دليل كتابة برومبتات Hailuo 3: كيف تكتب برومبت لـ MiniMax H3 (و H3 Max)

تفشل معظم برومبتات Hailuo 3 لسبب ممل: الناس يكتبون تعليقات توضيحية بدل توجيهات. عبارة مثل «امرأة تمشي تحت المطر، سينمائي» لا تعطي النموذج شيئًا يُذكر ليتحكم في التوقيت أو التأطير أو الصوت. MiniMax H3 مبني حول بنية برومبت أقرب إلى سيناريو تصوير منه إلى تعليق، وبمجرد أن ترى هذه البنية سيتضح الفرق في الناتج فورًا.

يغطي هذا الدليل الصيغة التي يستجيب لها النموذج فعلًا: المشاهد، حركات الكاميرا، وسوم الحوار، وحقول الصوت. مع أمثلة جاهزة للنسخ في وضع النص إلى فيديو والصورة إلى فيديو. كل ما هنا ينطبق على H3 وعلى النسخة الأسرع H3 Max، وهي النسخة التي نشغّلها على Epochal.

خلفية سريعة: ما الذي تكتب له برومبتًا

Hailuo 3 هو نموذج الفيديو الحالي من MiniMax. يولّد مقاطع بصوت متزامن: الصورة وأجواء الموقع والموسيقى والحوار المنطوق تخرج في تمريرة واحدة، لا كمسارات منفصلة تركّبها لاحقًا. الجيل السابق Hailuo 2.3 كان ينتج فيديو صامتًا؛ أما H3 فيعامل الصوت كجزء من البرومبت نفسه.

H3 Max هي نسخة العائلة نفسها مضبوطة من أجل السرعة. صيغة البرومبت نفسها، توليد أسرع، وسلّم دقة أقصر. إن كنت تجرب أفكار برومبتات بالتكرار، فـ Max يوصلك إلى النتيجة أسرع؛ ومهارات البرومبت أدناه تنتقل إليه كما هي.

على Epochal، يشغّل H3 Max مقاطع من 5 إلى 15 ثانية بدقة 480p أو 768p أو 1080p، من برومبت نصي أو من صورة (كإطار أول، أو إطار أول وأخير معًا). هذه هي اللوحة التي تفترضها الأمثلة أدناه.

الحقول الثلاثة

صيغة برومبت H3 فيها ثلاثة حقول مسماة. اثنان منها اختياريان، لكن معرفة الثلاثة كلها تغيّر طريقة كتابتك للحقل الأول:

integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...

• integrated_multimodal_description هو جسم البرومبت. يغطي كل ما هو مرئي ومسموع على الخط الزمني: المشاهد، حركات الكاميرا، الأفعال، الحوار.
• overall_soundscape هو صوت الخلفية للمقطع كله: مطر، حركة مرور، طنين الغرفة، خطوات. الحوار والموسيقى لا يوضعان هنا أبدًا.
• non_diegetic_music هو الموسيقى التصويرية، الموسيقى التي يسمعها الجمهور فقط. إذا كان بإمكان شخصية داخل المشهد أن تسمعها (راديو، عازف متجول، نغمة رنين)، فمكانها في الحقل الأول.

كتابة الجزء البصري: المشاهد وحركات الكاميرا

ابدأ بالنمط والتأطير، ثم صِف ما يحدث. هذا برومبت كامل بهذه الصيغة، والمقطع الذي أنتجه (تم توليده بـ MiniMax H3، سبتمبر 2026):

integrated_multimodal_description: [Shot 1] An extreme close-up macro shot of a whole pomegranate carved from transparent ruby-red crystal glass, centered on a wooden cutting board, studio backlight scattering refractions and internal reflections through the seeds. A polished steel cleaver enters the frame and presses down in one slow, clean cut. The glass splits with a fine network of cracks before the two halves separate and rock gently on the board.

overall_soundscape: Quiet room tone; the only sound is the blade's crisp contact and a bright, crystalline crunch as the glass pomegranate splits, with tiny shards scattering across the wood.

non_diegetic_music: N/A

ثلاثة أشياء تقوم بالعمل في هذا المثال:

كلمات النمط تحدد طريقة الإخراج. تصوير حي، سينمائي، رسوم ثنائية الأبعاد، CG ثلاثي الأبعاد، طين متحرك، ألوان مائية، فيلم قديم. اختر واحدًا وضعه في المقدمة. هنا، «لقطة ماكرو مقربة جدًا» مع كلمات المادة («زجاج كريستالي أحمر ياقوتي شفاف») تصنع أكثر من أي كلمة «سينمائي». خلط «فوتوريالستك» مع «ألوان مائية» في البرومبت نفسه يجعل النموذج يوسّط بينهما، وغالبًا بشكل سيئ.

