VIBEPAPER JOURNAL / AI CREATION

VibePaper에서 쓰는 MiniMax H3: 섞인 참고 자료에 역할 맡기기, 소리를 화면과 함께 설계하기, 그리고 아직 무너지는 지점

VibePaper · 업데이트

MiniMax H3는 텍스트, 이미지, 동영상, 오디오를 하나의 창작 맥락으로 받아들여, 화면과 소리가 동기화된 장면을 생성합니다. 텍스트를 동영상으로 바꾸기만 하는 엔드포인트와 실질적으로 다른 점은, 추가하는 파일 하나하나가 결정이라는 것입니다. 모든 파일은 숏에 대한 질문 하나에 답해야 하며, 그렇지 않으면 노이즈가 됩니다. 이 글에서는 H3가 혼합 참고 자료를 어떻게 읽는지, 역할을 어떻게 나누는지, 소리를 화면과 함께 어떻게 설계하는지, MiniMax가 768p와 2K 처리에 대해 무엇을 공개했는지, 그리고 Paper Gen에서 실제로 생성해 보니 어떤 일이 있었는지를 다룹니다. MiniMax의 설명에서 나온 내용은 그렇다고 밝혀 두었습니다.

  • MiniMax H3
  • AI 동영상 생성
  • 혼합 참고 자료
  • 오디오·비디오 동시 생성
  • VibePaper
MiniMax H3 동영상의 한 장면
MiniMax H3의 한 프레임. 아래 단계는 VibePaper Paper Gen 화면을 기준으로 합니다.

한눈에 보기

MiniMax가 공개한 MiniMax H3 사양과 작업을 좌우하는 Paper Gen 설정
기능공개된 수치 또는 동작Paper Gen에서의 의미
클립 길이생성 1회당 4~15초Paper Gen의 기본값은 5초입니다. 작업 내용을 정하는 설정이므로 제출하기 전에 정하세요.
해상도기본 생성은 768p, 재생성 처리로 최대 2KPaper Gen의 기본값은 768p입니다. 반복 작업은 768p에서 하고, 높은 해상도는 승인한 결과에만 쓰세요.
프레임과 오디오24 FPS 영상, 네이티브 32 kHz 스테레오 오디오, 한 번의 처리대사와 환경음은 그 소리가 속한 장면 묘사 옆에 함께 프롬프트로 쓰세요.
혼합 참고 자료이미지 최대 9개, 동영상 3개, 오디오 3개, 총 12개 파일참고 모드에서 추가하고, 파일 하나에 역할 하나를 맡기세요.
프레임 제어시작 프레임, 종료 프레임 또는 둘 다시작 또는 마지막 이미지가 이미 승인되었다면 '시작 / 종료 프레임'을 쓰세요.
비율가로형, 정사각형, 세로형Paper Gen의 기본값은 16:9입니다. 제출하기 전에 프레임 형태를 고르세요.

하나의 맥락, 여러 개의 소스

대부분의 동영상 모델은 프롬프트를 읽고 클립을 돌려줍니다. H3는 자료 묶음을 읽고 그것으로 하나의 장면을 만들려고 합니다. MiniMax는 이 입력을 하나의 창작 맥락이라고 설명합니다. 그래서 피사체, 움직임, 카메라 문법, 목소리, 환경음, 리듬이 입력한 문장 하나에서가 아니라 각각 다른 파일에서 올 수 있습니다.

이것이 H3의 가장 큰 차이이고, 작업 방식도 달라집니다. 무엇이든 추가하기 전에 각 파일을 어디에 쓸지 정하세요. 숏에 대한 질문에 답하지 않는 참고 자료는 노이즈가 되고, 원래 맡기려던 역할에서 결과를 멀어지게 할 수도 있습니다.

참고 자료마다 역할 정하기

아래 역할은 각 입력 유형이 무엇을 전달할 수 있는지에서 나온 것입니다. Paper Gen을 열기 전에 저희가 작업을 계획하는 방식이며, 화면에 있는 스위치 목록은 아닙니다.

