زبان

گردش کار MiniMax H3 متن به ویدئو

وارد شده از ModelTrends

MiniMax H3 یک متن را به ویدئو تبدیل می‌کند و صدا را در همان مرحله تولید می‌کند: صحنه، حرکت و آنچه شنیده می‌شود را توصیف کن و کلیپ با صدا برمی‌گردد. این پرکاربردترین گردش کار ویدئویی در Graydient است، با کتابخانه بزرگی از سبک‌ها و حرکات تنظیم‌شده که به صورت LoRA ارائه می‌شوند. وزن‌ها باز، میزبانی شده و آماده فراخوانی؛ بدون نیاز به راه‌اندازی.

سازگار / در برنامه‌های تحت قدرت Graydient موجود است

نمونه رندرها

ساخته شده با مدل‌هایی که این گردش کار اجرا می‌کند، به اشتراک گذاشته شده توسط سازندگانشان در ModelTrends. یک تصویر کوچک را انتخاب کنید تا رندر بزرگ با پرامپتی که ساخته شده را ببینید.

نمونه رندر 1

رندر توسط Moonbear_AIArt با Grandline - Legendary Stylized Illustration

پرامپت

a stylized illustration of a warrior lunging forward through smoke and sparks, cloak whipping in the wind, embers trailing behind, intense forward motion, dynamic perspective, cinematic lighting

رندرها و پرامپت‌ها از ModelTrends، فهرست مدل‌های هوش مصنوعی تصویر و ویدیو.

گزینه‌ها

گزینهنگاشت بهپیش‌فرض
(prompt)CLIP Text Encode → text—
/guidanceKSampler → cfg4
/lengthEmpty MiniMax Latent → length (frames)125
/seedKSampler → seedrandom
/sizeEmpty MiniMax Latent → width, height640 × 640
/stepsKSampler → steps20

مدل‌های استفاده شده

MiniMax H3 Video مدل وارد شده با کد کوتاه /run:minimax-h3 از ModelTrends مشاهده در ModelTrends

برای توسعه‌دهندگان (اختیاری)

نمونه کد API. می‌توانید با این گردش کار برنامه خودتان را برای استفاده شخصی بسازید. تماس با ما برای سرورهای با دسترسی بالا وقتی آماده انتشار به جهان هستید. مستندات کامل API را ببینید: مستندات کامل API رندرینگ.

curl https://cloud.graydient.ai/api/v3/render/ \
  -X POST \
  -H "Content-Type: application/vnd.api+json" \
  -H "Accept: application/vnd.api+json" \
  -H "Authorization: Bearer $GRAYDIENT_TOKEN" \
  -d '{
    "prompt": "/workflow /run:minimax-h3 /size:640x640 /length:125 a parrot in a pirate hat dances on the deck of a ship at sunset while a sea shanty plays",
    "callback_url": "https://example.com/webhook/render"
  }'

این نحوه کار پشت صحنه است. این قبلاً برای شما پیکربندی شده است. پارامترهای جدول بالا در این جایگاه‌ها قرار می‌گیرند و به شما اجازه می‌دهند نحوه کار و مدل‌های بارگذاری شده را تغییر دهید. نیازی نیست این را بفهمید یا تغییر دهید - این قبلاً آماده و کار می‌کند.

Load Diffusion Model MODEL to KSampler; Load CLIP CLIP to CLIP Text Encode (Prompt); CLIP Text Encode (Prompt) CONDITIONING to KSampler; Empty MiniMax Latent LATENT to KSampler; KSampler LATENT to VAE Decode; KSampler LATENT to VAE Decode Audio; Load VAE VAE to VAE Decode; Load VAE (audio) VAE to VAE Decode Audio; VAE Decode IMAGE to Create Video; VAE Decode Audio AUDIO to Create Video; Create Video VIDEO to Save Video
Load Diffusion Model#1
MODEL
unet_nameMiniMax H3 (dynamic c…
weight_dtypedefault
Load CLIP#2
CLIP
clip_nameMiniMax H3 text encod…
typeminimax
Load VAE#3
VAE
vae_nameMiniMax H3 video VAE
Load VAE (audio)#4
VAE
vae_nameMiniMax H3 audio VAE
CLIP Text Encode (Prompt)#5
clipCONDITIONING
texta parrot in a pirate …(prompt)
Empty MiniMax Latent#6
LATENT
width640/size
height640/size
length125/length
frame_rate25
KSampler#7
modelLATENT
positive
latent_image
seedrandom/seed
steps20/steps
cfg4/guidance
VAE Decode#8
samplesIMAGE
vae
VAE Decode Audio#9
samplesAUDIO
vae
Create Video#10
imagesVIDEO
audio
fps25
Save Video#11
video
filename_prefixGraydient
formatmp4

نمایش فقط خواندنی. گزینه‌های برجسته شده، گزینه‌هایی هستند که یک فراخوانی می‌تواند تنظیم کند. صدا را به همان اندازه تصویر توصیف کن؛ تنظیمات جایگزین سبک یا حرکت را تغییر می‌دهند.

همه جریان‌ها: گردش‌کارهای قدرتمند

مشاهده پلن‌ها و قیمت‌ها