MiniMax H3 Ref2V en 2026, réponse directe : Ref2V est le mode où vos fichiers de référence — images, un court clip, une prise vocale optionnelle — fixent le plan : le mouvement, le rythme, la caméra et le jeu se transfèrent d'une vidéo que vous avez regardée, pas d'adjectifs que vous avez écrits. La page du mode reference-to-video est la maison du mode sur Moosky ; sous cette ligne se trouve le guide des prompts étape par étape : construisez la fiche de références, dirigez le transfert de mouvement et de caméra avec des étiquettes, itérez par éditions delta, et exportez un clip joué.

La plupart découvrent reference-to-video par les images : téléverser un visage, garder le visage. Mais le vrai levier du mode apparaît quand vous dirigez un clip vers le modèle — une vidéo de référence pour le mouvement de caméra, la marche, le rythme de montage voulu — et qu'H3 joue une nouvelle scène dans ce langage au lieu de deviner à partir d'adjectifs. Voici le flux de travail MiniMax H3 Ref2V de bout en bout sur Moosky : construire une fiche de références, la diriger par étiquettes, régler le transfert de mouvement et de caméra, itérer à bas coût, et exporter.

Si vous décidez encore ce qu'est Ref2V et comment il diffère de l'image-à-vidéo, l'explicatif reference-to-video couvre le versant conceptuel. Et si la question est de savoir si H3 mérite sa facture de crédits avant d'ouvrir le composeur, le guide d'achat MiniMax H3 vaut-il le coup en 2026 ? déroule le calcul de crédits par clip et les cas honnêtes de non-achat. Cet article est le versant pratique : la suite de choix qui transforme un faisceau de fichiers en un clip cohérent et joué dans le composeur H3 Ref2V.

Un prompt texte peut dire « slow dolly-in as she turns to the window ». Que le modèle rende votre idée d'un lent dolly-in est un pile ou face. Un clip de référence de six secondes supprime la pièce : mouvement, rythme, cadrage et sensation de montage se transfèrent de quelque chose que vous avez regardé, pas décrit. H3 traite ses emplacements de référence comme un faisceau ordonné — jusqu'à 9 images, 3 clips vidéo et 3 fichiers audio autonomes, 12 fichiers au total — et vos étiquettes (Image 1, Video 1, Audio 1) assignent à chacun un rôle : identité, costume, style, mouvement, caméra ou voix. Cette attribution de rôle est ce qui rend l'itération prévisible : quand une prise dérape, vous changez un fichier ou une étiquette au lieu de réécrire un paragraphe de modificateurs en espérant. L'aperçu du mode vit juste ici — le reste de l'article est le flux de travail lui-même.

Réponses rapides

Qu'est-ce que MiniMax H3 Ref2V ? Le mode fichiers de référence : vos fichiers — images, un court clip, une prise vocale optionnelle, jusqu'à 9 images, 3 clips et 3 fichiers audio, 12 fichiers au total — fixent le plan, si bien que mouvement, rythme, caméra et jeu viennent d'une vidéo que vous avez regardée plutôt que d'adjectifs que vous avez écrits, chaque étiquette (Image 1, Video 1, Audio 1) assignant un rôle à un fichier.

Comment écrit-on un prompt MiniMax H3 Ref2V ? Comme un brief de plan qui cite vos fichiers par leur nom : donnez à chaque fichier un rôle explicite (« Image 2 est le costume »), nommez le mouvement de caméra dans le vocabulaire propre du modèle (Push In, Pan, Truck, Arc) plus une vitesse, mettez le dialogue entre guillemets verbatim, et décrivez le son par couches. Cette attribution de rôle est ce qui rend l'itération prévisible — une mauvaise prise correspond à un fichier ou une étiquette, pas à un paragraphe de modificateurs réécrit.

Comment fonctionne le transfert de mouvement dans MiniMax H3 Ref2V ? Un court clip de référence démontre le mouvement — le suivi handheld, la poussée steadicam, la marche de l'acteur — et H3 en transfère le mouvement, le rythme, le cadrage et la sensation de montage vers une nouvelle scène. Nommer un verbe de caméra à côté confirme le transfert au lieu de le remplacer : le clip montre l'amplitude et la vitesse, la phrase nomme le mouvement.

