MiniMax H3, metin, görsel, video ve sesi aynı anda girdi olarak kabul eden açık ağırlıklı bir video modeli. Ürettiği videonun sesini de kendisi üretiyor, dudak senkronu için ayrı bir araca gerek kalmıyor.1 Çözünürlük 2K'ya, süre on beş saniyeye kadar çıkıyor.1
Burada bilmen gereken bir ayrıntı var ve bu ayrıntı kurulum kararını değiştiriyor.
⚠️ Kendi bilgisayarında ne alıyorsun
Model tek parça değil, üç bölümden oluşuyor.1
Girdiyi anlayan bölüm. Verdiğin karmaşık talimatı modelin anlayacağı hale çeviriyor. Bu bölüm açık kaynak yayınlanmadı, yerine bir API sunuluyor.1
Üretim bölümü. Videoyu ve sesi üretiyor. Bu bölüm açık ve kendi bilgisayarında çalışıyor. Verdiği çözünürlük 768p.1
Yükseltme bölümü. 768p çıktıyı orijinal girdiyle birlikte tekrar modele verip 2K üretiyor.1
Yani kendi bilgisayarında ücretsiz aldığın şey 768p. Sosyal medya için fazlasıyla yeterli. 2K istiyorsan üretim zincirinin bir adımı için hesap açman gerekiyor.
Bunu baştan bilmek önemli, çünkü "tamamen ücretsiz 2K" beklentisiyle kurulum yapıp sonucu görünce iş yarım kalıyor.
🔀 İki ayrı sürüm var, ikisi farklı iş yapıyor
Model iki ayrı dosya seti halinde geliyor.1
Metinden ve ilk kareden üretim. Bir metin veriyorsun, istersen ilk kareyi, istersen son kareyi, istersen ikisini birden veriyorsun. Aradaki hareketi model kuruyor.
Bu, ürün videosu için doğru olan sürüm. Ürünün fotoğrafını ilk kare olarak verip hareketi yazıyorsun.
Referanstan üretim. Metnin yanında referans görseller, videolar ve ses dosyaları veriyorsun. Model bunlara bakarak üretiyor.
Bu, aynı kişiyi ya da aynı ürünü birden fazla videoda aynı görünmesi gerektiğinde doğru olan sürüm.
⚙️ Kurulum promptu (kopyala)
Claude uygulamasının Kod bölümünü aç ve şunu yapıştır:
Hugging Face'teki MiniMaxAI/MiniMax-H3 modelini bilgisayarıma kur.
Ekran kartım şu: [ekran kartı modeli ve belleği]
Yapmak istediğim iş şu: [örnek: ürün fotoğrafından altı saniyelik dönen ürün videosu]
Bu işe hangi sürüm uygun, metinden ve ilk kareden üretim mi yoksa referanstan üretim mi? Gerekçesini yaz.
Sadece o sürümün dosyalarını indir, hepsini indirme.
Kurulum bitince iki saniyelik bir deneme üret ve çalıştığını göster. Deneme çalışmadan uzun üretime geçme.
Sadece bir sürümü indirmesini söylemek önemli. İki sürümün dosyaları ayrı ayrı yer kaplıyor ve çoğu işte tek sürüm yetiyor.
🎬 Sesi de yazman gerekiyor
Modelin en atlanan tarafı bu. Ses ayrı bir adım değil, promptun bir parçası. Sesi yazmazsan model kendi kafasına göre bir ses koyuyor ve genelde işine yaramıyor.
Prompt kalıbı şu:
[Ne görünüyor: sahne, ürün, kişi]
[Kamera ne yapıyor: sabit mi, dönüyor mu, yaklaşıyor mu]
[Işık ve renk]
Ses: [ortam sesi ne, konuşma var mı, varsa ne diyor, müzik olsun mu]
❓ Hangi işte kazanıyor, hangi işte kaybediyor
Kazandığı yer, sesi ve görüntüyü birlikte isteyen işler. Konuşan bir kişi, ortam sesi olan bir sahne, ürünün üzerine düşen sesle birlikte bir plan. Bunları iki ayrı araçla yapıp sonra birleştirmek hem uzun sürüyor hem de senkron tutmuyor.
Kaybettiği yer, uzun video. On beş saniye bir sınır ve bunu aşmıyorsun. Daha uzun bir iş için birden fazla üretimi birleştirmen gerekiyor, o zaman da sahneler arası tutarlılık sorunu başlıyor.
Özetle
- MiniMax H3 metin, görsel, video ve ses girdisini birlikte anlıyor ve videoyu sesiyle üretiyor.
- Kendi bilgisayarında çalışan bölüm 768p veriyor; 2K için zincirin bir adımı hesap istiyor.
- İki ayrı sürüm var: ilk kareden üretim ürün videosu için, referanstan üretim tekrar eden kişi ve ürün için.
- Sadece işine yarayan sürümü indir, iki setin dosyaları ayrı ayrı yer kaplıyor.
- Sesi prompta yazmazsan model kendi seçtiği sesi koyuyor ve genelde işe yaramıyor.
Sen hangi işte kullanacaksın: konuşan bir kişi mi, ürün videosu mu? Yaz, hangi sürümü kurman gerektiğine birlikte bakalım.