참고 자료 유형과 그 유형이 맡아야 할 숏의 요소
참고 자료 유형답하는 질문숏에서의 역할 예시
이미지프레임에 누가, 무엇이 있고 어떻게 보이는지캐릭터의 얼굴과 의상, 또는 공간의 재질
동영상무엇이 어떻게 움직이고, 카메라가 어떻게 움직이는지카메라 푸시 인, 손동작, 돌아서는 속도
오디오장면이 어떻게 들리고 누가 말하는지목소리, 공간의 룸톤, 컷의 리듬
시작 / 종료 프레임숏이 어떻게 시작하고 어떻게 마무리되는지클립의 첫 프레임과 마지막 프레임 구도

소리를 화면과 함께 설계하기

H3는 화면과 소리를 함께 생성합니다. MiniMax에 따르면 영상과 오디오의 잠재 공간은 분리되어 있지만, 생성은 같은 시스템 안에서 이루어집니다. 오디오는 좌우 채널을 각각 처리한 뒤 다시 합친 스테레오로 출력됩니다. 실제로는 소리가 나중에 덧붙이는 레이어가 아니라 숏의 일부라는 뜻입니다.

그러니 소리는 그 소리가 속한 화면과 같은 비트 안에 쓰세요. '손놀림이 느려지면서 물레가 웅웅 돈다'라고 쓰면 모델에 동기화할 사건 하나를 주게 됩니다. '환경음 추가'는 아무것도 주지 않습니다.

시작하기 전에 알아 둘 제약이 하나 있습니다. 오디오 참고 자료만 단독으로 입력할 수는 없습니다. 오디오는 이미지나 동영상 참고 자료와 함께 넣어야 합니다. 또 동영상과 오디오 파일은 각각 2~15초여야 하며, 유형별 합계도 15초를 넘을 수 없습니다.

768p에서 반복하고, 2K로 재생성하기

MiniMax는 두 단계 처리를 설명합니다. H3-Base가 768p 오디오·비디오 시퀀스를 만들고, H3-Regenerate-2K가 그 결과와 원래 맥락을 다시 H3에 넣어 더 높은 해상도로 재생성합니다. 단순한 업스케일이 아닙니다. 모델이 원래 지시와 참고 자료를 다시 볼 수 있기 때문에, 픽셀만 키우는 방식으로는 되살릴 수 없는 디테일을 복원한다고 MiniMax는 말합니다.

실제 작업 흐름도 여기서 정해집니다. 768p로 구도, 움직임, 소리를 시험하세요. 괜찮은 테이크가 나오면 그 테이크만 더 높은 해상도로 재생성합니다. 768p에서 잘못된 숏을 2K 처리가 고쳐 주리라 기대하지는 마세요.

모델을 받치는 두 개의 체크포인트

MiniMax는 H3-Base를 두 개의 체크포인트로 공개합니다. H3-Base-FL2VA는 텍스트-동영상 생성을 다루며, 시작 프레임, 종료 프레임 또는 둘 다를 이용한 제어를 선택적으로 쓸 수 있습니다. H3-Base-Ref2VA는 혼합 참고 자료를 처리합니다. 둘 다 배포와 파인튜닝 용도로 공개되었습니다.

범위가 중요합니다. 호스팅되는 Context-IR 오케스트레이션 계층, H3-Regenerate-2K, 네이티브 스파스 어텐션 구현은 공개 범위에 포함되지 않으므로, 공식 2K 파이프라인 전체는 여전히 MiniMax의 서비스에 의존합니다. Paper Gen이 제공하는 것은 호스팅된 워크플로이지, 원본 체크포인트가 아닙니다.

VibePaper에서 MiniMax H3 클립 만드는 방법

  1. 01동영상 모드를 열고 MiniMax H3 선택하기Paper Gen에서 '이미지'를 '동영상'으로 전환하고, 모델 선택 메뉴를 열어 Minimax 그룹에서 MiniMax H3를 고릅니다. 같은 그룹에 Hailuo 2.3 Fast도 있습니다.
  2. 02비율, 해상도, 길이 정하기H3의 기본값은 16:9, 768p, 5초입니다. 작업 내용을 정하는 설정이므로 프롬프트를 쓰기 전에 세 가지를 모두 확인하세요.
  3. 03파일마다 역할 정하기어떤 참고 자료가 캐릭터, 움직임, 소리, 구도를 맡을지 정하세요. 숏에 대한 질문에 답하지 않는 파일은 빼세요.
  4. 04프롬프트는 소리가 있는 숏으로 쓰기피사체, 하나의 동작, 하나의 카메라 무빙, 조명, 그다음 환경음과 대사를 쓰되, 각각이 일어나는 순간과 연결하세요.
  5. 05생성한 뒤 결과나 오류 확인하기시작된 작업은 '내 작품'에 나타납니다. 실패한 작업은 설정 줄 아래에 이유가 표시되므로, 지원팀에 보낼 때 정확한 메시지를 그대로 복사할 수 있습니다.
Paper Gen에서의 순서입니다. H3를 고르는 것부터 돌아온 결과를 확인하는 것까지.