Combien coûte un clip MiniMax H3 Ref2V sur Moosky ? Des crédits, pas un abonnement, à 100 pour 1 $ : les brouillons en 768P tournent autour de 10 crédits par seconde de sortie et les finals en 2K autour de 18, et les secondes de vidéo d'entrée sont facturées sur la résolution de sortie choisie. Le composeur affiche le devis exact de votre faisceau avant que quoi que ce soit ne s'exécute, et les runs échoués sont remboursés.

Peut-on corriger une prise Ref2V sans re-rendre toute la scène ? Oui — l'édition delta : attachez le clip approuvé comme votre Video 1 et ne demandez que le changement (« same scene, same delivery, jacket now navy »). Le jeu se poursuit, l'édition s'applique, et vous payez des secondes de sortie au lieu d'un rendu neuf complet ; ne repartez des références que si le concept de la scène était lui-même faux.

Peut-on télécharger les clips Ref2V et qu'obtient-on ? Oui — chaque clip terminé arrive dans votre file Moosky comme un MP4 téléchargeable à la résolution 768P ou 2K choisie, sans étape d'export séparée et sans filigrane. Les runs échoués sont remboursés, donc les crédits ne partent que pour des clips que vous gardez.

Étape 1 — Construire une fiche de références qui survit à l'itération

La fiche est l'actif. Passez dix minutes dessus et chaque étape suivante raccourcit.

  • Visage : deux ou trois angles du personnage — face, trois-quarts, et tout profil que votre storyboard exige. Un portrait frontal unique tient les lignes de regard mais dérive sur les rotations.
  • Costume et accessoires : plans à plat ou isolés. Une Image 2 séparée pour la veste laisse la référence de visage libre de ne faire que du visage.
  • Mouvement : un court clip (2–15 s) du mouvement voulu — un suivi handheld, une poussée steadicam, une marche d'acteur. Gardez la durée totale de vidéo de référence sous 15 secondes ; H3 facture les secondes de vidéo d'entrée, donc coupez au mouvement, pas à la prise entière.
  • Voix : une prise audio optionnelle de 2–15 secondes. Attachez-la et la réplique jouée garde ce timbre — dans l'une des 11 langues de dialogue d'H3, avec la synchro labiale intégrée à la même passe.

Téléversez tout dans un ordre délibéré. Les étiquettes suivent l'ordre : la première image est Image 1, la première vidéo est Video 1. Une fiche qui mélange un ordre « peu importe » est une fiche avec laquelle vous vous battrez plus tard.

Étape 2 — Ouvrir le composeur et cadrer le job

Ouvrez le composeur H3 Ref2V (sans abonnement ; ça tourne sur les crédits Moosky, 100 pour 1 $). Chargez les actifs de référence, puis prenez les trois choix structurels avant d'écrire de la prose :

  1. Durée : 4–15 secondes par clip. Les passes courtes sont bon marché ; les plans héro peuvent monter plus tard.
  2. Résolution : 768P pour les brouillons (environ 10 crédits par seconde de sortie), 2K pour les finals (environ 18). Le devis exact de votre faisceau apparaît dans le composeur avant que quoi que ce soit ne s'exécute.
  3. Format : 16:9 pour les intégrations et YouTube, 9:16 pour les flux et les Shorts.

Les fixer d'abord compte parce que le composeur facture les références contre eux : les secondes de vidéo d'entrée sont facturées à des tarifs différents pour une sortie 768P versus 2K, donc une référence de mouvement qui reste jusqu'au final doit être aussi courte que le mouvement le permet.

Étape 3 — Diriger par étiquettes, pas par adjectifs

Écrivez le prompt comme un brief de plan qui cite vos fichiers par leur nom :

Image 1 (face) and Image 2 (green jacket) stand behind the pass counter at closing time, warm tungsten light. The camera slowly pushes in as Image 1 looks up and says: "Last call, then we lock up." Video 1 sets the handheld feel. Audio 1 is the voice.

Ce brief copiable reste en anglais verbatim dans chaque langue : ce sont les chaînes testées sur lesquelles le modèle est réglé, et un brief traduit romprait le contrat de label que tout l'article enseigne.

