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

MiniMax H3 gebruik je het beste door eerst de juiste generatiemodus te kiezen, en vervolgens te bepalen wat je wilt aansturen met tekst, frames, referenties, beweging en audio. Je kunt genereren vanuit tekst, een eerste of laatste frame vastzetten, of afbeeldingen, video's en audio gebruiken om identiteit, beweging, cameragedrag en stem te sturen.

Omdat H3 multimodale referenties combineert met native audiovisuele generatie, komen betere resultaten meestal voort uit duidelijke controle in plaats van 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 oplossing zijn om gestructureerde broninhoud om te zetten in een videoworkflow, vóór of in plaats van elke scène handmatig aan te sturen in H3.

MiniMax H3 gebruiken: Met welke workflow begin je?

De snelste manier om MiniMax H3 te gebruiken, is door eerst de generatiemodus te kiezen, voordat je de prompt schrijft. H3 ondersteunt tekst, invoer via eerste/laatste frames en multimodale referenties, maar elke invoer speelt een andere rol. De officiële modelkaart van MiniMax onderscheidt zijn open-weight checkpoints in FL2VA voor tekst- en frame-gebaseerde generatie, en Ref2VA voor referentie-gestuurde generatie met afbeeldingen, video's of audio.

Is je afbeelding een frame of een referentie?

Dit onderscheid lost veel controleproblemen op.

Een frame is een tijdelijk anker. Als een geüploade productafbeelding letterlijk de eerste afbeelding moet zijn die kijkers zien, gebruik deze 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 blijft tijdens het creëren van een nieuwe compositie, behandel het dan als een referentie.

De officiële promptrichtlijnen van MiniMax maken dit onderscheid expliciet: I2VA begint met de aangeleverde afbeelding op 0,00 seconden, terwijl de volledige referentiemodus onderwerpen, afbeeldingen, video's en audio afzonderlijk volgt, afhankelijk van de rol die elk element speelt.

De H3 Control Stack

Voordat je een prompt invoert, bepaal je wat de zes onderdelen van de video aanstuurt: identiteit, tijdlijn, beweging, camera, audio en einde.

Een commerciële video kan bijvoorbeeld een referentieafbeelding gebruiken voor productidentiteit, tekst voor de actie van het product, een referentievideo voor camerabeweging, native audio-instructies voor geluidsontwerp, en een laatste frame voor het uiteindelijke slotbeeld.

Dit voorkomt een veelvoorkomende fout: één lange tekstprompt alles laten aansturen.

Hoe schrijf je een MiniMax H3 prompt die je meer controle geeft?

Een effectieve 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 adjectieven opsomt, vergelijkbaar met de best practices 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 integrated_multimodal_description beschrijft shots in volgorde, terwijl overall_soundscape en non_diegetic_music afzonderlijk fysiek geluid en soundtrack aansturen.

Bouw de scène op in afspeelvolgorde

In plaats van:

Een premium cinematische huidverzorgingscommercial met dramatische beweging.

Gebruik een observeerbare sequentie:

Een glazen serumfles staat op een donkere stenen sokkel. Een smalle lichtstraal veegt over het etiket. De fles draait langzaam met de klok mee terwijl de camera dichterbij komt. Condens vangt het licht op. De fles stopt met het logo naar de camera gericht.

De tweede versie geeft H3 zichtbare statusveranderingen om uit te voeren.

Houd ook rekening met een complexiteitsbudget. Een clip van 10 seconden met drie personages, vier cuts, een transformatie, twee dialoogregels, een bewegende camera en verschillende referenties is technisch misschien beschrijfbaar, maar dat betekent niet dat al die gebeurtenissen natuurlijk in tien seconden passen.

Stuur camerabeweging en cuts doelgericht aan

Specificeer cameragedrag alleen wanneer het bijdraagt aan het shot: inzoomen, uitzoomen, pannen, tracken, tilten, arceren of statisch blijven.

Voorkom dat elke framingaanpassing een nieuwe cut wordt. Een langzame overgang van een medium shot naar een close-up kan vaak worden beschreven als een camerabeweging in plaats van een nieuwe scène.

Definieer het einde, niet alleen de actie

Een prompt wordt gemakkelijker te controleren wanneer deze uitlegt waar de actie eindigt.

In plaats van te eindigen met “het personage loopt naar het raam,” definieer de eindtoestand: het personage stopt naast het raam, draait zich naar de camera en blijft gekadreerd tegen de skyline.

Dit is vooral belangrijk voor productdemovideo's, logoshots, overgangen en workflows met eerste/laatste frames.

Hoe gebruik je afbeeldingen, video's, storyboards en stemreferenties in MiniMax H3?