حركات الكاميرا جمل، لا صفات. يفهم H3 مفردات حركة محددة: Zoom In، Zoom Out، Push In (دفع للأمام)، Pull Out (سحب للخلف)، Pan Left/Right (دوران أفقي)، Truck Left/Right (انتقال جانبي)، Tilt Up/Down (ميل رأسي)، Pedestal Up/Down (رفع وخفض عمودي)، Arc Shot (لقطة قوسية)، Tracking Shot (لقطة تتبع)، Static Shot (لقطة ثابتة)، POV (منظور الشخصية)، Roll (لفّ). يمكنك إلحاق الشدة («with small amplitude») والسرعة («at fast speed»). كتابة «الكاميرا تدفع للأمام ببطء» تتفوق على «تصوير سينمائي» في كل مرة، لأن النموذج يستطيع تنفيذ دفع للأمام؛ أما «الإحساس السينمائي» فلا يستطيع تنفيذه.

الصوت حقل مستقل بذاته. لاحظ أين يسكن صوت التشقق: في overall_soundscape، لا في حقل الموسيقى ولا كسرد نثري داخل الوصف. إذا كان بإمكان شخصية أن تسمع الصوت، فمكانه في الوصف؛ أما إن كان هو الصوت الفيزيائي للمشهد، فحقل الأجواء هو بيته. وnon_diegetic_music: N/A يُبقي المقطع بلا موسيقى تصويرية، فلا شيء ينافس صوت تشقق الزجاج.

المشاهد المتعددة تحتاج أختامًا زمنية. المشهد الأول يبدأ من الصفر. القَطعة تبدو هكذا:

[Shot 2] At 00:05.000, the camera cuts to a close-up of the split halves rocking on the board.

لا بد أن يقع وقت القَطعة داخل مدة المقطع. على مقطع Max مدته 5 ثوانٍ، مشهد عند 00:09.000 لا يحدث ببساطة أبدًا. ولا تقطع إلا عندما يقدّم المشهد الجديد شيئًا جديدًا حقًا (شخصية، مكان، حالة). إن كنت تريد فقط زاوية مختلفة على اللحظة نفسها، فحرّك الكاميرا بدل القَطعة.

الحوار: وسم <d>

بما أن H3 يولّد الصوت، يُكتب الحوار داخل البرومبت بوسم. الأساسيات:

The young woman with a quiet, breathy voice (S1) says: <d>[English] I get off at the next station.</d>

• الرمزان (S1) و(S2) هما معرّفا المتحدثين، يُسندان بترتيب أول حديث للشخصيات. صِف الصوت عند أول ذكر: العمر، طبقة الصوت، الإيقاع، اللهجة.
• النص داخل <d> يُلقى حرفيًا كما هو. لا تعيد صياغته، وكن صادقًا مع وسم اللغة: <d>[Japanese]…</d> لجملة يابانية.
• للتعليق الصوتي، حيث يبقى الراوي خارج الشاشة، قل ذلك صراحة وأضف أن شفتي المتحدث تبقيان مغمضتين تمامًا، وإلا حاول النموذج مزامنة الشفاه مع جملة خارج الشاشة:

An older man in a wool coat says in an off-screen voiceover: <d>[English] Nobody remembered the lighthouse that winter.</d> while his lips remain completely closed.

• النص الظاهر على الشاشة (لافتة نيون، شاشة هاتف) يوضع بين علامتي تنصيص مزدوجتين داخل الوصف: A red neon sign reading "OPEN" hums above the doorway.

حقول الصوت، بإيجاز

من جملة إلى ثلاث جمل لكل حقل. الملموس يتغلب على المجرد:

overall_soundscape: Steady rain taps against the café windows; low room ambience continues underneath.

non_diegetic_music: Sparse piano notes at a slow tempo, joined by sustained low strings that swell before fading out.

تجنّب كلمات المزاج في حقل الموسيقى. «حزين» ليست شيئًا قابلًا للتشغيل؛ أما «نوتات بيانو متفرقة بإيقاع بطيء مع أوتار منخفضة ممتدة» فقابلة للتشغيل. كلا الحقلين يقبل N/A إن أردت مقطعًا صامتًا عدا صوت المشهد.

