ComfyUI MiniMax H3 프롬프트 가이드: 공식 가이드, 팁, 프롬프트 임베딩

​

공식 가이드

• 기본 생성 모드 (T2VA, I2VA, FL2VA, L2VA): 프롬프트를 시간대별 샷 구조로 작성하고 카메라 무빙과 오디오(대사, SFX, 음악)를 결합합니다. 각 모드의 예시도 포함되어 있습니다
• 풀 레퍼런스 모드 (R2V): 리라이트 출력 구조(피사체 정의, 레퍼런스 라벨, 유지 분석)와 대상 샷에서 각 레퍼런스에 역할을 할당하는 방법

​

일반 팁

integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...

1. 전체 장면 설명: 먼저 전체 장면(위치, 캐릭터, 어떤 일이 일어나고 있는지)을 설명한 다음, 시간대별 샷으로 나누어 작성하세요. 전체 스타일과 오프닝 구도는 이미지 정렬 지시 뒤에, integrated_multimodal_description 안의 [Shot 1] 시작 부분에 작성합니다
2. 샷, 카메라, 오디오: 샷, 카메라 무빙, 그리고 함께 제공되는 오디오(대사, SFX, 음악)를 하나의 프롬프트 블록에서 설명하세요
3. 해상도: H3의 기본 캔버스는 짧은 변이 768px이며, 16:9 비율에서는 1344x768입니다. 해상도는 32의 배수로 반올림됩니다. 자세한 내용은출력 해상도 설정을 참조하세요
4. 길이: 노드의 length 입력은 24fps 기준 프레임 수(기본값 124, 약 5초)이며, 모델의 17프레임 블록 그리드(17k+5)로 올림하여 맞춰집니다
5. 화면 텍스트는 따옴표로: 화면에 실제로 보이는 텍스트(간판, 배너, 자막, 네온 사인 등)는 모두 영어 큰따옴표로 감싸고, 하나씩 개별적으로 나열하세요. 원문 텍스트와 문장 부호는 번역하지 말고 그대로 옮깁니다. 예: A red neon sign reading "营业中" glows above the doorway. 대사는 <d> 태그를 사용하세요. 따옴표는 인쇄된 텍스트용이고, <d>는 캐릭터가 말하는 내용용입니다
6. R2V의 오디오 재사용 마커: 풀 레퍼런스(R2V) 프롬프트에서는 보존 분석에 각 오디오 레퍼런스의 관계를 선언하세요. fully_copy는 소스 오디오를 1:1로 최종 오디오 트랙으로 사용하고, partially_copy는 타임라인의 일부나 선택한 레이어만 복사하거나 복사한 뒤 다른 소리를 추가, 제거, 교체하며, reference는 신호를 복사하지 않고 음색, 리듬, 음악 스타일, 대사 내용 또는 소리 질감만 참조하고, weak_reference는 범주나 분위기의 대략적인 유사성만 유지합니다. 마커는 해당 오디오가 대상 영상에서 실제로 하는 역할과 일치해야 합니다. 공식 풀 레퍼런스 가이드의 관계 마커 표를 참조하세요
7. 오디오 레인을 명시적으로 작성하세요: 각 프롬프트에는 두 개의 오디오 필드가 있고 규칙이 서로 다릅니다. overall_soundscape는 전체 영상의 환경음, 동작음, 비언어적 사람 소리를 14문장으로 요약하고(대사, 노래, 다이제틱 음악은 integrated_multimodal_description에 속하며 여기에 쓰지 않습니다), 클립을 완전히 무음으로 만들 때만 N/A를 사용합니다. non_diegetic_music은 관객만 듣는 스코어를 13문장으로 설명하고 그런 음악이 없으면 N/A를 사용합니다. 조용한 샷이 요청하지 않은 말소리와 함께 돌아오면 두 필드를 모두 명시적으로 작성해 다시 생성하세요. 공식 베이스 가이드의 overall_soundscape와 non_diegetic_music 섹션을 참조하세요
8. 금지는 긍정문으로 쓰세요: H3 템플릿은 조건 입력이 하나뿐인 BasicGuider 노드로 샘플링하므로 네거티브 분기가 없고 네거티브 프롬프트는 효과가 없습니다(가이더는 cfg 1로 동작하며 ComfyUI는 무조건 패스를 건너뜁니다. CFGGuider가 네거티브 조건을 사용하는 것은 cfg가 1을 넘을 때뿐입니다). 원하지 않는 요소를 지목하는 지시는 그 표현 자체가 모델이 읽는 설명에 더해지고, 이를 빼줄 별도의 패스가 없으므로 no subtitles and no on-screen text 같은 문장은 텍스트를 화면 내용으로 등록합니다. 대신 화면에 있어야 할 것을 쓰세요(예: the sign above the door is blank). 풀 레퍼런스 프롬프트에서는 같은 내용을 리텐션 분석으로 한정합니다(fully_preserved, partially_preserved, attribute_transfer, weak_reference가 각 레퍼런스의 기여를 나타냅니다)
9. 레퍼런스 시트(R2V): 레퍼런스 이미지 한 장에 피사체의 여러 뷰나 스토리보드의 각 패널을 담고, 프롬프트에서는 패널을 하나씩 지정합니다. 이 이미지에는 독립적인 <Picture N> 항목을 주고 <Subject N> 정의 안에 넣지 마세요. 정의 안에만 적은 이미지는 별도 레퍼런스로 사용되지 않습니다. 그 항목에서 시트를 설명하고, 예를 들어 <Picture 2> is a character sheet with three panels: a portrait, a full front view, and a full back view of the woman이라고 씁니다. 샷 설명 안에서 패널 하나를 지정하며, 예를 들어 [Shot 2] the shot's keyframe corresponds to the full front view panel of <Picture 2>와 같이 씁니다. 시트로 묶으면 로컬 R2V 노드의 레퍼런스 이미지 9장 제한 안에 여러 뷰를 담을 수 있고, 각 샷이 필요한 뷰를 지정할 수 있습니다. 프롬프트에서 지정할 수 있도록 패널에 번호나 라벨을 붙이고, 시트에 인쇄하는 텍스트도 그 라벨로 끝내세요.

