MiniMax H3 reference to video: 넣을 수 있는 것과 비용 - RefVid

MiniMax H3 reference to video로 할 수 있는 것

• H3에 프롬프트와 레퍼런스 세트를 주면, 거기 담긴 사람, 제품, 장소, 움직임, 목소리가 등장하는 새 클립을 만들어요. 이미지는 화면에 누가, 무엇이 나올지를 정하고, 영상 클립은 움직임을, 오디오 클립은 목소리나 음악을 정해요. 영상과 스테레오 사운드는 한 번의 생성으로 함께 나와요.
• ComfyUI의 출시 글에 따르면 H3는 Hailuo 01, Hailuo 02에 이은 MiniMax의 세 번째 영상 모델이에요. Segmind는 MiniMax API와 Hailuo AI 앱 출시일을 2026년 7월 31일로 적고 있어요. 이어서 Hugging Face에 가중치가 올라왔고, ComfyUI는 8월 3일 day-0 지원을 발표했어요. MiniMax 모델 카드에는 공개 체크포인트 두 개가 나와 있어요. 텍스트·첫 프레임·마지막 프레임 기반 영상용 하나와, 레퍼런스용 Ref2VA예요.
• 모델 카드에 따르면 모든 출력은 4~15초, 24fps, 32kHz 스테레오 오디오이고, 대사는 영어, 일본어, 한국어, 독일어, 프랑스어, 스페인어, 포르투갈어를 포함한 11개 언어를 지원해요.

레퍼런스 한도: 이미지, 영상, 오디오

• 요청 한 번에 레퍼런스 이미지 최대 9장, 영상 클립 최대 3개, 오디오 클립 최대 3개를 넣을 수 있고, 파일은 모두 합쳐 12개를 넘을 수 없어요. MiniMax 모델 카드와 API 문서에 따르면 영상·오디오 클립은 각각 2~15초여야 하고, 종류별 합계는 최대 15초예요.
• MiniMax API는 JPG, PNG, WEBP, HEIC 이미지를 최대 30MB, 한 변 256~5,760픽셀, 가로세로 비율 0.4~2.5 범위에서 받아요. 레퍼런스 영상은 MP4나 MOV로 최대 50MB, 오디오는 WAV나 MP3로 최대 15MB예요. 레퍼런스 모드는 같은 요청에서 첫 프레임·마지막 프레임 모드와 함께 쓸 수 없어요.
• Sogni 문서에 따르면 오디오만 넣으면 거부돼요. 레퍼런스 세트에는 이미지나 영상이 적어도 하나 있어야 해요. fal.ai 엔드포인트는 레퍼런스 이미지 5장까지는 무료이고 그 이후로는 장당 $0.08을 받아서, 9장을 쓰면 영상 비용에 $0.32가 더해져요.

해상도, 길이, 가격

• H3는 768p로 생성하고, 두 번째 단계에서 그 결과를 2K로 다시 생성해요. fal.ai 가격은 초당 480p $0.05, 768p $0.06, 2K $0.13, 4K $0.16이고, 스키마에는 2K와 4K가 768p 베이스에서 업스케일된다고 나와 있어요. 그래서 fal.ai에서 10초짜리 768p 클립은 추가 이미지 비용을 빼고 $0.60이에요.
• MiniMax 모델 카드에 따르면 H3-Regenerate-2K라는 이 두 번째 단계는 단순한 업스케일러가 아니라, 768p 클립과 원래 레퍼런스를 H3에 다시 넣는 방식이에요. fal.ai에서는 클립 길이가 5~15초이고, 화면 비율은 adaptive, 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 중에서 골라요.
• MiniMax 자체 API에는 네 가지 버전이 있어요. 768p 또는 2K의 표준 H3, 768p의 Highspeed, 480p 또는 768p의 Lite, 그리고 5~15초를 지원하는 480p 또는 768p의 Max예요. Segmind는 2K 기준 초당 약 $0.16을 받아요. 가격은 제공업체마다 다르고 바뀌기도 하니, 대량으로 생성하기 전에 쓰는 곳의 가격을 확인하세요.

