Figurenkonsistenz in MiniMax H3 beginnt vor der Videogenerierung. Stelle ein sauberes Referenzpaket zusammen, lege die Figurenbeschreibung fest und ändere pro Test nur eine Variable der Einstellung. So lassen sich Abweichungen bei Gesicht, Kleidung und Stil über wiederkehrende Aufnahmen hinweg verringern.
Was bedeutet Figurenkonsistenz in MiniMax H3?
Figurenkonsistenz bedeutet, dass das Publikum in jeder Einstellung dieselbe Person oder Figur erkennt. Eine gleichbleibende Frisur allein reicht dafür nicht aus.
Eine konsistente Figur behält ihre zentralen Erkennungsmerkmale bei:
- Gesichtsform, Augenfarbe und Gesichtsproportionen
- Haarfarbe, Länge, Textur und Silhouette
- Kleidung, Accessoires, Logos und charakteristische Requisiten
- Größe, Körperbau und Körperproportionen
- Farbpalette und Rendering-Stil
- Alter, Persönlichkeit und wiederkehrende Verhaltensweisen
Kamerawinkel, Ausdruck, Pose und Beleuchtung dürfen sich ändern. Die Erkennungsmerkmale der Figur sollten dagegen gleich bleiben.
MiniMax H3 verarbeitet Text-, Bild-, Video- und Audioeingaben. Die offiziellen Materialien beschreiben einen Reference-Generation-Workflow mit Referenzbildern und -videos. Optionale Audioreferenzen werden dabei zusammen mit visuellen Medien verwendet.
H3-Context-IR erfüllt eine andere Aufgabe. Der Dienst interpretiert multimodale Eingaben und liefert einen erweiterten Prompt, erzeugt aber kein Video. Referenzen können die Kontinuität unterstützen; MiniMax garantiert jedoch keine perfekte Identität in jeder Einstellung.
Stelle vor der Animation ein Referenzpaket zusammen
Ein einzelnes Porträt lässt viele Details offen. Es zeigt nur einen Winkel, einen Ausdruck und einen Teil der Kleidung. Alles außerhalb dieses Bildes muss das Modell ableiten.
Bereite vor einer Sequenz ein kompaktes Referenzpaket vor:
- Neutrale Nahaufnahme: klares Gesicht, gleichmäßiges Licht, geschlossener Mund und direkter Blick
- Ganzkörperansicht: gut erkennbare Silhouette, Schuhe, Ärmel und Kleidungsproportionen
- Profil oder Dreiviertelansicht: Seitenprofil, Haarvolumen, Kieferlinie und Accessoires
- Ausdrucksbogen: neutral, fröhlich, besorgt und entschlossen
- Kleidungsdetails: Logos, Schmuck, Stoffmuster und charakteristische Requisiten
- Farbreferenz: feste Palette für Haare, Augen, Kleidung und Akzentfarben
Verwende in allen Bildern dasselbe Design. Widersprüchliche Haarlängen oder Jackendetails erzeugen Unklarheit, statt mehr Kontrolle zu bieten.
Wenn du das Referenzpaket korrigieren musst, nutze die Bildbearbeitung. Dort stehen GPT Image 2, Nano Banana 2 und Nano Banana Pro zur Auswahl. Nano Banana Pro unterstützt bis zu neun Referenzbilder pro Sitzung und eignet sich damit für Figuren- und Stilaufgaben mit mehreren Referenzen.
Ein erstes Figurenblatt kannst du auch mit Text zu Bild erstellen. Für ein Asset im Stil einer Anime-Karte bietet der Anime Card Maker einen weiteren Ausgangspunkt.
Nutze ein Figurenhandbuch statt dein Gedächtnis
Halte alle Details, die jede Einstellung überstehen müssen, in einem wiederverwendbaren Block fest:
Character name:
Face:
Hair:
Eyes:
Outfit:
Body silhouette:
Color palette:
Signature prop:
Visual style:
Do not change:
Allowed changes per shot:
Formuliere jedes Feld so, dass es visuell überprüfbar ist. „Distinctive hero“ gibt dem Modell kaum Orientierung. „Türkisfarbener Bob mit einer einzelnen goldenen Strähne, bernsteinfarbene Augen, kurze schwarze Jacke mit goldener Einfassung, elfenbeinfarbene hoch sitzende Hose und Halbmondanhänger“ definiert sichtbare Merkmale.
