MiniMax H3 gebruiken: De complete gids voor prompts, referenties, audio en ComfyUI

MiniMax H3 werkt het best als je eerst de juiste generatiemodus kiest en pas daarna bepaalt wat wordt aangestuurd via tekst, frames, referenties, beweging en audio. Je kunt genereren op basis van tekst, een begin- of eindframe vastzetten, of beelden, video's en audio gebruiken om identiteit, beweging, cameragedrag en stem te sturen.
Omdat H3 multimodale referenties combineert met native audiovisuele generatie, leveren duidelijke aansturingen meestal betere resultaten op dan langere prompts. Deze gids legt uit hoe je de juiste workflow kiest, betere prompts schrijft, referenties gebruikt, dialoog en geluid beheert, efficiënt test en werkt met ComfyUI of de API.
Als je startpunt een PDF, presentatie, SOP of trainingsdocument is in plaats van een creatieve prompt, kan Leadde een betere optie zijn om gestructureerde broncontent om te zetten in een videoworkflow voordat je elke scène handmatig aanstuurt in H3, of als alternatief daarvoor.
Hoe gebruik je MiniMax H3: Met welke workflow moet je beginnen?
De snelste manier om MiniMax H3 te gebruiken is door de generatiemodus te kiezen voordat je de prompt schrijft. H3 ondersteunt tekst, begin-/eindframes en multimodale referenties, maar elke invoer heeft een andere rol. In het officiële modeloverzicht van MiniMax zijn de open-weight checkpoints opgesplitst in FL2VA voor tekst- en frame-gebaseerde generatie, en Ref2VA voor generatie op basis van referenties zoals afbeeldingen, video's of audio.
| Modus | Beste voor | Wat de video aanstuurt |
| T2VA | Een scène vanaf nul creëren | Tekstprompt |
| I2VA | Starten vanuit een exacte afbeelding | Eerste frame + prompt |
| L2VA | Toewerken naar een specifiek einde | Laatste frame + prompt |
| FL2VA | Zowel begin als einde aansturen | Eerste + laatste frame |
| Ref2VA | Identiteit, beweging, camera, stijl of stem behouden | Multimodale referenties + prompt |
Is je afbeelding een frame of een referentie?
Dit onderscheid lost veel aansturingsproblemen op.
Een frame is een tijdelijk anker. Als een geüpload productbeeld letterlijk het eerste beeld moet zijn dat kijkers te zien krijgen, gebruik dit dan als eerste frame.
Een referentie is herbruikbare informatie. Als je alleen wilt dat het productontwerp, het gezicht van een personage, de outfit of de visuele stijl consistent blijven terwijl je een nieuwe compositie maakt, behandel dit dan als een referentie.
De officiële prompt-richtlijnen van MiniMax maken dit onderscheid helder: I2VA begint vanaf het meegeleverde beeld op 0,00 seconden, terwijl de modus voor volledige referenties afzonderlijk onderwerpen, afbeeldingen, video's en audio volgt op basis van de rol van elk asset.
De H3-besturingslaag
Bepaal voorafgaand aan het schrijven van de prompt wat zes onderdelen van de video aanstuurt: identiteit, tijdlijn, beweging, camera, audio en de ontknoping.
Een commerciële video kan bijvoorbeeld een referentie-afbeelding gebruiken voor de productidentiteit, tekst voor de actie van het product, een referentievideo voor camerabeweging, native audio-instructies voor het sounddesign en een laatste frame voor de ultieme hero-shot.
Dit voorkomt een veelgemaakte fout: één lange tekstprompt gebruiken om alles tegelijk aan te sturen.

Hoe schrijf je een MiniMax H3-prompt die je meer controle geeft?
Een nuttige H3-prompt beschrijft de video in afspeelvolgorde. Denk als een regisseur die beschrijft wat er daadwerkelijk te zien en te horen is, in plaats van als een copywriter die bijvoeglijk naamwoorden opsomt – vergelijkbaar met de beste praktijken voor het schrijven van een effectief videoscript.
Een praktische structuur is:
Scène → Onderwerp → Actie → Camera → Dialoog/Geluid → Einde
Het officiële basispromptformaat van MiniMax volgt dezelfde onderliggende logica. De parameter integrated_multimodal_description beschrijft shots in volgorde, terwijl overall_soundscape en non_diegetic_music fysiek geluid en de soundtrack afzonderlijk aansturen.