الصورة إلى فيديو: التثبيت على إطار

التحويل من صورة إلى فيديو هو حيث تثبت قيمة Hailuo 3، وهنا تتغير طريقة كتابة البرومبت. صورتك إطار على الخط الزمني، والبرومبت النصي يجب أن يوافقها:

• الإطار الأول فقط. صِف ما يحدث بعد الصورة. الصورة تثبّت الثانية صفر؛ وبرومبتك يتطور منها إلى الأمام.
• الإطار الأول والأخير. صِف المسار المتصل بينهما، ويُفضّل بلقطة واحدة. مهمة النموذج هي الانتقال، فامنحه تغييرًا واحدًا واضحًا ليجسر بينهما (المد يرتفع، الباب ينفتح، الرسمة تُلوَّن).
• ضبط النفس مع الكاميرا: حركة كاميرا واحدة لكل برومبت صورة إلى فيديو. تكديس دوران وتقريب وقَطعة على صورة ثابتة واحدة يتصارع مع نقطة التثبيت.

في عمل الإطار الأول/الأخير، تضيف الصيغة المنظمة الكاملة سطر محاذاة فوق الوصف يوضح أي صورة عند أي ختم زمني. هذه هي الصيغة التي يُصدرها مُوسّع البرومبت المدمج في النموذج نفسه. أما البرومبتات المكتوبة يدويًا فتعمل جيدًا بدونه، طالما وصلك يروي بوضوح من الإطار الأول نحو الأخير.

هذا تشغيل عملي من صورة أولى إلى فيديو: صورة تثبيت واحدة لرصيف ميناء، كاميرا ثابتة، وتغيير واحد يُحمل عبر خمس ثوانٍ (تم توليده بـ MiniMax H3، سبتمبر 2026):

[Shot 1] A static shot of the harbor pier from the first frame. Over the next five seconds, the last orange band of sunset fades from the water while a small fishing boat crosses slowly from left to right, its lamp the first light to switch on. The camera stays still.

overall_soundscape: Gentle water lapping against the pier pilings; a distant gull call near the end.

لاحظ قلة ما يطلبه البرومبت: ثبّت الإطار، دع الضوء يخبو، حرّك قاربًا واحدًا. صورة التثبيت تتكفل بالتكوين؛ والبرومبت يوجّه ما يتغير فقط.

اكتبه بنفسك، أو اتركه للمحسّن

هذا هو مفترق الطرق العملي في مساحة العمل لدينا. H3 Max على Epochal فيه إعداد توسيع برومبت بثلاثة مواضع:

• إيقاف. يصل النموذج ما كتبته حرفيًا. استخدمه عندما تكون قد كتبت بالصيغة المنظمة أعلاه وتريد أن تُحترم حركات كاميرتك ووسوم حوارك وحقول صوتك كلمة بكلمة.
• متوازن (الافتراضي). إعادة كتابة خفيفة تملأ الفجوات وترتّب البنية. جيد للمسودات بلغة طبيعية مثل «شيف يُشعل النار في مقلاة داخل مطبخ مظلم، والكاميرا تدور ببطء».
• جودة. تمريرة أثقل تبني برومبتًا منظّمًا أوفى من فكرتك الأولية. الأفضل عندما يكون لديك نوايا واضحة لكن ليس لديك صبر على كتابة المشاهد والأجواء الصوتية بنفسك.

سير عمل معقول: اكتب مسودة في وضع «متوازن»، وانظر ما أضافه التوسيع، ثم انتقل إلى «إيقاف» وحرّر البرومبت الموسّع يدويًا. ستتعلم الصيغة من تعديلات النموذج نفسه، وهذا أسرع من قراءة الوثائق، بما فيها هذه.

ولترى المفترق بعينك، هذه المسودة اللغوية الطبيعية نفسها شُغّلت مرتين على Epochal (MiniMax H3 Max، 5 ثوانٍ، 480p)، أولًا مع إيقاف التوسيع ثم في وضع «متوازن»:

someone films a tiny glowing creature standing on their kitchen table at dusk, one-handed phone footage

التوسيع متوقف. الجملة تصل إلى النموذج كما كُتبت:

متوازن. الجملة نفسها بعد أن تمريرة التوسيع تملأ بنية المشهد والصوت:

شاهد كليهما ولاحظ كم تضيف تمريرة التوسيع بصمت فوق الفكرة ذات السطر الواحد.

أخطاء شائعة

• تعليقات توضيحية بدل توجيهات. «كلب يجري، سينمائي، 4K» لا يعطيك تأطيرًا ولا قوس فعل ولا كاميرا ولا شيئًا للتحكم في توقيته.
• أختام زمنية للقَطعات خارج مدة المقطع. مشهد عند 00:09.000 على مقطع مدته 5 ثوانٍ هو وزن ميت.
• موسيقى يمكن للشخصيات سماعها موضوعة في non_diegetic_music. مكانها الصحيح في الوصف.
• حوار مكتوب كسرد نثري عادي، فيستحيل على النموذج تمييز الكلام من السرد.
• ثلاث حركات كاميرا مكدّسة على نقطة تثبيت واحدة في وضع الصورة إلى فيديو.
• تكديس أنماط مجردة. «سينمائي، عاطفي، ملحمي، تحفة» ليست نمطًا؛ أما «فيلم 16 ملم قديم» فنمط.

