Continuar videos con MiniMax H3 y ref2va: Prompts para la continuidad perfecta

Generar videos con modelos como MiniMax H3 requiere un manejo preciso del contexto visual, especialmente cuando se utiliza la función de referencia `ref2va`. En nuestra conversación, analizamos en detalle cómo estructurar los prompts para asegurar que el modelo entienda exactamente qué hacer con esos frames de referencia. No se trata solo de copiar una imagen, sino de definir si queremos usar esa secuencia como un punto de partida temporal o como un estado objetivo final.

El primer enfoque que desarrollamos se centra en la generación directa. Aquí, el modelo debe tratar los últimos 20 frames del video anterior como el punto exacto de partida para su nueva secuencia. El prompt debe instruirle a preservar meticulosamente las identidades de los personajes, sus poses, el entorno y la posición de la cámara.

Para este objetivo, probamos dos versiones distintas de prompts en inglés:

• Versión Estándar: Un prompt más largo y descriptivo. Este es ideal para modelos que necesitan una guía exhaustiva sobre qué elementos específicos—como las texturas, la iluminación o los rasgos faciales—deben mantenerse intactos mientras se avanza en el tiempo.
• Versión Compacta: Una versión mucho más concisa y directa. Al ser H3 un modelo que recibe información visual a través de `ref2va`, este prompt funciona mejor porque deja que los 20 frames hagan el trabajo pesado, usando el texto solo para indicar la acción inmediata.

La conversación concluyó recomendando probar primero la versión compacta. Es una diferencia clave: en lugar de llenar el input de instrucciones repetitivas, el prompt se enfoca simplemente en comunicar que esto no es una inspiración estética, sino una continuación temporal directa.