Referentie-naar-video is waar H3 meer wordt dan een conventionele afbeelding-naar-video tool. Het officiële Ref2VA-model accepteert multimodale referenties en kan deze gebruiken om identiteit, beweging, cameragedrag, 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-opzet kan toewijzen:

Afbeelding 1 → karakteridentiteit; 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 verbindingsvolgorde en vermeld expliciet welk element identiteit, stijl, beweging, camera of stem aanstuurt.

Meer referenties creëren niet automatisch meer controle. Ze creëren meer relaties die H3 moet oplossen. Als twee afbeeldingen verschillende outfits impliceren terwijl een referentievideo een ander uiterlijk van een personage bevat, moet het model beslissen welk signaal het belangrijkst is, tenzij de prompt die verantwoordelijkheden duidelijk maakt.

<Subject> vs <Picture>

In het volledige referentieformaat van MiniMax vertegenwoordigt <Subject N> herbruikbare zichtbare inhoud zoals een persoon, object, omgeving of ander element, geabstraheerd van referentie-assets. <Picture N> vertegenwoordigt een concrete afbeelding die wordt gebruikt als frame of compositieanker. <Video N> en <Audio N> volgen temporele of audioreferenties.

Dit betekent dat één onderwerp niet gelijk hoeft te zijn aan één bestand. Een personage kan gezichtsidentiteit van de ene afbeelding combineren met kleding- of bewegingsinformatie van een andere bron.

Wanneer gebruik je een storyboard?

Wanneer ruimtelijke relaties moeilijker uit te leggen zijn dan te tonen, kan een storyboard fungeren als een visuele planningslaag. Dit is bijzonder nuttig voor multi-shot sequenties, productonthullingen, karakterblokkering of terugkerende composities.

Vanuit het perspectief van een AI-videoworkflow is het voordeel niet dat een storyboard elk frame garandeert. Het vermindert hoeveel ruimtelijke en shot-planningsinformatie alleen via proza moet worden gecommuniceerd.

Hoe beheer je dialoog, geluidseffecten en muziek in MiniMax H3?

H3 genereert native stereo audio samen met video, in plaats van audio als een aparte post-productielaag te behandelen. MiniMax specificeert 32 kHz stereo-output, en het promptsysteem ondersteunt dialoog, fysieke geluiden en niet-diegetische muziek als afzonderlijke concepten.

Schrijf dialoog als onderdeel van het shot

Dialoog moet vier vragen beantwoorden: wie spreekt, wat ze zeggen, wanneer ze spreken en hoeveel schermtijd ze hebben.

Het gestructureerde formaat van MiniMax kan persistente spreker-ID's zoals (S1) en dialoogtags zoals <d>[English]...</d> gebruiken. Beginners hoeven echter niet met de syntaxis te beginnen. Het belangrijkere principe is timing.

Gebruik dialoogbudgettering

Dialoog verbruikt echte seconden.

Als een spreker vier seconden verschijnt, vermijd dan het schrijven van een zin die realistisch gezien acht seconden nodig heeft om uit te spreken. Anders moet het model de spraak comprimeren, overhaasten, inkorten of vervormen.

Dit is in de praktijk belangrijk, omdat lokale H3-gebruikers al itereren op shottiming en dialoog naast visuele prompting, in plaats van spraak als een onafhankelijke laag te behandelen. Eén gerapporteerde RTX 5080-test gebruikte een gestructureerde multi-shot prompt en vereiste herhaalde promptaanpassingen, terwijl de generatie zelf computationeel duur bleef.

Scheid soundscape van achtergrondmuziek

Gebruik de soundscape voor geluiden die fysiek in de scène aanwezig zijn: voetstappen, motoren, wind, deuren, mensenmassa's, stofbeweging of machines.

Gebruik niet-diegetische muziek voor muziek die door het publiek wordt gehoord, maar niet door de personages.

Het scheiden van de twee geeft H3 nuttigere aanwijzingen dan een vage instructie zoals “voeg cinematische audio toe.” Het officiële promptformaat van MiniMax houdt deze twee audiolagen bewust gescheiden.

Welke instellingen en testworkflow leveren betere MiniMax H3 resultaten op?

MiniMax documenteert H3-output van 4–15 seconden, 24 FPS, met meerdere beeldverhoudingen en een standaard korte zijde van 768 pixels voor de open H3-Base workflow. Het complete systeem kan 2K produceren via H3-Regenerate-2K.

Kies duur, beeldverhouding en resolutie op basis van het shot

Kies niet automatisch de langste duur. Stem de duur af op het aantal betekenisvolle gebeurtenissen.