Quelques règles qui séparent les prises qui tiennent de celles qui dérivent :

  • Donnez à chaque fichier un rôle explicite. « Utilise les références » est un souhait ; « Image 2 est le costume » est une consigne.
  • Nommez le mouvement de caméra dans le vocabulaire propre du modèle : Push In, Pull Out, Pan, Truck, Tilt, Pedestal, Arc, Tracking, Static, Shake, POV, Zoom, Roll — plus une vitesse quand elle compte (« slow », « whip »). Avec une référence de mouvement attachée, le verbe confirme le transfert au lieu de le remplacer.
  • Mettez le dialogue entre guillemets, verbatim. Ne résumez pas une réplique dont vous avez besoin mot pour mot ; H3 joue la parole citée avec synchro labiale plutôt que de la paraphraser.
  • Décrivez le son par couches : à quoi la salle ressemble, et si Audio 1 est copié (leur voix réelle) ou référencé (leur style de voix, nouveaux mots).

Étape 4 — Première passe, puis régler le transfert de mouvement et de caméra

Générez en 768P et lisez le résultat comme un monteur, pas comme un fan. Quatre modes d'échec et leurs correctifs couvrent l'essentiel du réglage :

  • Le mouvement est trop fort ou trop faible. Le clip de référence contient plus de mouvement que le plan n'en a besoin (ou contient un autre mouvement). Coupez le clip aux deux secondes qui tiennent le mouvement, ou remplacez Video 1 par une prise plus nette. La sélection de plan au téléversement aide : choisissez le segment au lieu de nourrir le fichier entier.
  • L'identité dérive sur les rotations. Ajoutez l'angle manquant à la fiche — d'habitude un trois-quarts ou un profil — et gardez Image 1 comme seul fichier de visage pour que son rôle reste univoque.
  • Le style écrase la référence. Une stylisation lourde (« anime », « oil painting ») est là où les visages dérivent le plus. Une phrase de style simple (« live-action cinematic, 35mm look ») avant la description du plan tient l'identité bien mieux.
  • La voix n'est pas la leur. Vérifiez que Audio 1 accompagnait au moins un visuel (l'audio ne peut pas être la seule entrée) et que le prompt dit que la voix est copiée de celui-ci, et gardez la réplique parlée assez courte pour la durée du clip.

Chacune de celles-ci est un changement d'un seul fichier. C'est le sens du flux de travail : le diagnostic correspond à un emplacement, et changer un emplacement coûte une régénération.

Étape 5 — Itérer par éditions delta plutôt que par reprises

Quand une prise est juste à 90 % — le jeu est tombé mais la veste est fausse, ou un accessoire manque — ne reconstruisez pas la scène de zéro. Le mode Ref2VA d'H3 accepte des éditions delta : attachez le clip approuvé comme votre Video 1 et ne demandez que le changement (« same scene, same delivery, jacket now navy »). Le jeu se poursuit, l'édition s'applique, et vous payez des secondes de sortie, pas un rendu neuf complet. Ne repartez des références que si le concept de la scène était lui-même faux.

Une cadence pratique qui garde les budgets honnêtes : une passe exploratoire par concept, une passe de réglage en 768P, la prise acceptée re-rendue ou éditée en delta en 2K seulement pour les plans qui passent le montage final. Le composeur affiche le devis de crédits avant chaque run, et les runs échoués sont remboursés.

Étape 6 — Exporter et assembler

Parce que l'identité vit dans votre fiche et non dans une génération chanceuse, le même faisceau pilote chaque planche d'une séquence : gardez les rôles de fichiers figés, réécrivez le décor, le placement et la réplique, et rendez la planche suivante. Chaque clip revient déjà joué — dialogue stéréo synchronisé aux lèvres, ambiance et repères musicaux que vous avez dirigés dans le prompt — si bien qu'un monteur peut couper la séquence sans couture TTS ni passe de doublage. Pour une scène multi-personnages, donnez à chaque rôle son propre emplacement d'image et gardez les tours de parole explicites dans le prompt.

