MiniMax H3 Charakterkonsistenz: Der vollständige Leitfaden, um dieselbe Figur über mehrere KI-Videos hinweg beizubehalten
Das schwierigste Problem bei KI-Videos ist nicht Auflösung, Bewegung oder Audio. Es ist die Herausforderung, dieselbe Figur von Shot zu Shot auf dem Bildschirm zu halten. Eine Standard-Text-to-Video-Pipeline baut bei jedem Render ein Gesicht von Grund auf neu auf, sodass der Protagonist aus Shot eins in Shot zwei bereits ein Fremder ist. MiniMax H3 (API-ID minimax/hailuo-3) basiert auf einer anderen Prämisse. Sie übergeben Referenzdateien, die die Figur einmalig definieren, und das Modell überträgt diese Identität über Perspektiven, Shots und Clips hinweg, ohne dass Sie sie textlich neu beschreiben müssen.
Dieser Leitfaden richtet sich an Creator, die Story-, Serien- und Kampagnenarbeiten erstellen und eine Figur benötigen, die über eine gesamte Sequenz hinweg identisch aussieht. Er erläutert, warum die Konsistenz verloren geht, wie das Referenzsystem von MiniMax H3 und die native Multi-Shot-Konsistenz dieses Problem lösen, sowie eine sofort anwendbare Methode, um eine wiederkehrende Figur zu erzeugen, die einem gesamten Projekt standhält. Preise, Leistungsmerkmale und das Budget von 12 Referenzdateien sind die verifizierten Spezifikationen Stand 01.08.2026.
Wichtigste Erkenntnisse
- Die Identität einer Figur steckt in den Referenzdateien, nicht im Text-Prompt. Geben Sie bei jedem Shot ein Referenzbild der Figur an, und MiniMax H3 hält Gesicht, Haare und Garderobe konsistent, ohne dass Sie sie neu beschreiben müssen.
- Das Modell akzeptiert bis zu 12 multimodale Referenzdateien pro Anfrage, die Bilder, Videos, Audio und Text umfassen. Dieses Budget erlaubt es Ihnen, separate Slots für Figur, Outfit, Setting und Bewegung zu reservieren, sodass jede Referenz genau eine Aufgabe hat.
- Native Multi-Shot-Konsistenz ist eine zentrale Funktion von MiniMax H3. Dasselbe Motiv bleibt über mehrere Shots einer Szene hinweg kohärent.
- Der verlässliche Workflow lautet: Master-Character entwerfen, dann ein sauberes Frontal-Referenzbild erzeugen und dann diese Referenz bei jedem weiteren Shot übergeben.
- Community- und Branchenpraxis deutet auf einen Referenz-Influence-Wert von etwa 65 bis 75 Prozent hin, und Creator berichten von rund 95 Prozent Charakterkonsistenz aus einem einzigen Subject-Reference-Bild.
Warum Charakterkonsistenz das schwierige Problem bei KI-Videos ist
Das Fehlerbild „in jedem Shot eine andere Person" ist strukturell bedingt und keine Frage der Feinjustierung. Ein Videomodell, das jedes Frame aus einem Text-Prompt sampelt, hat kein Gedächtnis für das Gesicht, das es vor zwei Sekunden erzeugt hat, geschweige denn für das aus dem vorherigen Clip. Jedes Frame ist ein neuer Zug aus einer Verteilung, wodurch Merkmale abdriften. Wangenknochen werden zwischen Schnitten schärfer. Die Augenfarbe verschiebt sich um eine halbe Nuance. Ein Leberfleck auf der linken Wange in Shot eins wandert in Shot zwei auf die rechte Wange. Wenn Sie drei Shots zusammenhängend schneiden, sieht das Publikum drei verschiedene Personen.
Das ist für Story-Arbeiten wichtiger als für jedes andere Format. Eine Landschaftsaufnahme einer Stadtskyline braucht keine Kontinuität. Eine Produkt-Drehanimation eines Parfümflakons ebenfalls nicht. Sobald jedoch eine Figur die Erzählung trägt, verfolgt das Publikum dieses Gesicht Frame für Frame. Selbst kleine Abweichungen werden als Kontinuitätsfehler gelesen, und große Abweichungen zerstören die Illusion komplett. Soziale Serien, wiederkehrende Sprecher, Markenfiguren, Multi-Shot-Werbespots und Kurzfilme stoßen alle auf dasselbe Problem.
Die Figur im Prompt neu zu beschreiben, löst das Problem nicht. Ein Absatz wie „Frau Anfang dreißig, kurze schwarze Haare, grüne Augen, Sommersprossen, Jeansjacke" überlässt jedes visuelle Detail der Interpretation des Modells bei jedem Render. Zwei Generationen aus demselben Prompt erzeugen zwei verschiedene Frauen, die beide zur Beschreibung passen. Der Prompt ist eine Spezifikation, kein Schloss. Ohne visuellen Anker wird das Modell weiter erfinden.