Gebruik 16:9 voor de meeste landschapsinhoud, 9:16 voor verticale sociale video en 1:1 wanneer een vierkante compositie past bij het distributiekanaal. In ComfyUI bieden de officiële H3-workflows bedieningselementen voor beeldverhouding en megapixels via een Resolutie Selector, waarbij hogere pixelcounts de generatiekosten verhogen.

Gebruik een Preview Fidelity Ladder

Een goedkope preview is nuttig, maar alleen voor de juiste vragen.

Vroege tests zijn goed voor het controleren van compositie, grote beweging, cameraregie, cuts en ruwe timing. Ze zijn minder betrouwbaar voor het evalueren van kleine tekst, gezichten op afstand, logo's of fijne productdetails.

Het doel is daarom niet simpelweg “altijd eerst genereren op lage resolutie.” Het is om goedkopere generaties te gebruiken voor structurele beslissingen, en vervolgens rekenkracht te besteden aan de details die pas bij hogere fidelity zichtbaar worden.

Test één variabele tegelijk

Een praktische productiesequentie is om eerst de scène te valideren, dan beweging en camera, dan dialoog/audio, dan aanvullende referenties of cuts, en ten slotte de hoogwaardige generatie.

Dit is belangrijk omdat de werkelijke kosten van AI-video vaak generatiekosten × aantal iteraties zijn. In één communitytest produceerde een RTX 5080-systeem een 15-seconden, 0,4 MP, 10-staps H3-generatie in ongeveer 11 minuten, waarbij de tijd per stap aanzienlijk toenam naarmate de videolengte toenam. De gebruiker meldde ook dat er workarounds nodig waren om out-of-memory fouten te voorkomen. Beschouw dit als een enkel praktijkgeval, geen universele benchmark.

Hoe gebruik je MiniMax H3 in ComfyUI, API-workflows en los je veelvoorkomende problemen op?

ComfyUI biedt momenteel officiële H3-sjablonen voor Tekst-naar-Video, Afbeelding-naar-Video en Referentie-naar-Video. De native nodes gebruiken de FL2VA-familie voor tekst/frame-workflows en Ref2VA voor multimodale referenties.

De MiniMax API volgt een andere route: H3-taken zijn asynchroon. Je dient een generatie-, Context-IR- of regeneratietaak in, ontvangt een task_id, en vraagt vervolgens het resultaat van die taak op. 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 weights. MiniMax beschrijft drie modules: H3-Context-IR → H3-Base → H3-Regenerate-2K. Lokale H3-Base valideert 768p-generatie, terwijl de volledige 2K-workflow de originele context combineert met het 768p-resultaat voor regeneratie.

Diagnosticeer storingen op drie niveaus

Voordat je de prompt herschrijft, identificeer je de storingslaag.

Dit is een nuttig onderscheid, omdat niet elk visueel defect een promptingprobleem is.

Veelvoorkomende MiniMax H3 problemen en praktische oplossingen

Als identiteit afwijkt, vereenvoudig dan conflicterende referenties en definieer duidelijk 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 acties, cuts of dialoog in plaats van meer promptdetails toe te voegen. Als spraak gecomprimeerd klinkt, verkort dan de dialoog of geef de spreker meer tijd.

Beschrijf voor first/last-frame warping de fysieke overgang ertussen, in plaats van alleen twee eindpunten te specificeren. Als een R2V-referentie weinig invloed heeft, vermeld dan de exacte rol ervan in plaats van deze simpelweg toe te voegen.

Lokale gebruikers moeten ook zorgvuldig omgaan met prestatie-tuning. ComfyUI documenteert officieel optionele Sage Attention en stelt dat de voorbeeldworkflows een ruwweg verdubbelde generatiesnelheid kunnen bereiken met minimaal kwaliteitsverlies, maar andere caching-, kwantisatie- en experimentele optimalisatietechnieken kunnen verschillende afwegingen met zich meebrengen.

Conclusie

MiniMax H3 is gemakkelijker te controleren wanneer je videogeneratie behandelt als een productieworkflow in plaats van een wedstrijd om de langste prompt. Kies de juiste modus, wijs elke referentie een specifieke verantwoordelijkheid toe, budgetteer acties en dialoog binnen de beschikbare tijd, test structurele beslissingen vóór de uiteindelijke kwaliteitsrendering, en diagnosticeer storingen als prompt-, referentie- of renderingproblemen. Die aanpak schaalt van eenvoudige tekst-naar-videoclips tot complexe multimodale setups, wat weerspiegelt hoe mensen tegenwoordig zo snel AI-video's maken.