Schreibe eine feste Figurenbeschreibung
Erstelle einen Identitätsblock und füge ihn unverändert in jeden Prompt ein. Formuliere ihn nicht aus Gründen der Abwechslung um. Schon kleine Wortänderungen können verschieben, welche Merkmale das Modell priorisiert.
Keep the same character: an adult anime singer with a teal bob and one thin gold streak, amber eyes, a black cropped jacket with gold trim, ivory high-waisted pants, teal ankle boots, a crescent pendant, slim silhouette, soft cel-shaded anime style, and the same face proportions in every shot.
Platziere diesen Block vor der wechselnden Handlung und behalte seine Reihenfolge über die gesamte Sequenz bei.
Für ein Maskottchen oder eine Produktfigur kannst du dieselbe Struktur verwenden:
Keep the same mascot: a small cobalt-blue fox with rounded ears, one white tail tip, a yellow messenger bag, three dark cheek marks, and the same flat graphic style in every shot.
Der Block soll die Figur identifizieren, nicht die gesamte Szene beschreiben.
Ändere die Handlung, nicht die Figur
Behandle jede Einstellung als kontrollierte Variation. Der Identitätsblock bleibt gleich. Handlung, Kamera oder Umgebung beschreibst du in einem separaten Satz.
Same character and outfit as the reference. Change only the action: she turns toward the camera, lifts the microphone, and takes one step forward under blue stage lights. Keep face shape, hair length, jacket, ivory high-waisted pants, crescent pendant, and color palette unchanged.
Nutze pro kurzem Clip eine zentrale Handlung. Wenn ein Prompt gleichzeitig Pose, Kleidung, Ort, Wetter, Objektiv, Stil und Stimmung ändert, muss das Modell zu viele konkurrierende Entscheidungen treffen.
Eine Sequenz aus drei Einstellungen könnte so variieren:
| Einstellung | Unverändert lassen | Ändern |
|---|---|---|
| Nahaufnahme | Identität, Kleidung, Stil, Palette | Blick bewegt sich zur Kamera |
| Halbnahe Einstellung | Identität, Kleidung, Requisite, Lichtcharakter | Figur hebt das Mikrofon |
| Totale | Identität, Kleidung, Bühnendesign, Palette | Figur tritt in den Lichtkegel |
Diese Methode erleichtert auch die Fehleranalyse. Wenn sich das Gesicht nach einer einzigen Kameraänderung verschiebt, lässt sich die neue Variable leichter als Ursache prüfen.
Nutze H3-Referenzen, wenn Text allein nicht genügt
Text beschreibt eine Kategorie; eine Referenz zeigt konkrete visuelle Beziehungen. Nutze Referenzmedien, wenn Worte ein Gesicht, eine Requisite, ein Kleidungsmuster oder eine Bewegungsidee nicht zuverlässig festhalten.
Nutze MiniMax-H3 Reference Generation, wenn eine Einstellung visuelle Referenzen oder Audio zusammen mit visuellen Medien benötigt. Der aktuelle Workflow unterstützt bis zu neun Bilder, drei Videoclips und drei Audioclips; gemischte Referenzeingaben sind auf zwölf Dateien begrenzt. Jeder Video- oder Audioclip muss 2–15 Sekunden lang sein. Die Gesamtdauer der Referenzvideos sowie der Referenzaudios ist jeweils auf 15 Sekunden begrenzt. Laut H3-Referenzdokumentation von MiniMax darf Audio in Ref2VA nicht als einzige Medienreferenz dienen, sondern muss mindestens ein Bild oder Video begleiten.
H3-Context-IR kann komplexe multimodale Eingaben vor der Generierung strukturieren. Der asynchrone Dienst liefert einen erweiterten Prompt statt eines Videos.
Wähle jede Referenz nach ihrem Zweck aus:
- Nutze eine Nahaufnahme, um die Gesichtsidentität zu sichern.
- Nutze eine Ganzkörperansicht, um Silhouette und Kleidung zu sichern.
- Nutze ein Detailbild, wenn kleine Grafiken oder Accessoires wichtig sind.
- Nutze eine Bewegungsreferenz nur, wenn die Handlung eine klarere physische Vorgabe braucht.