Die Lösung besteht darin, aufzuhören, die Figur in Worten zu spezifizieren, und sie stattdessen als Referenz zu übergeben. Das ist die gesamte Prämisse des Referenzsystems von MiniMax H3, und der Rest dieses Leitfadens dreht sich darum, wie Sie es effektiv nutzen.
Kompletter Modellleitfaden zu MiniMax H3
Wie MiniMax H3 Charakterkonsistenz löst
MiniMax H3 geht das Konsistenzproblem mit zwei komplementären Mechanismen an: einem multimodalen Referenzsystem, mit dem Sie die Figur als Eingabe anhängen können, und einer nativen Multi-Shot-Konsistenz, die das Motiv über die Shots einer Szene hinweg kohärent hält. Zusammen verlagern sie die Identität der Figur aus dem Prompt in die Referenzebene, wo das Modell sie lesen statt erfinden kann.
Referenzdateien sind die Identitätsebene
Die Kernidee ist einfach. Anstatt die Figur zu beschreiben, zeigen Sie sie. MiniMax H3 akzeptiert bis zu 12 multimodale Referenzdateien in einer einzigen Anfrage, die aus Bildern, Videos, Audio und Text stammen können. Wenn Sie Referenzbilder einer Figur übergeben, hält das Modell das Erscheinungsbild über Perspektiven und Shots hinweg konsistent, ohne es neu zu beschreiben. Die Referenzdatei ist das Schloss. Der Prompt steuert lediglich die Handlung.
Das funktioniert, weil ein Referenzbild Interpretation ausschließt. Es gibt genau ein Gesicht in der Referenz, keine Verteilung von Gesichtern, die zu einer Beschreibung passen. Die Aufgabe des Modells ändert sich von „Denk dir eine Person aus, die diesen Worten entspricht" zu „Verwende genau diese Person in diesem neuen Shot". Das ist eine deutlich einfachere und stabilere Aufgabe.
Die Begrenzungen innerhalb des 12-Dateien-Limits sind gut dokumentiert: bis zu 9 Bilder, 3 Videos und 3 Audiodateien, kombiniert mit dem Text-Prompt. Die genaue Aufteilung ist Ihnen überlassen, und hierin liegt der Großteil des Handwerks. Wir behandeln die Aufteilung im nächsten Abschnitt.
Native Multi-Shot-Konsistenz
MiniMax H3 behandelt Multi-Shot-Konsistenz als zentrale Funktion, was bedeutet, dass dasselbe Motiv über mehrere Shots einer Szene hinweg kohärent bleibt und nicht nur innerhalb eines einzelnen Clips. Praktisch ausgedrückt: Eine Figur, die in Shot eins einen Raum betritt und sich in Shot drei hinsetzt, sieht immer noch wie dieselbe Person aus, weil die Referenzdatei mit jedem Shot mitreist.
Das ist es, was ein echtes Multi-Shot-Modell von einem Single-Shot-Modell unterscheidet, das zufällig mehrere Clips rendert. Ein Single-Shot-Modell kann ein Gesicht für fünf Sekunden zusammenhalten, aber nicht garantieren, dass das Gesicht in Clip zwei mit dem in Clip eins übereinstimmt. Ein Multi-Shot-Modell kann das, weil die Identität durch die Referenz fixiert wird und nicht durch die Residualstatistiken des vorherigen Frames.
So teilen Sie das 12-Dateien-Referenzbudget auf
Der häufigste Fehler bei multimodalen Referenzen ist die Übergabe widersprüchlicher Eingaben. Zwei Figurenbilder mit unterschiedlichen Identitäten oder ein Bewegungs-Referenzvideo, dessen Garderobe dem Figuren-Referenzbild widerspricht, führen zu Flackern und Abdriften. Jeder der 12 Slots sollte genau eine Aufgabe haben.
Ein verlässliches Aufteilungsmuster für eine figurgesteuerte Sequenz:
- Figurenidentität: Zwei bis drei Bilder derselben Figur aus verschiedenen Perspektiven (frontal, Dreiviertel, Profil), falls vorhanden, oder ein sauberes Frontalbild, falls nicht.
- Outfit und Requisiten: Ein bis zwei Bilder, die Garderobe, Accessoires oder das Produkt fixieren, das die Figur bei sich trägt, separat von der Identitätsreferenz, damit Änderungen am Kostüm nicht ins Gesicht durchschlagen.
- Setting und Umgebung: Ein bis zwei Bilder des Ortes, der Beleuchtung oder des Stils, damit die Figur über Shots hinweg in eine konsistente Welt gerendert wird.
- Bewegung oder Performance: Ein kurzes Referenzvideo (optional), das das Tempo, die Kamerabewegung oder die Körpersprache demonstriert, die Sie möchten.
- Audio (optional): Ein Referenz-Audioclip für Stimme oder Soundtrack, separat von den Bildreferenzen.
Das lässt Raum im Budget für Iteration. Sie müssen nicht bei jeder Anfrage alle 12 Slots füllen. Ein einziges Subject-Reference-Bild reicht für viele Shots aus, und zusätzliche Referenzen helfen nur dann, wenn jede einzelne eine klare, nicht widersprüchliche Bedingung hinzufügt.
