从姿势到女巫：控制AI视频的六种新方法

视频到视频通常要求一个模型同时保留一切并改变一切。这就是为什么强大的风格转换可能会丢失行走动作、压平摄像机移动，或逐渐将表演者替换为另一个人。我们新的H3控制工具将问题分为两部分：首先提取源剪辑中重要的部分，然后使用该信号引导新的生成。

我们推出了六个重点工作流程——Canny、深度、HED、MLSD、姿势和视频修复——基于MiniMax-H3-Fun 控制Net Union模型。每个工具都接受正常的源视频。ManifoldGen自动准备正确的控制通道，或者您可以关闭预处理并上传在其他地方准备的控制视频。

测试：将表演变成森林女巫

对于发布测试，我们使用了一个简短的姿势驱动剪辑，并要求一个全身森林女巫，穿着层叠的翠绿长袍，银色头发，背景是月光下的古老森林。输出保留了源表演和手部时机，同时替换了人物、服装、灯光和地点。

A powerful forest witch performing the movement, full body, layered emerald robes and leather corset, silver hair, magical particles around her hands, moonlit ancient forest, cinematic fantasy realism

您应该使用哪种控制？

关键区别在于你无法承受失去什么。当表演至关重要时选择姿势，当相机和体积重要时选择深度，大胆形状用Canny，细腻轮廓用HED，构造几何用MLSD。当画面大部分已正确且只需改变一个区域时，使用修复。

普通视频就足够了

上传前无需运行Open姿势、深度估计器或边缘检测器。保持“从普通视频提取控制”启用，工作进程会在生成前推导出时间对齐的控制视频。高级用户可关闭该开关，直接发送已准备好的Canny、深度、HED、MLSD或姿势通道。

重要设置

• 控制强度决定新镜头遵循指南的严格程度。从默认值附近开始；降低以获得更大的创意变化，当运动或几何开始漂移时提高。
• 提示替换内容，而非源内容。描述新主体、服装、环境、光线、材质和期望的最终效果。
• 比较提示或强度值时使用种子。保持固定更容易判断单一设置变化的效果。
• 从短片段480p开始。一旦运动和构图正常，再升级到576p或720p并渲染更长的剪辑。

启动工具接受最长15秒的片段，输出时长可选3、5、8、10和15秒。分辨率有480p、576p和720p。生成作为持久的异步任务运行，因此长时间渲染不依赖于保持单个浏览器请求打开。

发布定价

在生成之前，页面会根据时长和分辨率显示估算。发布时，480p的近似价格为3秒1.16美元，5秒1.44美元，8秒1.88美元，15秒2.88美元。576p渲染约为480p估算的1.35倍，720p约为2倍。最终费用根据实际GPU运行时间结算，因此您只为使用的计算付费，而不是固定的上限。

可用性和模型许可

这六个工具使用MiniMax H3社区许可。它们目前在美国、欧盟、英国和韩国不可用。该工具在生成前检查地区，并要求在界面中接受许可。如果该工具在您所在地区可用，请查看链接的模型许可，了解适用于您的使用的限制。

首先制作什么

从一个干净、可读的表演开始：一个人在画面中行走、跳舞、施法或转身。通过姿势运行它，并描述一个其轮廓可以合理跟随该动作的角色——女巫、装甲骑士、森林精灵或风格化的生物。然后通过深度或HED运行相同的源。查看每个控件保留哪些信息是理解这六个工具的最快方式，并且通常会揭示出比您计划的更强大的处理方式。