Bouw de scène op in afspeelvolgorde
In plaats van:
Een premium, cinematische skincare-commercial met dramatische bewegingen.
Gebruik je een waarneembare reeks:
Een glazen serumbles staat op een donkere stenen sokkel. Een smalle lichtbundel schiet over het etiket. Het flesje draait langzaam met de klok mee terwijl de camera dichterbij komt. Condensatie vangt het licht. Het flesje stopt met het logo gericht naar de camera.
De tweede versie geeft H3 zichtbare statuswijzigingen om uit te voeren.
Houd daarnaast rekening met een complexiteitsbudget. Een clip van 10 seconden met drie personages, vier cuts, een transformatie, twee dialogen, een bewegende camera en verschillende referenties is technisch misschien te beschrijven, maar dat betekent niet dat al die gebeurtenissen op een natuurlijke manier in tien seconden passen.
Stuur camerabeweging en cuts bewust aan
Geef camerabeweging alleen op als deze echt bijdraagt aan het shot: inzoomen, uitzoomen, pannen, tracken, tilten, arceren of statisch blijven.
Voorkom dat elke kadersanpassing resulteert in een nieuwe cut. Een trage overgang van medium shot naar close-up kan vaak worden beschreven als een camerabeweging in plaats van een nieuwe scène.
Bepaal het einde, niet alleen de actie
Een prompt wordt makkelijker aan te sturen wanneer je uitlegt waar de actie eindigt.
In plaats van te eindigen met "het personage loopt naar het raam", definieer je de eindsituatie: het personage stopt naast het raam, draait zich om naar de camera en blijft mooi in beeld tegen de skyline.
Dit is met name belangrijk voor productdemonstratievideo's, logo-shots, overgangen en begin-/eindframeworkflows.
Hoe gebruik je afbeeldingen, video's, storyboards en stemreferenties in MiniMax H3?
Reference-to-video is het punt waarop H3 veel meer wordt dan een conventionele image-to-video-tool. Het officiële Ref2VA-model accepteert multimodale referenties en kan deze inzetten om identiteit, beweging, camerabeweging, stijl en audio te beïnvloeden. MiniMax documenteert momenteel ondersteuning voor maximaal negen afbeeldingen, drie referentievideo's, drie audioclips en in totaal 12 gemengde bestanden.
Geef elke referentie één duidelijke taak
Een sterke referentie-setup kan de volgende taken toewijzen:
Afbeelding 1 → personage-identiteit; Afbeelding 2 → kleding; Video 1 → lichaamsbeweging; Video 2 → camerabeweging; Audio 1 → stem.
De officiële H3-documentatie van ComfyUI beveelt hetzelfde principe aan: verwijs naar elke invoer in de volgorde van koppeling en geef expliciet aan welk asset de identiteit, stijl, beweging, camera of stem aanstuurt.
Meer referenties zorgen niet automatisch voor meer controle. Ze creëren juist meer onderlinge relaties die H3 moet oplossen. Als twee afbeeldingen suggereren dat er andere kleding wordt gedragen en een referentievideo een ander uiterlijk van een personage toont, moet het model bepalen welk signaal het zwaarst weegt, tenzij de prompt die verantwoordelijkheden helder afbakent.
<Subject> versus <Picture>
In het volledige referentieformaat van MiniMax vertegenwoordigt <Subject N> herbruikbare zichtbare content zoals een persoon, object, omgeving of ander element dat is geabstraheerd uit referentieassets. <Picture N> staat voor een concreet beeld dat wordt gebruikt als frame- of compositie-anker. <Video N> en <Audio N> volgen respectievelijk tijdelijke of audioreferenties.
Dit betekent dat één onderwerp niet gelijk hoeft te zijn aan één bestand. Zo kan het gezicht van een personage uit de ene afbeelding worden gecombineerd met kleding- of bewegingsinformatie uit een andere bron.
Wanneer moet je een storyboard gebruiken?
Wanneer ruimtelijke relaties ingewikkelder te beschrijven zijn dan te tonen, kan een storyboard fungeren als visuele planning. Dit is met name handig voor sequenties met meerdere shots, productonthullingen, de positionering van personages of terugkerende composities.