MiniMax H3 multimodale Eingaben im Detail
MiniMax H3 in Aktion: Reale Beispiele für Charakterkonsistenz
Bevor wir zur Methode kommen, sehen Sie sich an, was Subject Reference tatsächlich erzeugt. Das untenstehende Video führt durch das Single-Image-Setup von MiniMax H3, bei dem ein einziges sauberes Foto eine Figur über neue Perspektiven, Beleuchtungen und Shots hinweg fixiert.
MiniMax H3 hat Subject Reference als zentrale Eingabe genau für diesen Workflow eingeführt, was die Funktion ist, auf die das obige Tutorial zurückgreift.
MiniMax H3-Ankündigung zur Subject Reference
Die Master-Character-Methode, Schritt für Schritt
Der verlässlichste Workflow für eine wiederkehrende Figur ist das, was Community-Leitfäden als Master-Character-Methode bezeichnen: einen Master-Character entwerfen, ein sauberes Frontal-Referenzbild erzeugen und dann diese Referenz bei jedem Shot übergeben. Er funktioniert, weil er MiniMax H3 eine kanonische Wahrheitsquelle für das Gesicht gibt und sie als feste Eingabe statt als neuen Prompt wiederverwendet.
Schritt 1: Den Master-Character entwerfen
Beginnen Sie damit, die Figur schriftlich zu definieren, bevor Sie irgendetwas rendern. Notieren Sie die festen Attribute, die im Laufe des Projekts nie ändern dürfen: Altersspanne, Ethnie, Frisur und -farbe, Augenfarbe, Statur, markante Merkmale, Standard-Garderobe. Dieses Dokument ist die Charakter-Bibel. Sie existiert, damit Sie sich auch dann noch mit Ihrem früheren Ich einig sind, wie die Figur aussieht, wenn Sie Wochen später Shots überarbeiten.
Hier entscheiden Sie auch, was invariant ist und was variabel. Das Gesicht ist invariant. Die Garderobe kann über Szenen hinweg variabel sein. Die Frisur kann über einen Zeitsprung hinweg variabel sein. Markieren Sie jedes Attribut als gesperrt oder flexibel, und lassen Sie die gesperrten Attribute im Prompt-Text bei nachfolgenden Shots weg. Gesperrte Attribute gehören in die Referenz, nicht in den Text.
Schritt 2: Ein sauberes Frontal-Referenzbild erzeugen
Verwenden Sie MiniMax H3 (oder ein beliebiges anderes Bild-Tool), um ein einziges, sauberes Frontalporträt des Master-Characters zu erzeugen. Das Ziel ist ein gut ausgeleuchtetes Kopf-und-Schulter- oder Kopf-bis-Taille-Bild, bei dem das Gesicht klar erkennbar ist, der Ausdruck neutral ist und keine Verdeckungen vorliegen (keine Sonnenbrille, keine Hand vor dem Gesicht, keine harten Schatten über den Gesichtszügen).
Drei Regeln erzeugen ein starkes Referenzbild. Beleuchten Sie das Gesicht gleichmäßig, damit das Modell die Geometrie lesen kann. Halten Sie die Kamera auf Augenhöhe und frontal, damit es keine perspektivische Verzerrung zu interpretieren gibt. Verwenden Sie einen schlichten oder einfachen Hintergrund, damit nichts mit der Figur konkurriert. Ein Referenzbild ist in erster Linie ein Messwerkzeug und in zweiter Linie ein ästhetisches Objekt. Sie können später stets kunstvollere Kompositionen rendern, aber die Referenz selbst sollte die klarstmögliche Definition des Gesichts sein.
Erzeugen Sie drei bis fünf Variationen dieser Referenz, bevor Sie sich festlegen. Gesichter driften zwischen Variationen selbst bei identischen Einstellungen ab, also wählen Sie diejenige, die am besten zu Ihrer Charakter-Bibel passt. Dieses ausgewählte Bild wird zur kanonischen Referenz für jeden Shot im Projekt.
Schritt 3: Die Referenz bei jedem weiteren Shot übergeben
Sobald Sie die kanonische Referenz haben, beginnt jeder Video-Shot in der Sequenz auf dieselbe Weise: Hängen Sie das Referenzbild als Subject-Reference-Eingabe an und schreiben Sie dann einen Prompt, der nur beschreibt, was für diesen Shot neu ist (die Handlung, die Kamera, das Setting, die Beleuchtung). Beschreiben Sie die Figur nicht erneut im Prompt. Eine erneute Beschreibung lädt das Modell zur Neuinterpretation ein, was genau der Fehlermodus ist, den die Referenz verhindern soll.
Über eine Multi-Shot-Sequenz hinweg ist das Referenzbild die Konstante und der Prompt die Variable. Diese Asymmetrie ist es, was die Figur zusammenhält. Das Gesicht stammt aus der Datei, die Inszenierung aus den Worten, und die beiden Ebenen konkurrieren nicht miteinander.