Füge nicht automatisch jedes verfügbare Bild hinzu. Mehr Referenzen helfen nur, wenn sie miteinander übereinstimmen. Entferne Duplikate und widersprüchliche Varianten.
Teste drei kurze Clips vor einer längeren Sequenz
Führe vor einer vollständigen Szene einen kleinen Kontinuitätstest durch. Nutze drei Einstellungen, die unterschiedliche Risiken sichtbar machen.
- Erzeuge eine neutrale Nahaufnahme mit minimaler Bewegung.
- Erzeuge eine halbnahe Einstellung mit einer einhändigen Handlung.
- Erzeuge eine weitere Einstellung mit einer einfachen Körperdrehung.
Prüfe die drei Clips nebeneinander. Bewerte nicht nur das attraktivste Einzelbild.
Nutze diese Checkliste für Abweichungen:
| Bereich | Bestanden, wenn | Typisches Abweichungssignal |
|---|---|---|
| Gesicht | Proportionen und Alter bleiben gleich | Kiefer, Augen oder Nase verschieben sich |
| Haare | Länge und Silhouette bleiben gleich | Pony, Volumen oder Farbe verändern sich |
| Kleidung | Schnitt und Details bleiben gleich | Ärmel, Logos oder Accessoires verschwinden |
| Körper | Größe und Körperbau bleiben stabil | Gliedmaßen oder Proportionen verändern sich |
| Palette | Kernfarben bleiben gleich | Jacken- oder Augenfarbe verändert sich |
| Stil | Rendering-Sprache bleibt gleich | Realismusgrad oder Linienstärke verändern sich |
| Requisite | Form und Position bleiben klar erkennbar | Requisite ändert Größe oder Hand |
Wenn ein Detail zweimal scheitert, verbessere die zugehörige Referenz oder den Identitätsblock. Zufällige Wiederholungen machen die Ursache selten sichtbar.
Abweichungen bei Gesicht, Kleidung und Stil korrigieren
Unterschiedliche Fehler brauchen unterschiedliche Korrekturen.
| Problem | Wahrscheinliche Ursache | Besserer nächster Test |
|---|---|---|
| Gesicht verändert sich zwischen Winkeln | Schwache Profilreferenz oder unklare Proportionen | Füge eine Dreiviertelansicht hinzu und lege die Gesichtsform fest. |
| Haare wachsen oder wechseln die Farbe | Haarbeschreibung enthält keine Länge oder Silhouette | Lege Länge, Pony, Textur und genaue Farbe fest. |
| Kleidung verliert kleine Details | Ganzkörperreferenz zeigt zu wenig Details | Füge eine Detailaufnahme der Kleidung hinzu und benenne die festen Elemente. |
| Figur wird realistischer | Stilformulierung wechselt zwischen Prompts | Verwende denselben Stilblock ohne Synonyme. |
| Hände oder Requisiten verändern ihre Form | Handlung verdeckt wichtige Geometrie | Vereinfache die Geste und halte die Requisite sichtbar. |
| Hintergrund beeinflusst die Kleidungsfarbe | Motiv und Hintergrund haben ähnliche Tonwerte | Erhöhe den Kontrast im Quellbild. |
Wenn mehrere Bereiche gleichzeitig scheitern, reduziere die Komplexität der Einstellung. Beginne mit einer stabilen Komposition und ergänze erst danach Kamera- oder Körperbewegung.
Passe den Kontinuitätstest an den Figurentyp an
Dasselbe Identitätssystem gilt für alle Formate, doch je nach Zielgruppe unterscheiden sich die Fehlerrisiken.
Anime- und VTuber-Figuren
Sichere Linienstärke, Augendesign, Haarsilhouette, Kleidungsebenen und charakteristische Accessoires. Teste sprechende Nahaufnahmen getrennt von Ganzkörperbewegungen. Ein Design kann in einer Bildgröße stabil sein und in einer anderen abweichen.
KI-Influencer
Lege Gesichtsproportionen, sichtbares Alter, Frisur, Körperbau und wiederkehrende Kleidungsregeln fest. Halte Kamera- und Lichtänderungen realistisch. Extreme Objektivwechsel können das Gesicht verändern, selbst wenn der Prompt denselben Identitätsblock wiederholt.
