MiniMax H3 Ref2V di 2026, jawaban langsung: Ref2V adalah mode di mana file referensi Anda — gambar, klip video pendek, take suara opsional — menentukan shot-nya: gerak, tempo, kamera, dan penyampaian ditransfer dari footage yang Anda tonton, bukan dari kata sifat yang Anda tulis. Halaman mode reference-to-video adalah rumah mode ini di Moosky; di bawah garis ini ada panduan prompt langkah demi langkah: bangun lembar referensi, arahkan transfer gerak dan kamera dengan label, iterasi dengan edit delta, dan ekspor klip yang sudah diperankan.

Kebanyakan orang menemukan reference-to-video lewat gambar: unggah wajah, pertahankan wajah. Tapi daya ungkit sesungguhnya dari mode ini muncul ketika Anda mengarahkan sebuah klip ke modelnya — video referensi untuk gerakan kamera, gaya jalan, ritme cut yang Anda mau — lalu H3 memainkan scene baru dalam bahasa itu alih-alih menebak dari kata sifat. Inilah alur kerja MiniMax H3 Ref2V dari ujung ke ujung di Moosky: membangun lembar referensi, mengarahkannya dengan label, menyetel transfer gerak dan kamera, mengiterasi dengan murah, dan mengekspor.

Kalau Anda masih memutuskan apa itu Ref2V dan bedanya dengan image-to-video, penjelasan reference-to-video membahas sisi konsep. Dan kalau pertanyaannya apakah H3 layak tagihan kreditnya sebelum Anda membuka composer, panduan beli Apakah MiniMax H3 layak di 2026? menjalankan matematika kredit per klip dan kasus-kasus tidak-beli yang jujur. Artikel ini adalah sisi pengerjaannya: rangkaian keputusan yang mengubah segenggam file jadi klip yang konsisten dan diperankan di dalam composer H3 Ref2V.

Prompt teks bisa bilang "slow dolly-in as she turns to the window". Apakah model merender dolly-in lambat versi Anda adalah lemparan koin. Klip referensi enam detik menghapus koinnya: gerak, tempo, framing, dan rasa editing ditransfer dari sesuatu yang Anda tonton, bukan dari sesuatu yang Anda deskripsikan. H3 memperlakukan slot referensinya sebagai bundel terurut — hingga 9 gambar, 3 klip video, dan 3 file audio mandiri, total 12 file — dan label Anda (Image 1, Video 1, Audio 1) menugaskan tiap file sebuah peran: identitas, wardrobe, gaya, gerak, kamera, atau suara. Penugasan peran inilah yang membuat iterasi bisa diprediksi: saat satu take meleset, Anda mengganti satu file atau satu label, bukan menulis ulang satu paragraf modifier lalu berharap. Ikhtisar mode-nya ada tepat di sini — sisa artikel ini adalah alur kerjanya sendiri.

Jawaban cepat

Apa itu MiniMax H3 Ref2V? Mode file referensi: file Anda — gambar, klip video pendek, take suara opsional, hingga 9 gambar, 3 klip, dan 3 file audio, total 12 file — menentukan shot-nya, sehingga gerak, tempo, kamera, dan penyampaian datang dari footage yang Anda tonton bukan dari kata sifat yang Anda tulis, dengan tiap label (Image 1, Video 1, Audio 1) menugaskan sebuah file satu peran.

Bagaimana cara menulis prompt MiniMax H3 Ref2V? Sebagai brief shot yang menyebut file Anda dengan nama: beri tiap file peran eksplisit ("Image 2 adalah wardrobennya"), sebutkan gerakan kamera dengan kosakata bawaan modelnya (Push In, Pan, Truck, Arc) plus kecepatan, tulis dialog dalam kutipan verbatim, dan deskripsikan suara berlapis. Penugasan peran inilah yang membuat iterasi bisa diprediksi — take yang buruk memetakan ke satu file atau satu label, bukan ke paragraf modifier yang ditulis ulang.

Bagaimana transfer gerak bekerja di MiniMax H3 Ref2V? Sebuah klip referensi pendek memperagakan gerakannya — follow handheld, dorongan steadicam, jalan si aktor — dan H3 mentransfer gerak, tempo, framing, dan rasa editing-nya ke scene baru. Menyebut verba kamera di sampingnya mengonfirmasi transfernya bukan menggantikannya: klip menunjukkan amplitudo dan kecepatannya, kalimatnya menyebut gerakannya.