Vanuit het perspectief van een AI-videoworkflow is het voordeel niet dat een storyboard elk frame garandeert. Het vermindert de hoeveelheid ruimtelijke en shot-planningsinformatie die via platte tekst moet worden overgebracht.

Hoe stuur je dialoog, geluidseffecten en muziek aan in MiniMax H3?
H3 genereert native stereoaudio gelijktijdig met de video, in plaats van audio te behandelen als een afzonderlijke post-production-laag. MiniMax specificeert een 32 kHz stereo-uitvoer en het promptingsysteem ondersteunt dialoog, fysieke geluiden en niet-diëgetische muziek als afzonderlijke concepten.
Schrijf dialoog als onderdeel van het shot
Dialoog dient vier vragen te beantwoorden: wie spreekt er, wat wordt er gezegd, wanneer wordt het gezegd en hoeveel schermtijd is er beschikbaar.
Het gestructureerde formaat van MiniMax kan gebruikmaken van persistente spreker-ID's zoals (S1) en dialoogtags zoals <d>[English]...</d>. Beginners hoeven echter niet meteen met syntax te beginnen. Het allerbelangrijkste principe is timing.
Pas dialoogbudgettering toe
Dialoog kost echte seconden.
Als een spreker vier seconden in beeld is, schrijf dan geen zin die in de praktijk acht seconden kost om uit te spreken. Anders wordt het model gedwongen om de spraak samen te persen, af te raffelen, af te breken of te vervormen.
Dit is in de praktijk cruciaal omdat lokale H3-gebruikers al doende de timingen van de shots en de dialoog afstemmen op de visuele prompt, in plaats van spraak te beschouwen als een onafhankelijke laag. Uit één gedocumenteerde RTX 5080-test bleek dat een gestructureerde prompt met meerdere shots herhaalde aanpassingen vereiste, terwijl de generatie zelf computationeel intensief bleef.
Scheid de soundscape van achtergrondmuziek
Gebruik de soundscape voor geluiden die zich fysiek in de scène bevinden: stappen, motoren, wind, deuren, menigten, ritselende kleding of machines.
Gebruik niet-diëgetische muziek voor muziek die het publiek wel hoort, maar de personages niet.
Door deze twee te scheiden geef je H3 veel nuttigere sturing dan een vage instructie als "voeg cinematische audio toe". Het officiële promptformaat van MiniMax houdt deze twee audiolagen bewust apart.
Welke instellingen en testworkflow leveren betere MiniMax H3-resultaten op?
MiniMax documenteert H3-output op 4–15 seconden, 24 FPS, met meerdere aspectratio's en een standaard korte zijde van 768 pixels voor de open H3-Base-workflow. Het complete systeem kan tot 2K leveren via H3-Regenerate-2K.
Kies duur, aspectratio en resolutie op basis van het shot
Kies niet automatisch voor de langste duur. Stem de duur af op het aantal betekenisvolle gebeurtenissen.
Gebruik 16:9 voor de meeste horizontale content, 9:16 voor verticale socialvideo's en 1:1 wanneer een vierkante compositie past bij het distributiekanaal. In ComfyUI bieden de officiële H3-workflows bedieningselementen voor aspectratio en megapixels via een resolutiekeuzemenu, waarbij een hoger aantal pixels de generatiekosten verhoogt.
Gebruik een Preview Fidelity Ladder
Een goedkope preview is handig, maar alleen voor de juiste vragen.
Vroege tests zijn geschikt om te controleren op compositie, grote bewegingen, camerabeweging, cuts en globale timing. Ze zijn minder betrouwbaar voor het beoordelen van kleine tekst, gezichten in de verte, logo's of fijne productdetails.
Het doel is daarom niet simpelweg "altijd eerst genereren op lage resolutie". Het doel is om goedkopere generaties te gebruiken voor structurele beslissingen, om vervolgens rekenkracht in te zetten voor de details die pas zichtbaar worden bij een hogere getrouwheid.
Test één variabele tegelijk
Een praktische productievolgorde is om eerst de scène te valideren, daarna de beweging en camera, vervolgens de dialoog/audio, dan extra referenties of cuts, en als laatste de generatie in hoge kwaliteit.