Subject Reference: Wenn Sie nur ein einziges Foto haben
Nicht jedes Projekt beginnt mit einem entworfenen Master-Character. Manchmal ist die Eingabe ein einzelnes Foto: eine echte Person für einen Sprecher-Spot, ein Produktfoto für eine Werbung, eine vorhandene Illustration für ein Marken-Maskottchen. Die Subject-Reference-Eingabe von MiniMax H3 behandelt diesen Fall direkt. Sie übergeben ein Bild des Motivs, und das Modell rendert dieses Motiv über neue Perspektiven, Beleuchtungen und Kontexte hinweg.
Creator, die mit Single-Image-Subject-Referenzen arbeiten, berichten von einer Charakterkonsistenz im Bereich von 95 Prozent und darüber, wenn das Quellbild sauber ist. Diese Zahl ist eine Beobachtung der Community und kein Benchmark, und sie setzt voraus, dass Sie einige Regeln beachten. Das Quellbild sollte hochauflösend, gleichmäßig ausgeleuchtet und eindeutig in Bezug auf das Motiv sein. Das Motiv sollte einen nennenswerten Teil des Bildfelds ausfüllen. Das Gesicht sollte nicht verdeckt, verschwommen oder aus extremer Perspektive aufgenommen sein.
Drei bis fünf Variationen vor der Festlegung testen
Ein einzelnes Referenzbild erzeugt eine Verteilung von Outputs, kein einzelnes deterministisches Gesicht. Erzeugen Sie drei bis fünf Test-Clips aus derselben Referenz und vergleichen Sie sie nebeneinander. Wenn das Motiv über alle fünf hinweg konsistent bleibt, ist die Referenz stark genug, um darauf aufzubauen. Wenn es abdriftet, ist entweder das Quellbild schwach oder der Prompt fordert etwas, das der Referenz widerspricht (starke Stilisierung, extremer Alterswechsel, widersprüchliche Garderobe).
Dieser Test-vor-der-Festlegung-Schritt ist der größte Hebel für Ein-Foto-Workflows. Er erkennt schwache Referenzen früh, wenn Überarbeitungen günstig sind, anstatt spät, wenn Sie bereits eine ganze Sequenz um eine Referenz herum aufgebaut haben, die nicht fixiert.
Ein Foto verwenden oder einen Master-Character entwerfen?
Die Wahl zwischen einem Ein-Foto-Workflow und der Master-Character-Methode hängt vom Ausgangsmaterial ab. Wenn Sie bereits ein Foto einer echten Person oder ein vorhandenes Figurendesign haben, ist Subject Reference der richtige Ausgangspunkt. Wenn Sie eine Figur von Grund auf neu erfinden, gibt Ihnen die Master-Character-Methode mehr Kontrolle, weil Sie die Referenz bewusst entwerfen, statt die Einschränkungen eines bestehenden Bilds zu übernehmen.
Beide Workflows enden am selben Punkt: einem kanonischen Referenzbild, das an jedem Shot angehängt ist, und einem Prompt, der nur die Inszenierung beschreibt.
Reference-Influence justieren: Der Sweet Spot zwischen 65 und 75 Prozent
Die meisten Subject-Reference-Implementierungen bieten ein Control, mit dem eingestellt wird, wie stark die Referenz den Output steuern soll. Die Namensgebung variiert je nach Oberfläche („Influence", „Strength", „Adherence"), aber die Mechanik ist dieselbe: Ein niedriger Wert erlaubt dem Modell, um die Referenz herum zu improvisieren, und ein hoher Wert erzwingt eine genaue Übereinstimmung mit der Referenz. Tipps aus Community-Gruppen für Subject Reference im MiniMax-H3-Stil landen durchgängig im Bereich von 65 bis 75 Prozent, und diese Bandbreite ist der richtige Ausgangspunkt für Charakterkonsistenz-Arbeiten.
Zu geringe Adhärenz: Die Referenz wird ignoriert
Wenn der Influence-Wert zu niedrig ist, behandelt das Modell die Referenz als Vorschlag. Das Gesicht im Output ähnelt der Referenz, passt aber nicht zu ihr, und die Ähnlichkeit nimmt im Laufe des Clips ab. Der Fehlermodus wirkt wie „ungefähr dieselbe Art von Person" statt „dieselbe Person". Das ist der falsche Fehler für eine wiederkehrende Figur, bei der es um exakte Identität geht.
Zu hohe Adhärenz: Der Output wirkt eingefroren
Wenn der Influence-Wert zu hoch ist, kopiert das Modell die Referenz starr, statt sie für den neuen Shot umzuposen. Das Gesicht fixiert sich auf den exakten Ausdruck und den Kopf winkel des Quellbilds, die Bewegung wird steif, und die Figur wirkt auf die Szene geklebt, statt in ihr zu agieren. Die Konsistenz ist hoch, aber die Performance wirkt tot.
