릭터가 단순 나레이션만 할 때는 입을 다물고 있도록 명시적으로 유지할 것을 권장합니다.
환경음과 물리적 효과는 사운드스케이프에 속하며, non_diegetic_music은 캐릭터가 아닌 관객이 들을 수 있는 음악을 위해 예약되어 있습니다. 발소리, 비 소리, 오브젝트 사운드는 원하지만 음악 스코어는 원하지 않는 경우 사운드스케이프를 유지하고 non_diegetic_music: N/A로 설정하세요.
자연어 프롬프트 vs 공식 구조화 프롬프트
MiniMax는 H3-Base를 위한 구조화된 표현을 생성하기 전에 텍스트, 이미지, 비디오, 오디오 간의 관계를 해석하는 전처리 레이어인 H3-Context-IR을 사용하므로, 호스팅된 H3 시스템에서는 짧은 자연어 지시어도 여전히 작동할 수 있습니다. 오픈 모델 카드에서는 명령어 파싱, 모달 간 연관성, 시간적 이해, 논리적 추론이 해당 프로세스의 일부라고 설명합니다.
이는 겉보기의 모순을 설명해 줍니다. 단순한 프롬프트는 직접적인 호스팅 생성에 적합할 수 있는 반면, 구조화된 프롬프트는 정밀한 멀티 레퍼런스, 대사, 타이밍, 반복 가능한 프로덕션 작업에 더 유용합니다.
MiniMax H3가 프롬프트를 무시하는 이유는 무엇이며, 최고의 테스트 워크플로우는?
영상이 실패했을 때 모든 것을 한 번에 다시 작성하면 원인을 파악하기가 더 어려워집니다.
흔한 H3 프롬프트 문제와 해결책
| 문제 | 예상 원인 | 가장 먼저 테스트할 것 |
| 엉뚱한 사람이 말함 | 화자 매핑이 불명확함 | (S1)/(S2) 고정 |
| 캐릭터가 바뀜 | 상충되는 정체성 신호 | 레퍼런스 단순화 |
| 레퍼런스가 무시됨 | 역할이 모호함 | 하나의 역할 부여 |
| 무작위 컷 | 너무 많은 샷 지시 | 카메라 모션 사용 |
| 타임스탬프 무시됨 | 액션 타이밍으로 사용됨 | 컷을 위해 예약하기 |
| FL2VA 점프 현상 | 중간 전환 경로 누락 | 중간 변화 묘사 |
| 결말 누락 | 약한 수렴 | 최종 구도 고정 |
| 원치 않는 음악 | 오디오 레이어 혼합 | 음악 명시적 설정 |
| 텍스트 변경됨 | 문구가 유지되지 않음 | 정확한 가시적 텍스트 인용 |
| 영상이 급해 보임 | 너무 많은 이벤트 | 비트(이벤트 수) 줄이기 |
더 복잡한 모드가 항상 더 나은 클립을 생성할 것이라고 가정하기보다는, 두 모드가 동일한 작업을 해결할 수 있을 때 제어된 비교를 실행하는 것이 유용한 원칙입니다.
실용적인 단계별 H3 테스트 워크플로우
생성을 위한 **합격 기준(acceptance criterion)**을 정의하는 것부터 시작하세요. 캐릭터 정체성이 가장 중요할 수도 있고, 제품 라벨, 엔드포인트 전환, 대사 주체, 카메라 무브먼트가 타협할 수 없는 요소일 수도 있습니다.
그다음 단계별로 테스트하세요. 먼저 캐릭터와 씬을 확립하고; 그다음 모션과 카메라를 추가하고; 시각적 행동이 안정된 후에 목소리와 사운드를 추가하고; 더 단순한 버전이 작동한 후에만 추가 컷, 스토리보드, 추가 캐릭터를 도입하세요. 고해상도 재생성은 시맨틱(의미론적) 결과가 올바른 후에 진행해야 합니다. 고해상도는 상충되는 레퍼런스 관계를 해결해 주지 못하기 때문입니다.
이러한 단계별 접근 방식은 확장 가능한 비디오 파이프라인에서 특히 유용합니다. 반복 가능한 지식이나 비즈니스 콘텐츠를 비디오로 변환하는 워크플로우에서 SOP 문서를 몇 분 만에 교육용 비디오로 변환하는 도구인 Leadde를 활용할 때, 콘텐츠 구조, 시각적 행동, AI 음성 생성 방법, 최종 렌더링을 분리하면 매번 전체 프로덕션을 처음부터 다시 구축하지 않고도 수정 사항을 쉽게 격리할 수 있습니다.
모든 것을 다시 생성하는 대신 성공한 샷 저장하기
더 긴 프로젝트의 경우, 성공한 각 클립을 검증된 프로덕션 에셋으로 취급하세요. 샷 1과 샷 2는 잘 작동하는데 샷 3이 실패했다면, 상류의 모든 것을 폐기하지 말고 실패한 섹션만 다시 생성하세요.
MiniMax H3 사용처 가이드에서 체크포인트 처리된 샷을 사용하는 이유가 바로 여기에 있습니다. 성공적인 섹션이 저장되면, 이전 자료를 재구축하는 컴퓨팅 및 크리에이티브 비용을 반복해서 지불하지 않고도 하류의 실험을 다시 실행할 수 있습니다.
이는 더 광범위한 프로덕션 원칙으로 이끕니다.
생성(Generate) → 검증(Validate) → 저장(Save) → 계속(Continue).
AI 비디오에서 프롬프트 엔지니어링은 결국 워크플로우 엔지니어링이 됩니다.
결론
MiniMax H3 프롬프팅은 단순히 더 많은 단어로 묘사하는 것보다 작업을 명확하게 구조화할 때 가장 잘 작동합니다. 샷에 맞는 가장 단순한 모드를 선택하고, 관찰 가능한 변화를 묘사하고, 고정된 속성과 가변적인 속성을 분리하고, 각 레퍼런스에 구체적인 역할을 할당하고, 한 번에 한 레이어씩 디버깅하세요. 고급 Ref2VA 워크플로우의 진정한 장점은 캐릭터, 모션, 카메라, 오디오, 키프레임 간의 관계를 명시적으로 만든 다음, 성공한 생성물을 다음 샷을 위한 재사용 가능한 빌딩 블록으로 전환하는 데서 옵니다.