Berapa harga klip MiniMax H3 Ref2V di Moosky? Kredit, bukan langganan, dengan kurs 100 per $1: draft 768P berjalan di sekitar 10 kredit per detik keluaran dan final 2K di sekitar 18, dan detik video input ditagih terhadap resolusi keluaran yang Anda pilih. Composer menampilkan kutipan harga persis untuk bundel Anda sebelum apa pun berjalan, dan run yang gagal dikembalikan.

Bisakah take Ref2V diperbaiki tanpa merender ulang seluruh scene? Bisa — edit delta: lampirkan klip yang sudah disetujui sebagai Video 1 Anda dan minta hanya perubahannya ("same scene, same delivery, jacket now navy"). Penampilannya terbawa, editnya terpakai, dan Anda membayar detik keluaran bukan render baru penuh; mengulang dari referensi hanya dilakukan ketika konsep scene-nya sendiri yang salah.

Bisakah klip Ref2V diunduh dan apa yang Anda dapat? Bisa — tiap klip yang selesai mendarat di antrean Moosky Anda sebagai MP4 yang bisa diunduh pada resolusi 768P atau 2K yang Anda pilih, tanpa langkah ekspor terpisah dan tanpa watermark. Run yang gagal dikembalikan, jadi kredit hanya habis untuk klip yang Anda simpan.

Langkah 1 — Bangun lembar referensi yang bertahan dari iterasi

Lembar itu adalah asetnya. Habiskan sepuluh menit di sana dan tiap langkah berikutnya memendek.

  • Wajah: dua atau tiga sudut karakter — depan, tiga perempat, dan profil apa pun yang storyboard Anda butuhkan. Satu potret frontal tunggal menahan garis pandang tapi menyimpang pada adegan menoleh.
  • Wardrobe dan properti: bidikan flat-lay atau terisolasi. Image 2 terpisah untuk jaket membuat referensi wajah bebas mengerjakan wajah saja.
  • Gerak: satu klip pendek (2–15 detik) dari gerakan yang Anda mau — follow handheld, dorongan steadicam, jalan aktor. Jaga total durasi video referensi di bawah 15 detik; H3 menagih detik video input, jadi potong ke gerakannya saja, bukan ke take utuh.
  • Suara: take audio opsional 2–15 detik. Lampirkan dan dialog yang diperankan mempertahankan warna suara itu — dalam salah satu dari 11 bahasa dialog H3, dengan lip sync dibake ke pass yang sama.

Unggah semuanya dalam urutan yang disengaja. Label mengikuti urutan: gambar pertama adalah Image 1, video pertama adalah Video 1. Lembar yang mengacak urutan "yang penting masuk" adalah lembar yang akan Anda lawan nanti.

Langkah 2 — Buka composer dan tetapkan bingkai pekerjaannya

Buka composer H3 Ref2V (tanpa langganan; jalannya dengan kredit Moosky, 100 per $1). Muat aset referensi, lalu ambil tiga keputusan struktural sebelum menulis prosa:

  1. Durasi: 4–15 detik per klip. Pass pendek murah; shot hero bisa ditingkatkan nanti.
  2. Resolusi: 768P untuk draft (sekitar 10 kredit per detik keluaran), 2K untuk final (sekitar 18). Kutipan harga persis untuk bundel Anda muncul di composer sebelum apa pun berjalan.
  3. Aspect: 16:9 untuk embed dan YouTube, 9:16 untuk feed dan Shorts.

Menetapkan ini lebih dulu penting karena composer menagih referensi terhadap ketiganya: detik video input ditagih dengan tarif berbeda untuk keluaran 768P versus 2K, jadi referensi gerak yang dipakai sampai final harus sependek yang gerakan itu izinkan.

Langkah 3 — Mengarahi dengan label, bukan kata sifat

Tulis prompt sebagai brief shot yang menyebut file Anda dengan nama:

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.

Brief shot yang bisa disalin ini sengaja dibiarkan dalam bahasa Inggris apa adanya di semua bahasa: inilah string-string yang sudah diuji tempat modelnya dituning, dan menerjemahkannya akan merusak kontrak label yang seluruh artikel ini ajarkan.