각 설정의 위치

H3 작업을 좌우하는 설정은 두 곳에 있습니다. 프롬프트 입력창 위의 입력 모드 전환과, 그 아래의 설정 줄입니다.

화면 구성

모델이 먼저입니다. 모델 선택 메뉴에서 MiniMax는 별도의 그룹이 있고, H3가 맨 위에, 그 옆에 Hailuo 2.3 Fast가 있습니다. 비율, 길이, 참고 자료 규칙은 모델을 따르므로 다른 설정보다 모델을 먼저 고르세요.

직접 부딪힌 한계와 실패

공개된 기능 목록은 모델이 무엇을 하도록 설계되었는지 알려 줍니다. 내 작업에 맞는지를 정하는 건 한계 쪽이므로, 저희가 실제로 겪은 일과 아직 확인하지 못한 점을 정리했습니다.

  • 테스트한 날에는 생성이 실패했습니다. 16:9, 768p, 5초로 설정한 H3 작업이 'Could not start generation. Please try again. Nexra API returned HTTP 404' 오류를 반환했습니다. 잠시 기다렸다가 다시 시도해도 같은 오류가 나왔습니다. 이 문제는 신고했으며, 실제로 얻지 못한 H3 결과는 싣지 않았습니다.
  • 저희가 확인했을 때 H3의 '생성' 버튼에는 가격이 표시되지 않아 제출 전에 비용을 확인할 수 없었습니다. 다른 모델의 가격으로 짐작하지 말고 작업할 때마다 '생성' 버튼을 확인하세요.
  • 참고 자료 길이 규칙은 엄격합니다. 동영상과 오디오 참고 자료는 각각 2~15초여야 하고, 오디오 참고 자료만 단독으로 입력할 수 없습니다. 업로드하기 전에 길이를 확인하세요.
  • 권리 문제는 그대로입니다. 업로드하는 초상, 목소리, 로고, 저작물은 어떤 모델을 쓰든 사용 허가가 필요합니다.

첫 시도를 위한 프롬프트 체크리스트

미디엄 클로즈업: 햇살 드는 작업실에서 도예가의 젖은 손이 돌아가는 물레 위의 점토 그릇을 빚는다. 느린 푸시 인, 얕은 피사계 심도. 창으로 들어오는 부드러운 빛, 빛줄기 사이로 떠다니는 먼지. 소리: 손놀림이 느려지면서 물레가 웅웅 돌고, 금속 양동이에 물방울이 떨어진다. 대사 없음, 텍스트 없음, 로고 없음.

MiniMax H3에 대해 자주 받는 질문

MiniMax H3 클립은 얼마나 길게 만들 수 있나요?

MiniMax가 공개한 기준은 생성 1회당 4~15초입니다. Paper Gen의 기본값은 5초입니다. 더 긴 시퀀스가 필요하면 여러 클립으로 나누고 각각 숏 리스트를 준비해 계획하세요.

H3는 화면뿐 아니라 소리도 생성하나요?

네. MiniMax에 따르면 네이티브 32 kHz 스테레오 오디오가 화면과 함께 한 번의 처리로 생성됩니다. 소리는 그 소리가 속한 화면과 같은 비트 안에 쓰세요.

참고 자료 없이 H3를 쓸 수 있나요?

네. 텍스트-동영상 생성이 가능하고, 시작 프레임이나 종료 프레임 제어는 선택 사항입니다. 특정 캐릭터, 움직임, 목소리, 리듬이 클립 전체에 이어져야 할 때 참고 자료가 제 역할을 합니다.

H3 작업이 실패한 이유는 무엇인가요?

Paper Gen은 설정 줄 아래에 이유를 보여 줍니다. 저희가 테스트한 날의 이유는 'Nexra API returned HTTP 404'였고, 프롬프트 문제가 아니라 서비스 오류였습니다. 정확한 메시지를 복사해 두었다가 나중에 다시 시도하거나 지원팀에 보내세요.

참고 자료와 이 글의 범위

기술적인 내용은 아래의 공식 자료와 1차 출처를 기준으로 합니다. 워크플로 제안과 예시는 편집팀의 분석이며 결과를 보장하지 않습니다.

  1. MiniMax-H3 model card, MiniMax on Hugging FaceH3-Base-FL2VA와 H3-Base-Ref2VA 체크포인트, 2~15초의 동영상·오디오 참고 자료 길이, 그리고 공개 범위에서 빠진 부분(Context-IR, H3-Regenerate-2K, 스파스 어텐션 구현)에 대한 출처.