Markenmaskottchen
Behandle Markendetails als Produktionsvorgaben. Dokumentiere genaue Farben, Formen, Markierungen und Positionen der Requisiten. Vergleiche das Maskottchen mit dem freigegebenen Styleguide, statt dich auf dein Gedächtnis zu verlassen.
Filmfiguren
Erstelle Referenzen für jede geplante Lichtsituation und Kameradistanz. Eine nächtliche Nahaufnahme birgt andere Kontinuitätsrisiken als eine Totale bei Tageslicht. Halte den Identitätsblock stabil und ändere nur die Lichtvorgaben.
Gib vor der Produktion für jeden Figurentyp ein kleines Set aus Einstellungen frei. Es wird zur visuellen Grundlage für spätere Szenen und die Abnahme.
MiniMax H3 und DomoAI im Figuren-Workflow
MiniMax H3 ist jetzt in DomoAI über Omni Reference verfügbar.
Wenn eine vorhandene Performance die Bewegung einer neuen Figur steuern soll, nutze Charakter zu Video. Der Workflow verbindet ein Quellvideo mit einem Zielbild der Figur. Der Modus Subject Only kann das Hauptmotiv isolieren.
Für Dialog- oder Gesangsszenen kannst du Talking Avatar verwenden. Der Workflow akzeptiert ein Bild oder Video zusammen mit Audio und unterstützt mehrsprachige Ausgaben. Nutze über alle sprechenden Clips hinweg dasselbe freigegebene Porträt, um die Identität zu schützen.
Diese Workflows lösen unterschiedliche Aufgaben. MiniMax H3 erzeugt aus Prompts und Referenzen eine neue Performance. DomoAIs Charakter zu Video übernimmt vorhandene Bewegung. Talking Avatar verbindet eine stabile Figur mit Sprache oder Gesang.
Häufig gestellte Fragen
Wie halte ich eine Figur in MiniMax H3 konsistent?
Nutze ein sauberes Referenzpaket und einen festen Identitätsblock. Ändere pro Prompt nur eine Variable der Einstellung. Teste kurze Clips, bevor du eine längere Sequenz erzeugst.
Unterstützt MiniMax H3 Referenzbilder?
Ja. Die offizielle Dokumentation von MiniMax beschreibt Reference Generation mit Bildern und Videos sowie optionalem Audio zusammen mit visuellen Medien. H3-Context-IR ist ein optionaler Schritt zur Prompt-Erweiterung und nicht die Generierungsaufgabe selbst.
Wie viele Referenzen sollte ich für eine konsistente Figur verwenden?
Es gibt keine allgemein optimale Anzahl. Beginne mit dem kleinsten konsistenten Set, das die Figur eindeutig definiert. Ergänze nur dann eine Referenz, wenn sie einen fehlenden Winkel, ein Kleidungsdetail oder eine Bewegungsanforderung klärt. Beachte beim finalen Input die technischen Grenzen im Referenzabschnitt.
Wie verringere ich Gesichtsabweichungen in H3?
Füge eine klarere Gesichtsreferenz hinzu, lege die Gesichtsproportionen fest und reduziere gleichzeitige Kamera- oder Ausdrucksänderungen. Vergleiche kurze Tests mit demselben Ausgangsaufbau.
Eignet sich MiniMax H3 für Anime- oder VTuber-Figuren?
H3 kann referenzgeführte Figuren-Workflows unterstützen. Die Eignung hängt jedoch vom gewünschten Stil und den Konsistenzkriterien ab. Teste Gesichtsproportionen, Linienstil, Kleidungsdetails und Bewegung getrennt.
Wann sollte ich Charakter zu Video statt H3 verwenden?
Nutze Charakter zu Video, wenn eine vorhandene Performance die Bewegung der Figur steuern soll. Nutze H3 für neue Einstellungen, die aus Prompts und Referenzmedien entstehen.
Definiere die Figur einmal und steuere danach die Variablen
Eine konsistente Sequenz entsteht durch stabile Eingaben, nicht durch immer längere Prompts. Speichere das freigegebene Referenzpaket, den Identitätsblock und die QC-Liste als gemeinsame Produktionsgrundlage. Erweitere den ersten Test aus drei Einstellungen erst, wenn dieselbe Figurenfassung Nahaufnahme, Halbnahe und Totale bestanden hat.