الأسئلة الشائعة

هل يفهم Hailuo 3 وسوم الحوار مثل <d>؟ نعم، إنها جزء من الصيغة التي دُرّب عليها النموذج. يمكنك أيضًا أن تكتب ببساطة «he says:» متبوعة بالجملة بين علامتي تنصيص وسيُنطقها عادةً؛ لكن صيغة الوسم أدق في احترام اللغة وفي إبقاء الجملة حرفية.

هل أحتاج صيغة الحقول الثلاثة لكل برومبت؟ لا. وصف عادي بلغة طبيعية ينتج مقاطع جيدة تمامًا، خاصة مع تشغيل توسيع البرومبت. الحقول الثلاثة تصبح مهمة عندما تكون مخرجًا: تصميم صوتي، موسيقى، أو بنية متعددة المشاهد.

ما أطول مقطع على H3 Max؟ 15 ثانية، على Epochal وعلى الإعدادات الرسمية لـ H3 Max معًا. استخدم الأختام الزمنية لوضع القَطعات داخل هذه النافذة.

هل لطول البرومبت حد أقصى؟ تضع واجهة API الرسمية سقفًا عند 7000 حرف للبرومبت، وهو أكبر بكثير مما يستطيع مقطع 15 ثانية أن يجسده. برومبت مركّز من 100 إلى 300 كلمة يتفوق دائمًا تقريبًا على برومبت من 2000 كلمة.

هل يمكنني كتابة البرومبتات بلغات أخرى؟ يتعامل النموذج مع لغات متعددة، ووسم <d>[Language] يتحكم في لغة الحوار المنطوق. أما نص البرومبت نفسه، فالإنجليزية هي الخيار الأسلم. إنها اللغة التي عُرّفت فيها مفردات الكاميرا (Pan، Tilt، Tracking Shot).

H3 أم H3 Max: هل تختلف طريقة كتابة البرومبت؟ الصيغة مطابقة. Max يتنازل عن بعض هامش الدقة مقابل سرعة التوليد، فهو الخيار الذي تكتب برومبتاته عندما تكون في مرحلة التجريب.

لماذا جاء مقطعي بدون صوت؟ غالبًا لأن البرومبت وصف الصور فقط. H3 يولّد الصوت عندما يعطيه البرومبت شيئًا ليسمعه. أضف سطر overall_soundscape أو تفصيلًا صوتيًا داخل الوصف.

هل Hailuo 3 مجاني؟ ليس بكميات غير محدودة في أي مكان. يمنح تطبيق Hailuo AI الرسمي من MiniMax الحسابات الجديدة رصيدًا يوميًا صغيرًا، وأرصدة التجربة على المواقع الخارجية تنتهي سريعًا. على Epochal تُعرض تكلفة كل عملية قبل التنفيذ، وتبدأ الحسابات الجديدة برصيد ترحيبي صغير مع تسجيل حضور يومي. لتجربة الأوامر، يُعد إعداد 5 ثوانٍ بدقة 480p الخيار الأوفر.

متى صدر Hailuo 3؟ أطلقت MiniMax نموذج H3 في 31 يوليو 2026، وتبعه الإصدار المحسّن للسرعة H3 Max في سبتمبر 2026. وكلاهما يستخدم صيغة الأوامر الموضحة في هذا الدليل.

جرّب بنفسك

خذ أحد الأمثلة أعلاه، والصقه في MiniMax H3 Max على Epochal، وشغّله مرة واحدة مع إيقاف التوسيع لترى ما تفعله الصيغة الخام. وإن كنت تعمل من صور ثابتة، فقواعد التثبيت نفسها تنطبق. مقالنا عن أدوات تحويل الصور إلى فيديو يغطي أي سير عمل يناسب أي مدخلات.

Meta Title: Hailuo 3 Prompt Guide: MiniMax H3 Prompt Format (2026)

Meta Description: How to write MiniMax H3 / Hailuo 3 prompts: shot structure, camera move vocabulary, dialogue tags, sound fields, and image-to-video prompting that works.

Slug: hailuo-3-prompt-guide

Primary Keyword: hailuo 3 prompt guide

Secondary Keywords: minimax h3 prompt, minimax h3 prompt guide, hailuo 3 prompts, hailuo h3 prompting

Suggested Internal Links:

• /models/minimax-h3-max: the model this guide prompts for (hero + CTA)
• /models/hailuo-2-3: predecessor context
• /blog/best-image-to-video-ai-tools-2026: I2V readers