Beberapa aturan yang memisahkan take yang solid dari take yang ngawur:

  • Beri tiap file peran eksplisit. "Pakai referensinya" itu pengandaian; "Image 2 adalah wardrobenya" itu instruksi.
  • Sebutkan gerakan kamera dengan kosakata bawaan modelnya: Push In, Pull Out, Pan, Truck, Tilt, Pedestal, Arc, Tracking, Static, Shake, POV, Zoom, Roll — plus kecepatan ketika penting ("slow", "whip"). Dengan referensi gerak terlampir, verba itu mengonfirmasi transfer bukan menggantikannya.
  • Tulis dialog dalam kutipan, verbatim. Jangan meringkas satu baris yang Anda butuhkan kata-per-kata; H3 menampilkan kutipan dialog dengan lip sync alih-alih memparafrasenya.
  • Deskripsikan suara secara berlapis: bagaimana suara ruangan terdengar, dan apakah Audio 1 itu disalin (suara mereka yang asli) atau dijadikan referensi (gaya suara mereka, kata-kata baru).

Langkah 4 — Pass pertama, lalu setel transfer gerak dan kamera

Generate di 768P dan baca hasilnya seperti editor, bukan seperti penggemar. Empat mode kegagalan dan perbaikannya mencakup hampir seluruh penyetelan:

  • Gerakannya terlalu kuat atau terlalu lemah. Klip referensi memuat lebih banyak gerak daripada yang shot itu butuhkan (atau memuat gerakan yang berbeda). Potong klip ke dua detik yang memegang gerakannya, atau ganti Video 1 dengan take yang lebih bersih. Pemilihan frame saat unggah membantu: pilih segmennya, bukan menyuapkan file utuh.
  • Identitas menyimpang saat menoleh. Tambahkan sudut yang hilang ke lembar — biasanya bidikan tiga perempat atau profil — dan jadikan Image 1 satu-satunya file wajah supaya perannya tak ambigu.
  • Gaya menutupi referensi. Stilisasi berat ("anime", "oil painting") adalah tempat wajah paling sering menyimpang. Satu kalimat gaya yang polos ("live-action cinematic, 35mm look") sebelum deskripsi shot menahan identitas jauh lebih baik.
  • Suaranya bukan suara mereka. Pastikan Audio 1 menyertai setidaknya satu visual (audio tidak bisa jadi satu-satunya input) dan bahwa prompt menyebut suaranya disalin darinya, serta jaga baris dialog cukup pendek untuk durasi klipnya.

Masing-masing dari ini adalah perubahan satu file. Itulah gunanya alur kerja ini: diagnosis memetakan ke satu slot, dan mengubah satu slot berharga satu regenerasi.

Langkah 5 — Iterasi dengan edit delta, bukan dari nol

Ketika sebuah take sudah benar 90% — penampilannya sudah pas tapi jaketnya salah, atau sebuah properti hilang — jangan bangun ulang scene dari nol. Mode Ref2VA pada H3 mendukung edit delta: lampirkan klip yang sudah disetujui sebagai Video 1 Anda dan minta hanya perubahannya ("same scene, same delivery, jacket now navy"). Penampilannya terbawa, editnya terpakai, dan Anda membayar detik keluaran, bukan render baru penuh. Ulangi dari referensi hanya bila konsep scene-nya sendiri yang salah.

Sebuah ritme praktis yang menjaga anggaran tetap jujur: satu pass eksplorasi per konsep, satu pass penyetelan di 768P, take yang diterima di-render ulang atau diedit delta di 2K hanya untuk shot yang masuk final. Composer menampilkan kutipan kredit sebelum tiap run, dan run yang gagal dikembalikan.

Langkah 6 — Ekspor dan rakit

Karena identitas hidup di lembar Anda bukan di satu generasi yang kebetulan bagus, bundel yang sama menggerakkan tiap panel sebuah sekuens: bekukan peran file, tulis ulang kalimat latar, blocking, dan dialognya, lalu render panel berikutnya. Tiap klip sudah kembali dalam keadaan diperankan — dialog stereo lip-sync, ambience, dan cue skor yang Anda sutradarai lewat prompt — sehingga seorang editor bisa langsung memotong sekuensnya tanpa jahitan TTS atau pass dubbing. Untuk scene multi-karakter, beri tiap peran slot gambarnya sendiri dan pertahankan giliran bicara eksplisit di prompt.