Den Sweet Spot finden
Die Bandbreite von 65 bis 75 Prozent ist der Bereich, in dem die Referenz die Identität hält, während der Prompt die Performance steuert. Starten Sie bei 70 Prozent für ein sauberes Frontal-Referenzbild. Gehen Sie höher, wenn das Gesicht während eines Clips abdriftet. Gehen Sie niedriger, wenn die Bewegung steif wirkt oder die Figur den Kopf nicht drehen kann. Behandeln Sie den Wert als eine Shot-bezogene Einstellung, nicht als eine globale Konstante, weil der richtige Wert davon abhängt, wie viel Bewegung und Drehung der Shot von der Figur verlangt.
Zwei Fälle rechtfertigen einen Wert außerhalb der Bandbreite. Schnelle Action-Shots, in denen sich die Figur von der Kamera abwendet, können einen leicht höheren Wert erfordern, um die Identität durch die Bewegung zu bewahren. Stilisierte Shots, bei denen die Figur in einem anderen visuellen Stil gerendert werden soll, können einen leicht niedrigeren Wert erfordern, um den Stil durchzulassen. Ändern Sie in beiden Fällen nur eine Variable nach der anderen, damit Sie das Ergebnis eindeutig zuordnen können.
Eine Multi-Shot-Sequenz mit einer wiederkehrenden Figur aufbauen
Eine Multi-Shot-Sequenz ist der Ort, an dem Charakterkonsistenz ihren Wert beweist. Jeder Shot ist eine einzelne MiniMax-H3-Generierung mit angehängter kanonischer Referenz, und die Sequenz wird durch die Referenz zusammengehalten, nicht durch Glück. Die Planung der Sequenz als Shot-Liste vor dem Rendern ist es, was ein kohärentes Werk von einem Haufen Clips unterscheidet.
Eine Shot-Liste erstellen
Notieren Sie die Sequenz vor jeder Generierung als Tabelle mit einer Zeile pro Shot. Erfassen Sie für jeden Shot die Shot-Nummer, die Shot-Größe (Totale, Halbtotale, Nah), die Kamerabewegung, die Handlung, das Setting und die angehängte(n) Referenz(en). Die Referenz-Spalte ist diejenige, die die Konsistenz erzwingt: Dieselbe Figuren-Referenz erscheint in jeder Zeile, und Shot-spezifische Referenzen (ein Produkt, ein Ort, ein Garderobenwechsel) erscheinen nur dort, wo sie relevant sind.
Eine minimale Shot-Liste für eine Drei-Shot-Figursequenz könnte so aussehen:
- Shot 1 (Totale): Figur betritt die Küche, geht zur Theke, Morgenlicht. Referenz: Figur frontale Ansicht, Küchensetting.
- Shot 2 (Halbtotale): Figur an der Theke, öffnet eine Schachtel, reagiert. Referenz: Figur frontale Ansicht, Produktfoto.
- Shot 3 (Nah): Gesicht der Figur, dezentes Lächeln. Referenz: Figur frontale Ansicht, Dreiviertel-Perspektive falls vorhanden.
Jede Zeile trägt die Figuren-Referenz. Nur die unterstützenden Referenzen ändern sich. Diese Struktur ist es, die den Schnitt zusammenhält.
Vor dem Rendern ein Storyboard erstellen
Akademische Arbeiten zu trainingsfreiem „Video-Storyboarding" für Multi-Shot-konsistente Figuren untermauern diese Richtung, und die praktische Umsetzung ist unkompliziert. Skizzieren oder beschreiben Sie jeden Shot zunächst als einzelnes Bild, erzeugen Sie diese Stills und genehmigen Sie sie als Sequenz, bevor Sie Render-Budget für Video ausgeben. Stills sind günstiger als Videos, sie erlauben eine Kontinuitätsprüfung auf einen Blick und werden zu First-Frame-Referenzen, wenn Sie die Shots später animieren.
Die Disziplin besteht hier darin, die Sequenz als Sequenz zu prüfen, nicht als unabhängige Bilder. Legen Sie die genehmigten Stills nebeneinander und stellen Sie eine Frage: Wirkt die Figur über alle hinweg als dieselbe Person? Wenn ja, gehen Sie zum Video über. Wenn nein, korrigieren Sie die Referenz, bevor Sie Video-Budget für eine Sequenz ausgeben, die sich nicht zusammenschneiden lässt.
Shots in Reihenfolge und in derselben Session rendern
Rendern Sie die Shots in Story-Reihenfolge innerhalb einer einzigen Session, wenn möglich. Modelle und Einstellungen driften über die Zeit ab, und das Rendern von Shots an verschiedenen Tagen führt Varianz ein, die die Kontinuität bricht, selbst wenn die Referenz konstant bleibt. Ein Render in derselben Session mit derselben Referenz und denselben Einstellungen ist der am besten kontrollierbare Weg zu einer konsistenten Sequenz.
Praxisbeispiele: Charakterkonsistenz in der Anwendung
Drei Praxisbeispiele zeigen, wie sich die Methode an verschiedene Formate anpasst. Jedes beginnt mit derselben Grundlage: einer kanonischen Figuren-Referenz, die an jedem Shot angehängt ist, mit Prompts, die nur die Inszenierung beschreiben.
