La consistencia de los personajes en MiniMax H3 empieza antes de generar el video. Prepara un conjunto de referencias limpio, fija la descripción del personaje y cambia una sola variable de la toma cada vez. Este método ayuda a reducir los cambios de rostro, vestuario y estilo entre tomas recurrentes.
¿Qué significa la consistencia de personajes en MiniMax H3?
La consistencia de personajes significa que el público reconoce al mismo sujeto en todas las tomas. Un peinado similar, por sí solo, no basta.
Un personaje consistente conserva la misma identidad básica:
- Forma del rostro, color de ojos y proporciones faciales
- Color, largo, textura y silueta del cabello
- Vestuario, accesorios, logotipos y objetos distintivos
- Estatura, complexión y proporciones corporales
- Paleta de colores y estilo de renderizado
- Edad, personalidad y comportamiento recurrente
El ángulo de cámara, la expresión, la pose y la iluminación pueden cambiar. Los rasgos que identifican al personaje deben permanecer.
MiniMax H3 acepta entradas de texto, imagen, video y audio. Sus materiales oficiales describen un flujo de Reference Generation basado en imágenes y videos de referencia, con referencias de audio opcionales junto con medios visuales.
H3-Context-IR cumple otra función. Interpreta entradas multimodales y devuelve un prompt mejorado, pero no genera el video. Las referencias ayudan a mantener la continuidad, aunque MiniMax no garantiza una identidad perfecta en todas las tomas.
Prepara un conjunto de referencias antes de animar
Un solo retrato deja muchos detalles sin definir. Muestra un ángulo, una expresión y solo parte del vestuario. El modelo debe inferir todo lo que queda fuera del fotograma.
Prepara un conjunto compacto de referencias antes de generar una secuencia:
- Primer plano neutro: rostro nítido, luz uniforme, boca cerrada y mirada al frente.
- Vista de cuerpo completo: silueta legible, zapatos, mangas y proporciones del vestuario.
- Vista lateral o en tres cuartos: perfil, volumen del cabello, línea de la mandíbula y accesorios.
- Hoja de expresiones: expresiones neutra, alegre, preocupada y decidida.
- Detalle del vestuario: logotipos, joyería, estampado de la tela y objeto distintivo.
- Referencia de color: paleta fija para el cabello, los ojos, la ropa y los colores de acento.
Usa el mismo diseño en todas las imágenes. Si el largo del cabello o los detalles de la chaqueta cambian entre referencias, el conjunto crea ambigüedad en vez de control.
Si necesitas corregir el conjunto, el Generador y editor de imágenes multimodelo incluye GPT Image 2, Nano Banana 2 y Nano Banana Pro. Nano Banana Pro acepta hasta nueve imágenes de referencia por sesión y es útil para trabajos de personaje y estilo con varias referencias.
También puedes crear la primera hoja del personaje con Texto a Imagen de DomoAI. Si buscas un recurso con formato de tarjeta de anime, Anime Card Maker ofrece otro punto de partida.
Usa una guía del personaje, no confíes en la memoria
Guarda en un bloque reutilizable los detalles que deben conservarse en todas las tomas:
Character name:
Face:
Hair:
Eyes:
Outfit:
Body silhouette:
Color palette:
Signature prop:
Visual style:
Do not change:
Allowed changes per shot:
Haz que cada campo describa algo visible. “Héroe distintivo” ofrece poca orientación al modelo. “Cabello bob verde azulado con un mechón dorado, ojos ámbar, chaqueta corta negra con ribetes dorados, pantalones marfil de cintura alta y un colgante de media luna” define restricciones que sí pueden comprobarse.
Escribe una descripción fija del personaje
Crea una cláusula de identidad y pégala en el prompt de cada toma. No la reformules para introducir variedad. Un pequeño cambio de palabras puede alterar los rasgos a los que el modelo presta atención.
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.
Coloca esta cláusula antes de la acción que cambia. Mantén el mismo orden en toda la secuencia.
Usa la misma estructura para una mascota o un personaje de producto:
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.
La cláusula debe identificar al personaje, no describir toda la escena.
Cambia la acción, no el personaje
Trata cada toma como una variación controlada. Mantén fijo el bloque de identidad. Describe la acción, la cámara o el entorno que cambian en una oración aparte.
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.
Usa una sola acción relevante por clip corto. Un prompt que cambia a la vez la pose, el vestuario, el lugar, el clima, el lente, el estilo y la emoción obliga al modelo a resolver demasiadas decisiones en competencia.