Skenario alur kerja untuk kreator yang digerakkan referensi

Sang host berulang. Seorang kreator kanal faceless membangun satu presenter — wajah digital, satu jaket, satu take suara — dan memproduksi cold open tiap minggu. Lembar dibuat sekali; tiap minggu hanya mengubah kalimat latar dan baris yang dikutip (ketika premis minggu itu lahir sebagai prosa alih-alih rencana, alur kerja script-to-video adalah lajur draft pertama tercepat dari scene tertulis ke klip kasar sebelum referensi ikut campur). Ketika sebuah lelucon butuh satu ketukan timing, ia melampirkan opening minggu lalu yang sudah disetujui sebagai Video 1 dan meminta ritme yang sama dengan punchline baru.

Sang pelaksana varian iklan produk. Sebuah tim e-commerce memuat satu produk dari dua sisi plus satu referensi lifestyle, lalu men-generate varian scene — meja dapur, gym, pantai — menjaga piksel kemasan tetap stabil karena yang memilikinya adalah referensi, bukan prompt. Sebuah klip referensi tangan memutar produk mengurusi momen "ambil barangnya" di semua varian.

Pass lokalisasi. Seorang kreator yang punya klip 9:16 yang hits me-render ulang dengan referensi wajah dan suara yang sama tapi barisnya dalam bahasa Spanyol atau Jepang — Ref2VA menampilkan dialog baru yang lip-sync di bahasa target, bukan mendubbing di atas mulut yang lama.

Sang pemijak storyboard. Seorang storyboarder film pendek mem-pose keyframe di sebuah tool gambar diam (kalau satu frame kembali lembut, alur kerja upscaler gambar SeedVR2 memulihkannya sebelum ia jadi referensi), memuat frame terakhir tiap scene sebagai referensi pembuka scene berikutnya, dan memotong sambungan yang tadinya akan keliatan — kontinuitasnya melar melewati batas 15 detik per klip karena referensinya terbawa melintasi generasi-generasi.

Pertanyaan umum

Apakah saya wajib pakai video referensi, atau gambar sudah cukup? Gambar sudah cukup untuk identitas — wajah, wardrobe, produk. Video referensi baru layak mengisi slot-nya ketika shot itu bergantung pada gerakan, tempo, atau rasa editing yang spesifik. Untuk shot bicara yang statis atau diskenario pelan, gambar plus satu verba kamera yang disebut namanya sering mengalahkan melampirkan klip berisik.

Apa bedanya "menyetel transfer kamera" dengan sekadar menyebut gerakan kamera? Menyebut verba memberi tahu model genres gerakan Anda; sebuah referensi gerak memperlihatkan amplitudo dan kecepatan yang sesungguhnya. Hasil terbaik datang dari memasangkan keduanya — klip memperagakan gerakannya, kalimat mengonfirmasinya ("slow Push In, matching Video 1") — karena referensi klip semata kadang ditafsirkan longgar ketika isi scene-nya berubah cukup banyak.

Kenapa referensi suara saya mengubah kata-kata yang saya minta? Kalau prompt tidak menyebut Audio 1 itu untuk apa, model bisa memperlakukannya sebagai konten untuk direproduksi. Sebutkan perannya secara eksplisit — "voice timbre copied from Audio 1; new line:" — lalu kutip barisnya verbatim di dalam anggaran detik klipnya.

Bagaimana mencegah pencahayaan atau latar dari klip referensi merembes ke scene baru saya? Potong klip ke detik-detik saat gerakannya terisolasi, dan deskripsikan pencahayaan Anda sendiri di brief scene-nya. Transfer referensi itu hak suara, bukan paksaan — satu kalimat latar yang kuat ("cold blue morning light") mengalahkan kebisingan latar yang tertinggal di referensi.

Cara termurah untuk konvergen ke final? Draft di 768P, 4–6 detik, sudah termasuk lima gambar input gratis; begitu take-nya disetujui, edit delta klip yang disetujui itu sendiri sebagai Video 1 di 2K untuk final, alih-alih re-render dari referensi. Anda membayar detik keluaran harga penuh persis satu kali.

Di mana saya menemukan struktur prompt enam bagian siap disalin? Panduan prompt MiniMax H3 Ref2V versi komersial di Moosky mengubah metode artikel ini menjadi halaman resep siap jalan: brief enam bagian sebagai template isian, peran label Image/Video/Audio/Subject, dan kutipan kredit yang tampil di composer sebelum Anda run. Baca alur kerjanya di sini, jalankan resepnya di sana.