Scénarios de flux de travail pour créateurs pilotés par références

L'animateur récurrent. Un créateur de chaîne faceless monte un présentateur unique — visage numérique, une veste, une prise vocale — et produit des ouvertures à froid chaque semaine. La fiche est faite une fois ; chaque semaine ne change que la phrase de décor et la réplique citée (quand la prémisse de la semaine naît en prose au lieu d'un plan, le flux de travail script-à-vidéo est la voie de premier brouillon la plus rapide de la scène écrite au clip brut, avant que les références n'entrent en jeu). Quand une vanne a besoin d'un temps de respiration, il attache l'ouverture approuvée de la semaine dernière comme Video 1 et demande le même rythme avec la nouvelle chute.

Le coureur de variantes de pub produit. Une équipe e-commerce charge un produit sous deux faces plus une référence lifestyle, puis génère des variantes de scène — plan de cuisine, salle de sport, plage — en gardant les pixels de l'emballage stables parce que la référence, pas le prompt, les possède. Un clip de référence d'une rotation à la main gère le moment « saisis-le » sur toutes les variantes.

La passe de localisation. Un créateur qui a un clip 9:16 à succès le re-rend avec les mêmes références de visage et de voix mais la réplique en espagnol ou en japonais — Ref2VA joue un nouveau dialogue synchronisé dans la langue cible plutôt que de doubler par-dessus d'anciennes bouches.

Le marcheur de storyboard. Un storyboardeur de court-métrage pose des keyframes dans un outil d'image (si une planche revient floue, le flux de travail de l'upscaler d'images SeedVR2 la restaure avant qu'elle ne devienne une référence), charge la dernière planche de chaque scène comme référence d'ouverture de la suivante, et coupe les raccords qui se verraient sinon — la continuité s'étend au-delà de la limite de 15 secondes par clip parce que la référence voyage à travers les générations.

Questions fréquentes

Faut-il une vidéo de référence, ou les images suffisent-elles ? Les images suffisent pour l'identité — visage, costume, produit. La vidéo de référence ne mérite son emplacement que si le plan dépend d'un mouvement, d'un rythme ou d'une sensation de montage précis. Pour des plans parlés statiques ou mis en scène lentement, des images plus un verbe de caméra nommé battent souvent l'attachement d'un clip bruité.

En quoi « régler le transfert de caméra » diffère de juste nommer un mouvement de caméra ? Nommer un verbe dit au modèle votre genre de mouvement ; une référence de mouvement lui montre l'amplitude et la vitesse réelles. Les meilleurs résultats viennent à les associer — le clip démontre le mouvement, la phrase le confirme (« slow Push In, matching Video 1 ») — parce qu'une simple référence de clip est parfois interprétée librement quand le contenu de la scène a beaucoup changé.

Pourquoi ma référence de voix a-t-elle changé les mots que j'avais demandés ? Si le prompt ne dit pas à quoi sert Audio 1, le modèle peut le traiter comme du contenu à reproduire. Énoncez le rôle explicitement — "voice timbre copied from Audio 1; new line:" — puis citez la réplique verbatim dans le budget de secondes du clip.

Comment empêcher l'éclairage ou l'arrière-plan d'un clip de référence de fuir dans ma nouvelle scène ? Coupez le clip aux secondes où le mouvement est isolé, et décrivez votre propre éclairage dans le brief de scène. Le transfert de référence est un vote, pas un mandat — une forte phrase de décor (« cold blue morning light ») l'emporte sur le bruit d'arrière-plan laissé dans la référence.

Quelle est la façon la moins chère de converger vers un final ? Brouillon en 768P, 4–6 secondes, cinq images d'entrée gratuites incluses ; une fois la prise approuvée, éditez en delta la prise approuvée elle-même comme Video 1 en 2K pour le final au lieu de re-générer depuis les références. Vous ne payez les secondes de sortie au plein tarif qu'une seule fois.

Où trouver la structure de prompt en six sections prête à copier ? Le guide des prompts MiniMax H3 Ref2V commercial sur Moosky transforme la méthode de cet article en page de recette prête à l'emploi : le brief en six sections comme gabarit à remplir, les rôles des étiquettes Image/Video/Audio/Subject, et le devis de crédits affiché dans le composeur avant de lancer. Lisez le flux de travail ici, lancez la recette là-bas.