MiniMax H3 reference to video 프롬프트 가이드

• 모든 레퍼런스를 종류와 순서로 부르고, 각각에 역할을 하나씩만 맡기세요. fal.ai 스키마는 업로드 순서대로 Image 1, Video 1, Audio 1처럼 부르도록 해요. 예를 들면 "Image 1은 여자의 얼굴, Image 2는 그녀의 재킷, Video 1은 걷는 동작"처럼요. Sogni 가이드는 레퍼런스가 고정된 프레임이 아니라 느슨한 참고일 뿐이라고 경고해요.
• 여러 이미지에 같은 피사체가 나온다면 하나의 피사체로 정의하세요. MiniMax의 레퍼런스 프롬프트 가이드는 "<Subject 1>은 외모를 <Picture 1>에서, 걷는 동작을 <Video 1>에서 가져온 여자"처럼 쓰고, 목소리에는 <Audio 1>을 써서 "<Audio 1>은 <Subject 1>의 음색 레퍼런스"라고 적어요. 두 레퍼런스가 충돌하면 어느 쪽을 따를지 밝혀 주세요.
• 제품 사진 3장과 인물 1명으로 이 형식에 맞춰 쓴 프롬프트예요. "Image 1부터 Image 3까지는 같은 유리 향수병, Image 4는 여자. 그녀가 카페 테이블에서 병을 집어 들고 라벨을 카메라 쪽으로 돌리며 미소 짓는다. 느린 푸시인, 아침 햇살. 조용한 카페 소리."
• 처음에는 프롬프트 확장을 켜 두세요. MiniMax는 호스팅되는 프롬프트 재작성기 H3-Context-IR이 최종 품질에 결정적이라고 말해요. fal.ai는 기본으로 균형 잡힌 확장을 적용하고 확장된 프롬프트를 돌려줘요. 그 텍스트를 꼭 읽어 보세요. 원하지 않는 디테일이 추가됐다면 그 부분을 직접 써 넣거나 확장을 꺼 주세요.

Kling vs MiniMax: H3와 Kling 4 비교

• H3는 초당 가격이 더 싸고 오디오 레퍼런스를 받아요. Kling 4는 더 긴 클립을 만들어요. fal.ai에서 H3는 768p 기준 초당 $0.06, Kling 4는 720p 기준 $0.157이고, 클립 길이는 Kling 4가 3~30초, H3는 최대 15초예요. 둘 다 영상과 함께 사운드를 만들고, 레퍼런스 이미지도 둘 다 10장 안팎을 받아요.
• Kling 가이드에 따르면 Kling 4의 Omni Reference는 이미지를 최대 7개 엘리먼트로 묶어 어떤 사진들이 같은 캐릭터인지 모델이 알 수 있게 하고, 레퍼런스 영상은 최대 5개, 합계 30초까지 받아요. H3는 대신 프롬프트로 레퍼런스를 묶고, 목소리나 음악용 오디오 클립을 최대 3개까지 더할 수 있어요.
• H3는 가중치도 공개돼 있지만 Kling은 그렇지 않아요. 공개 체크포인트는 768p로 생성해요. MiniMax는 2K 단계와 프롬프트 재작성기를 공개하지 않았고, H3 Community License는 유럽연합, 영국, 한국, 미국을 제외하고 있어서 이 지역에서는 MiniMax와 별도 라이선스를 맺어야 해요. 호스팅 API는 전 세계에서 쓸 수 있어요.
• 두 모델을 같은 레퍼런스로 돌려 보지는 않았어요. 그래서 이 비교는 공개된 한도와 가격을 비교한 것이지, 실제로 측정한 닮은 정도를 비교한 게 아니에요.

여러 클립에서 같은 피사체 유지하기

• 클립마다 같은 레퍼런스 세트와 같은 피사체 문장을 보내세요. 시리즈 전체의 일관성은 똑같은 입력을 반복하는 데서 나와요. 두 번째 클립에 다른 얼굴 사진이나 표현을 바꾼 정의가 들어가면, 어떤 모델을 쓰든 모델은 새로운 피사체를 그리게 돼요.
• 9칸을 다 채우기보다 피사체마다 깔끔한 사진 3~5장을 쓰세요. 인물이라면 정면, 3/4 측면, 옆모습, 제품이라면 대표 각도, 뒷면, 로고 클로즈업이에요. 조명은 고르게, 배경은 단순하게 하고 필터나 텍스트 오버레이는 빼세요. 남는 칸은 두 번째 피사체나 장소에 쓰는 게 더 나아요.
• 초안은 480p나 768p로 만들고, 남길 테이크만 2K로 렌더링하세요. fal.ai에서 10초짜리 768p 초안은 $0.60, 같은 클립을 2K로 만들면 $1.30이라, 닮은 정도와 움직임을 먼저 확인하면 실패한 테이크 비용을 대부분 아낄 수 있어요.
• RefVid에서는 MiniMax H3를 쓰지 않아요. 기본은 Kling 4이고, 더 저렴한 선택지인 Kling 3.0 Omni, 그리고 Seedance 2.5, Wan 3.0, Vidu Q4 등을 지원해요. 캐릭터나 제품을 사진 1~5장으로 한 번 저장하면 이후 모든 클립에서 같은 세트를 다시 쓰기 때문에, 위에서 말한 입력 반복 단계는 자동으로 처리돼요.

• 멀티 레퍼런스 영상 생성기: 모델별로 받는 입력→
• Reference to video: 작동 방식과 지원 모델→
• Kling 4.0 Omni Reference: 한도, 팁, 예시→