Beispiel 1: Ein Drei-Shot-Produktspot mit einem wiederkehrenden Sprecher
Eine Hautpflegemarke benötigt einen Drei-Shot-Social-Ad mit einem Sprecher, der einen Cremetiegel hält und darauf reagiert. Die Figuren-Referenz ist ein sauberes Frontalporträt des Sprechers. Die Produkt-Referenz ist ein separates Still des Tiegs und nur bei den Shots enthalten, in denen das Produkt im Bild ist.
- Shot 1 (Halbtotale): Sprecher tritt ins Bild, Produkt in der Hand. Referenzen: Figur frontale Ansicht, Produkt-Still.
- Shot 2 (Nah): Sprecher schraubt den Deckel auf. Referenzen: Figur frontale Ansicht, Produkt-Still.
- Shot 3 (Halbnahe): Sprecher spricht in die Kamera. Referenz: nur Figur frontale Ansicht.
Weil die Figuren-Referenz über alle drei Shots hinweg identisch ist und die Produkt-Referenz nur dort erscheint, wo das Produkt sichtbar ist, hält der Schnitt die Identität des Sprechers, während das Produkt sauber auftaucht und verschwindet. Zum verifizierten MiniMax-H3-Tarif (0,13 $ pro Sekunde bei 2K, 0,09 $ pro Sekunde bei 768P) kosten drei sechssekündige 2K-Shots etwa 2,34 $, was dieses Format in der Iteration günstig macht.
Beispiel 2: Eine wiederkehrende Figur in einer Reels-Serie
Ein Creator möchte denselben animierten Host in einer wöchentlichen Serie kurzer Reels verwenden. Die Master-Character-Methode kommt direkt zur Anwendung. Die erste Session wird dafür verwendet, den Master-Character zu entwerfen und in einer kanonischen Frontal-Referenz zu fixieren. Jede wöchentliche Episode startet dann von dieser Referenz aus, mit einem pro-Episode-Prompt, der Thema, Setting und Handlung beschreibt.
Das Referenzbild ändert sich von Woche zu Woche nie, und genau das ist der Punkt. Das Publikum erkennt den Host über die Episoden hinweg, weil der Host buchstäblich dasselbe Gesicht ist, übergeben als dieselbe Datei. Garderobe und Setting können über unterstützende Referenzen pro Episode variieren, aber die Identität bleibt gesperrt. Bei einer Serie mit Dutzenden von Episoden ist das der Unterschied zwischen einer erkennbaren Figur und einer Parade von Doppelgängern.
Beispiel 3: Eine Multi-Shot-Story-Szene
Eine kurze narrative Szene erfordert eine Figur über fünf Shots hinweg: einen Raum betreten, sich an einen Schreibtisch setzen, auf einen Anruf reagieren, aufstehen und den Raum verlassen. Die Figuren-Referenz ist an jedem Shot angehängt. Eine Orts-Referenz (derselbe Raum aus einer konsistenten Perspektive) ist an die Totalen angehängt. Eine Shot-Liste wird erstellt, bevor irgendein Video gerendert wird, und die Stills werden vor der Animation als Sequenz genehmigt.
Der schwierige Shot ist hier der Reaktions-Shot, bei dem sich der Gesichtsausdruck der Figur ändern muss, ohne dass sich die Identität ändert. Die Lösung besteht darin, die Figuren-Referenz beim Standard-Influence-Wert zu belassen und den neuen Ausdruck im Prompt zu beschreiben, während alle anderen Invarianten in der Referenz bleiben. Die Referenz hält das Gesicht, der Prompt liefert die Emotion.
Häufige Fehler und wie Sie sie beheben
Arbeiten zur Charakterkonsistenz scheitern auf vorhersehbare Weise. Die meisten Fehler lassen sich auf die Referenz, den Prompt oder das Zusammenspiel zwischen beiden zurückführen.
Minderwertiges Referenzbild
Eine verschwommene, dunkle oder extrem winklige Referenz kann die Identität nicht fixieren, weil das Modell das Gesicht nicht klar lesen kann. Der Output drifft ab, weil das Modell die Details erfinden muss, die die Referenz verbirgt. Die Lösung besteht darin, die Referenz mit gleichmäßiger Beleuchtung, einer frontalen Kamera auf Augenhöhe und einem neutralen Ausdruck neu zu erzeugen. Die Referenz ist ein Messwerkzeug. Behandeln Sie sie auch so.
Widersprüchliche Referenzen
Zwei Figurenbilder mit unterschiedlichen Gesichtern oder eine Figuren-Referenz, deren Garderobe im Widerspruch zu einer Outfit-Referenz steht, zwingen das Modell zu einer Schiedsrichtung. Diese Schiedsrichtung zeigt sich als Flackern und Abdriften. Die Lösung besteht darin, den Referenzsatz vor dem Rendern zu prüfen und sicherzustellen, dass jedes Attribut durch genau eine Referenz definiert wird. Wenn Sie einen Garderobenwechsel benötigen, ändern Sie die Outfit-Referenz, nicht die Identitäts-Referenz.