​

대사와 화자

• 안정적인 화자 ID: 프롬프트의 모든 목소리에 (S1) 또는 (S2) 같은 ID를 부여합니다. 화면 밖 목소리와 노래도 마찬가지이며, 그 목소리가 말하는 모든 샷에서 같은 ID를 반복합니다. ID는 피사체가 아니라 화자에게 붙는 번호입니다. 발화하지 않는 캐릭터에는 ID가 없고, 프롬프트의 첫 번째 목소리는 그 캐릭터의 번호와 관계없이 (S1)입니다. 동시에 발성하는 화자는 (S1,S2) 같은 복합 ID를 사용합니다
• <d> 바깥과 안쪽: 특징을 설명하는 문구, 화자 ID, 동작, 말투는 태그 밖에 두고, 태그 안에는 언어 태그와 대사 원문만 원문 그대로 넣습니다. 각 대사는 그 대사가 나오는 샷 안에, 해당 샷의 동작과 같은 문단으로 작성합니다
• 보이스오버: 캐릭터가 말하지 않았는데 관객에게 들리는 대사에는 정확한 문구 says in an off-screen voiceover가 필요하고, <d> 블록 바로 뒤에 화면 속 캐릭터의 입이 닫혀 있음을 명시해야 합니다. 컷을 넘어 이어지는 대사는 양쪽 연결 지점에 <scenetrans>를 쓰고, 오디오가 전환을 넘어 이어진다는 설명도 함께 넣습니다
• 여러 화자와 오디오 레퍼런스: 풀 레퍼런스(R2V) 프롬프트에서 화자 둘 이상에 각각 오디오 레퍼런스를 연결하면, 프롬프트 문장과 레퍼런스 연결 순서가 모두 맞아도 H3가 오디오 레퍼런스를 다른 화자에게 넘기는 경우가 있습니다. 각 샷에서는 그 샷에 필요한 레퍼런스만 사용하고, 대사는 절대 타임코드가 아니라 눈에 보이는 사건에 연결합니다. 예를 들어 When the phone is at his ear, the man in the coat speaks처럼 씁니다. 타임코드는 컷을 위한 것입니다. 그래도 대사가 다른 화자에게 배정되면 음성 도구로 그 대사를 생성해 해당 화자의 오디오 레퍼런스로 전달하고, 그 클립의 실제 용도에 맞는 관계 마커를 고릅니다. 클립이 영상의 완전한 최종 오디오 트랙이 되면 fully_copy, 타임라인의 일부만 담당하면 partially_copy입니다

​

프롬프트 임베딩