Una secuencia de tres tomas podría variar así:
| Toma | Mantener fijo | Cambiar |
|---|---|---|
| Primer plano | Identidad, vestuario, estilo y paleta | La mirada se dirige a la cámara |
| Plano medio | Identidad, vestuario, objeto y tipo de iluminación | El personaje levanta el micrófono |
| Plano general | Identidad, vestuario, diseño del escenario y paleta | El personaje entra en el haz de luz |
Este método también facilita el diagnóstico. Si el rostro cambia después de modificar la cámara, resulta más fácil aislar esa nueva variable.
Usa referencias de H3 cuando el texto no sea suficiente
El texto describe una categoría; una referencia muestra relaciones visuales concretas. Usa medios de referencia cuando las palabras no basten para conservar un rostro, un objeto, un patrón del vestuario o una idea de movimiento.
Usa MiniMax-H3 Reference Generation cuando una toma necesite referencias visuales o una referencia de audio acompañada de medios visuales. El flujo actual admite hasta nueve imágenes, tres clips de video y tres clips de audio, con un máximo de 12 archivos en una entrada mixta. Cada clip de video o audio debe durar entre 2 y 15 segundos. La duración total de los videos de referencia y la del audio de referencia no puede superar 15 segundos en cada caso. La documentación de H3 indica que el audio debe acompañar al menos una imagen o un video, en lugar de usarse como única referencia.
H3-Context-IR puede estructurar una entrada multimodal compleja antes de generar. Se ejecuta de forma asíncrona y devuelve un prompt mejorado, no un video.
Elige cada referencia según su función:
- Usa el primer plano para proteger la identidad facial.
- Usa la vista de cuerpo completo para proteger la silueta y la ropa.
- Usa un detalle del vestuario cuando importen los gráficos pequeños o los accesorios.
- Usa una referencia de movimiento solo cuando la acción necesite una dirección física más clara.
No añadas todas las imágenes disponibles por defecto. Las referencias adicionales solo ayudan si son coherentes entre sí. Elimina duplicados y variantes contradictorias.
Prueba tres clips cortos antes de crear una secuencia larga
Haz una prueba breve de continuidad antes de construir una escena completa. Usa tres tomas que expongan riesgos distintos.
- Genera un primer plano neutro con movimiento mínimo.
- Genera un plano medio con una sola acción de la mano.
- Genera un plano más abierto con un giro sencillo del cuerpo.
Revisa los tres clips en paralelo. No evalúes únicamente el fotograma más atractivo.
Usa esta lista para detectar cambios:
| Área | Condición de aprobación | Señal frecuente de cambio |
|---|---|---|
| Rostro | Mismas proporciones y edad | Cambian la mandíbula, los ojos o la nariz |
| Cabello | Mismo largo y misma silueta | Cambian el flequillo, el volumen o el color |
| Vestuario | Mismo corte y mismos detalles | Desaparecen mangas, logotipos o accesorios |
| Cuerpo | Estatura y complexión estables | Cambian las extremidades o las proporciones |
| Paleta | Los colores principales permanecen fijos | Cambia el color de la chaqueta o de los ojos |
| Estilo | Mismo lenguaje de renderizado | Cambia el realismo o el grosor de las líneas |
| Objeto | La forma y la ubicación siguen siendo legibles | El objeto cambia de tamaño o de mano |
Si un detalle falla dos veces, mejora la referencia o la cláusula de identidad correspondiente. Las repeticiones al azar rara vez revelan la causa.
Corrige los cambios de rostro, vestuario y estilo
Cada tipo de error exige una corrección distinta.
| Problema | Causa probable | Mejor prueba siguiente |
|---|---|---|
| El rostro cambia entre ángulos | Referencia de perfil débil o proporciones imprecisas | Añade una vista en tres cuartos y fija la forma del rostro |
| El cabello crece o cambia de color | La descripción del cabello no indica su largo o silueta | Define el largo, el flequillo, la textura y el color exacto |
| El vestuario pierde detalles pequeños | La referencia de cuerpo completo no muestra suficiente detalle | Añade un recorte ampliado del vestuario y enumera los elementos fijos |
| El personaje adquiere un aspecto más realista | La descripción del estilo cambia entre prompts | Reutiliza una sola cláusula de estilo sin sustituir palabras por sinónimos |
| Las manos o los objetos se deforman | La acción oculta una geometría importante | Simplifica el gesto y mantén visible el objeto |
| El fondo altera el color de la ropa | El sujeto y el fondo tienen valores tonales parecidos | Aumenta el contraste de la imagen de origen |
Cuando fallen varias áreas a la vez, reduce la complejidad de la toma. Empieza con una composición estable y añade después el movimiento de cámara o del cuerpo.