Dit is belangrijk omdat de werkelijke kosten van AI-video doorgaans bestaan uit generatiekosten × aantal iteraties. In een community-test leverde een RTX 5080-systeem een H3-generatie op van 15 seconden, 0,4 MP en 10 stappen in ongeveer 11 minuten, waarbij de tijd per stap flink toenam naarmate de videolengte groeide. De gebruiker gaf ook aan dat er omwegen nodig waren om out-of-memory-fouten te voorkomen. Zie dit als een specifieke praktijkcase, niet als een universele benchmark.

Hoe gebruik je MiniMax H3 in ComfyUI en API-workflows, en hoe los je veelvoorkomende problemen op?
ComfyUI biedt momenteel officiële H3-sjablonen voor Text-to-Video, Image-to-Video en Reference-to-Video. De native nodes gebruiken de FL2VA-familie voor tekst-/frameworkflows en Ref2VA voor multimodale referenties.
De MiniMax-API pakt het anders aan: H3-taken zijn asynchroon. Je dient een generatie-, Context-IR- of regeneratietaak in, ontvangt een task_id en vraagt vervolgens de status van die taak op voor het resultaat. Succesvolle generatietaken retourneren de video via content.url, terwijl Context-IR een verbeterde prompt retourneert via content.prompt.
Het complete H3-systeem moet ook niet worden verward met de open H3-Base-gewichten. MiniMax beschrijft drie modules: H3-Context-IR → H3-Base → H3-Regenerate-2K. Lokaal valideert H3-Base de generatie op 768p, terwijl de volledige 2K-workflow de originele context combineert met het 768p-resultaat voor de regeneratie.
Fouten diagnosticeren op drie niveaus
Voordat je de prompt herschrijft, dien je vast te stellen in welke laag het probleem zit.
| Laag | Typisch probleem | Wat je moet aanpassen |
| Prompt | Verkeerde actie, timing, camera of einde | Herschrijf de tijdlijn |
| Referentie | Identiteit, kleding, beweging of stem verschuift | Verduidelijken of beperken van referentierollen |
| Rendering | Kleine tekst, verre gezichten, fijne details | Test output/instellingen met hogere getrouwheid |
Dit is een nuttig onderscheid, omdat niet elk visueel defect te wijten is aan een fout in de prompt.
Veelvoorkomende MiniMax H3-problemen en praktische oplossingen
Als de identiteit verschuift, vereenvoudig dan tegenstrijdige referenties en definieer helder welke bron de identiteit aanstuurt. Als een product of logo verandert, scheid dan expliciet de te behouden attributen van elementen die het model opnieuw mag ontwerpen.
Als de video gehaast aanvoelt, verminder dan het aantal acties, cuts of dialogen in plaats van meer details aan de prompt toe te voegen. Als spraak samengeperst klinkt, kort dan de dialoog in of geef de spreker meer tijd.
Beschrijf voor begin-/eindframevervorming de fysieke overgang daartussen in plaats van alleen twee eindpunten op te geven. Als een R2V-referentie nauwelijks invloed heeft, specificeer dan de exacte rol in plaats van deze simpelweg te koppelen.
Lokale gebruikers dienen ook zorgvuldig om te gaan met prestatie-optimalisatie. ComfyUI documenteert optioneel Sage Attention en stelt dat de voorbeeldworkflows de generatiesnelheid ruwweg kunnen verdubbelen met minimaal kwaliteitsverlies, hoewel andere caching-, kwantisatie- en experimentele optimalisatietechnieken andere afwegingen met zich mee kunnen brengen.
Conclusie
MiniMax H3 is eenvoudiger aan te sturen wanneer je videogeneratie behandelt als een productieworkflow in plaats van een wedstrijd wie de langste prompt kan schrijven. Kies de juiste modus, ken elke referentie een specifieke verantwoordelijkheid toe, budgetteer acties en dialogen binnen de beschikbare tijd, test structurele beslissingen vóór de rendering in definitieve kwaliteit, en diagnoseer fouten als problemen met de prompt, referentie of rendering. Die aanpak is schaalbaar van simpele text-to-video-clips tot complexe multimodale setups, en weerspiegelt hoe mensen tegenwoordig zo snel AI-video's maken.