Die Figur im Prompt neu beschreiben
Wenn Sie im Prompt „Frau mit kurzen schwarzen Haaren und grünen Augen" schreiben, während ein Referenzbild sie bereits definiert, laden Sie zur Neuinterpretation ein. Das Modell liest beide Eingaben und versucht, beide zu erfüllen, was das Gesicht von der Referenz wegziehen kann. Die Lösung besteht darin, die Identitätsbeschreibung aus dem Prompt vollständig zu entfernen, sobald eine Referenz angehängt ist, und die Referenz ihre Arbeit machen zu lassen.
Falsches Seitenverhältnis oder falscher Bildausschnitt
Eine in 9:16 aufgenommene Referenz, die auf einen 16:9-Output angewendet wird, kann das Gesicht verzerren oder markante Merkmale abschneiden. Die Lösung besteht darin, Referenzen im Seitenverhältnis zu erzeugen, in dem Sie ausliefern möchten, oder eine Kopf-und-Schulter-Inszenierung zu verwenden, die beim Cropping über verschiedene Verhältnisse hinweg intakt bleibt.
Bewegung, die die Identität bricht
Schnelle Drehungen, Verdeckungen (eine Hand, die vor dem Gesicht vorbeistreicht) und extreme Kopfdrehungen können dazu führen, dass das Modell das Gesicht mitten im Clip verliert und ein leicht anderes rekonstruiert, wenn das Gesicht wieder auftaucht. Die Lösung besteht darin, Shots so zu planen, dass das Gesicht während der Bewegung mindestens teilweise sichtbar bleibt, und extreme Drehungen für Momente vorzusehen, in denen das Gesicht nicht im Fokus steht. Wenn ein Shot die Identität durch Bewegung brechen muss, schneiden Sie im Edit um die Unterbrechung herum, statt zu versuchen, das Gesicht durch sie hindurch zu halten.
MiniMax H3-Prompt-Templates für Figuren-Arbeiten
Kosten einer Multi-Shot-Sequenz
Die Preisstruktur von MiniMax H3 macht Multi-Shot-Figuren-Arbeiten praktisch iterierbar. Die verifizierten Tarife liegen bei 0,13 $ pro Sekunde in nativer 2K-Auflösung und 0,09 $ pro Sekunde bei 768P. Eine Sechs-Shot-Sequenz aus sechssekündigen 2K-Clips kostet etwa 4,68 $; dieselbe Sequenz bei 768P kostet etwa 3,24 $. Das ist günstig genug, um Variationen zu rendern und die beste Aufnahme auszuwählen, was den richtigen Ansatz für Charakterkonsistenz-Arbeiten darstellt.
Ein nützliches Budget-Muster besteht darin, bei 768P zu iterieren und bei 2K zu finalisieren. Verwenden Sie 768P für die Test-Renders, die prüfen, ob eine Referenz fixiert und ob eine Sequenz zusammenpasst. Sobald die Referenzen und die Shot-Liste stabil sind, rendern Sie die finale Sequenz in nativer 2K-Auflösung. Das hält die Kosten für Iteration niedrig und reserviert die Renderings mit höherer Wiedergabetreue und höheren Kosten für Outputs, die Sie tatsächlich ausliefern.
Die Pro-Sekunde-Rechnung skaliert linear mit der Clip-Länge, also halten Sie jeden Shot so kurz, wie es die Story erlaubt. Ein Charakterkonsistenz-Test benötigt keinen fünfzehnsekündigen Clip. Fünf oder sechs Sekunden reichen meist aus, um zu beurteilen, ob das Gesicht hält, und bei 2K kostet das weniger als einen Dollar pro Shot.
Leitfaden zu kostenlosen Credits für MiniMax H3
MiniMax H3 Charakterkonsistenz FAQ
Wie viele Referenzen benötige ich für eine konsistente Figur?
Ein einziges sauberes Frontalbild reicht aus, um die Identität für viele Shots zu fixieren. Drei bis fünf Bilder aus verschiedenen Perspektiven (frontal, Dreiviertel, Profil) geben dem Modell mehr Material und verbessern die Konsistenz über Kopfdrehungen hinweg. Reservieren Sie den Rest des 12-Dateien-Budgets für Outfit, Setting, Bewegung und Audio nur, wenn jedes eine nicht widersprüchliche Bedingung hinzufügt.
Kann ich ein echtes Foto als Figuren-Referenz verwenden?
Ja. Ein echtes Foto funktioniert als Subject-Reference-Eingabe. Das Foto sollte hochauflösend, gleichmäßig ausgeleuchtet und unverbaut sein, wobei das Motiv einen nennenswerten Teil des Bildfelds ausfüllt. Erzeugen Sie drei bis fünf Test-Clips aus demselben Foto und prüfen Sie, ob das Motiv über alle hinweg konsistent bleibt, bevor Sie eine Sequenz aufbauen. Stellen Sie sicher, dass Sie die Rechte am Abbild einer echten Person besitzen, bevor Sie veröffentlichen.