Adapta la prueba de continuidad al tipo de personaje
El mismo sistema de identidad sirve para distintos formatos, pero cada tipo de personaje presenta riesgos diferentes.
Personajes de anime y VTuber
Protege el grosor de las líneas, el diseño de los ojos, la silueta del cabello, las capas del vestuario y los accesorios distintivos. Prueba los primeros planos con diálogo por separado de las acciones de cuerpo completo. Un diseño puede mantenerse en una escala y cambiar en otra.
Influencers de IA
Fija las proporciones faciales, la edad aparente, el peinado, la complexión y las reglas recurrentes del vestuario. Mantén realistas los cambios de cámara e iluminación. Un cambio extremo de lente puede alterar el rostro aunque el prompt repita la misma descripción.
Mascotas de marca
Trata los detalles de marca como restricciones de producción. Registra los colores, las formas, las marcas y la posición exacta de los objetos. Compara la mascota con la guía de estilo aprobada, no con lo que recuerdas.
Personajes cinematográficos
Crea referencias para cada condición de iluminación y distancia de cámara previstas. Un primer plano nocturno y un plano general a plena luz del día plantean riesgos de continuidad distintos. Mantén fija la cláusula de identidad al cambiar la de iluminación.
Para cada tipo de personaje, aprueba un pequeño conjunto de tomas antes de la producción. Ese conjunto se convierte en la referencia visual para las escenas y revisiones posteriores.
MiniMax H3 en DomoAI
MiniMax H3 ya está disponible en DomoAI a través de Omni Reference.
Usa Character to Video cuando un movimiento de origen deba guiar al nuevo personaje. El flujo recibe un video de origen y una imagen del personaje de destino. El modo Subject Only puede aislar al sujeto principal.
Usa Talking Avatar para tomas con diálogo o canto. Acepta una imagen o un video junto con audio y permite generar en varios idiomas. Mantén el mismo retrato aprobado en todos los clips hablados para proteger la identidad.
Estos flujos resuelven problemas diferentes. MiniMax H3 genera una actuación nueva a partir de prompts y referencias. Character to Video de DomoAI reutiliza un movimiento existente. Talking Avatar combina un recurso estable del personaje con voz o canto.
Preguntas frecuentes
¿Cómo mantengo el mismo personaje en MiniMax H3?
Usa un conjunto de referencias limpio, una sola cláusula de identidad fija y prompts que cambien únicamente una variable de la toma. Prueba clips cortos antes de generar una secuencia más larga.
¿MiniMax H3 admite imágenes de referencia?
Sí. La documentación oficial de MiniMax incluye Reference Generation con imágenes y videos, además de referencias de audio opcionales junto con medios visuales. H3-Context-IR es un paso opcional para mejorar el prompt, no la tarea de generación.
¿Cuántas referencias debo usar para mantener la consistencia del personaje?
No existe una cantidad óptima para todos los casos. Empieza con el conjunto coherente más pequeño que defina claramente al personaje. Añade otra referencia solo para resolver un ángulo faltante, un detalle del vestuario o una necesidad de movimiento. Respeta los límites técnicos de la sección anterior al preparar la entrada final.
¿Cómo corrijo los cambios de rostro en H3?
Añade una referencia facial más clara, fija las proporciones del rostro y reduce los cambios simultáneos de cámara o expresión. Compara pruebas cortas con la misma configuración inicial.
¿MiniMax H3 sirve para personajes de anime o VTuber?
Puede utilizarse en flujos de personaje guiados por referencias, pero su idoneidad depende del estilo y del nivel de consistencia que busques. Prueba por separado las proporciones faciales, el estilo de línea, los detalles del vestuario y el movimiento.
¿Cuándo conviene usar Character to Video en vez de generar con H3?
Usa Character to Video cuando una actuación existente deba controlar el movimiento del personaje. Usa H3 para crear una toma nueva a partir de prompts y medios de referencia.
Define el personaje una vez y controla las variables
Una secuencia consistente nace de entradas estables, no de prompts más largos. Guarda el conjunto de referencias aprobado, la cláusula de identidad y la hoja de control de calidad como base de producción. Amplía la prueba inicial solo cuando la misma versión del personaje funcione en primeros planos, planos medios y planos generales.