Funktioniert Subject Reference auch für nicht-menschliche Motive wie Produkte oder Maskottchen?
Ja. Der Mechanismus ist derselbe. Übergeben Sie ein sauberes Referenzbild des Produkts, Maskottchens oder Objekts, und das Modell überträgt sein Erscheinungsbild über Shots hinweg. Das ist besonders nützlich für Markenfiguren und Produktwerbung, bei denen dasselbe Objekt über eine Sequenz hinweg identisch aussehen muss. Dasselbe gilt: eine klare Referenz, keine widersprüchlichen Eingaben und ein Influence-Wert im Bereich von 65 bis 75 Prozent als Startpunkt.
Was kostet eine Multi-Shot-Figursequenz?
Zu den verifizierten Tarifen von 0,13 $ pro Sekunde bei 2K und 0,09 $ pro Sekunde bei 768P kostet eine Sechs-Shot-Sequenz aus sechssekündigen Clips etwa 4,68 $ bei 2K oder 3,24 $ bei 768P. Iteration bei 768P und Finalisierung bei 2K halten die Gesamtkosten niedrig und reservieren hochauflösende Renders für die Schnitte, die Sie ausliefern möchten.
Gibt es kostenlose Optionen für MiniMax H3?
Der schnellste No-Code-Weg ist das gehostete MiniMax-H3-Tool, das dasselbe Referenzsystem über eine UI ohne Setup ausführt. Kostenlose Credits und Starter-Angebote wechseln, also prüfen Sie im aktuellen Credits-Leitfaden, was verfügbar ist, wenn Sie produzieren. Leitfaden zu kostenlosen Credits für MiniMax H3
Funktioniert das auch für eine wiederkehrende Figur über separate Videos hinweg, nicht nur innerhalb einer Sequenz?
Ja. Die Master-Character-Methode ist genau für diesen Fall gedacht. Fixieren Sie die kanonische Referenz einmal, dann hängen Sie sie an den ersten Shot jedes neuen Videos in der Serie an. Die Figur wird über separate Videos hinweg, die Wochen oder Monate auseinander veröffentlicht werden, als dieselbe Person wahrgenommen, weil das Gesicht jedes Mal als dieselbe Datei übergeben wird.
Mit welchem Influence-Wert sollte ich starten?
Starten Sie bei 70 Prozent mit einer sauberen Frontal-Referenz. Gehen Sie höher, wenn das Gesicht während eines Clips abdriftet, und niedriger, wenn die Bewegung steif wirkt. Behandeln Sie den Wert als eine Shot-bezogene Einstellung, nicht als eine globale Konstante, weil der richtige Wert davon abhängt, wie viel Bewegung und Drehung der Shot von der Figur verlangt.
Fazit: Lassen Sie die Referenz die Arbeit machen
Charakterkonsistenz aufhört ein Glücksspiel zu sein, sobald Sie aufhören, die Figur in Prosa zu beschreiben, und sie stattdessen als Referenzdatei übergeben. Das 12-Dateien-multimodale Budget und die native Multi-Shot-Konsistenz von MiniMax H3 sind genau für diesen Workflow gebaut, und die Master-Character-Methode gibt Ihnen einen wiederholbaren Weg: den Master-Character entwerfen, ein sauberes Frontal-Referenzbild erzeugen und diese Referenz an jedem Shot anhängen. Testen Sie drei bis fünf Variationen vor der Festlegung, setzen Sie den Influence-Wert in die 65-bis-75-Prozent-Bandbreite und lassen Sie den Prompt nur die Inszenierung tragen. Das Gesicht kommt jedes Mal aus der Datei.
Der nächste Schritt besteht darin, die Methode auf ein echtes Projekt anzuwenden. Wählen Sie eine Figur aus, erstellen Sie die kanonische Referenz, führen Sie eine Drei-Shot-Sequenz bei 768P aus, um den Schnitt zu testen, und finalisieren Sie bei nativer 2K-Auflösung, sobald die Referenzen fixieren.
PixMind MiniMax H3 Video-Tool Viraler Video-Leitfaden für MiniMax H3 Leitfaden zu kostenlosen Credits für MiniMax H3
Spezifikationen, Preise und Leistungsmerkmale in diesem Leitfaden wurden am 01.08.2026 anhand des offiziellen MiniMax-Blogs, der MiniMax-Plattformdokumentation, OpenRouter, Vercel AI Gateway und EvoLink verifiziert. Community-Workflow-Details (die Master-Character-Methode, die 65-bis-75-Prozent-Influence-Bandbreite und die Beobachtung von rund 95 Prozent Single-Image-Konsistenz) spiegeln Creator- und Branchenpraxis wider und sind keine formalen Benchmarks. Modell- und Tarifkarten ändern sich schnell; bestätigen Sie immer die Live-Werte in Ihrer Route, bevor Sie produzieren.
