GPT Image 2.5 + MiniMax H3: omdan et storyboard med 4 ruder til en sammenhængende 2K-kortfilm på 12 sekunder

Det vigtigste (kortversionen): Den største forhindring i AI-videogenerering er forvrængede karakteransigter og kaotisk tidsmæssigt tempo. Ved at kombinere [GPT Image 2.5 til at låse storyboardets rumlige udformning + MiniMax H3 til tidsmæssig kameraregi] omdannede vi ét enkelt gittermotiv med 4 ruder til en sammenhængende filmisk 2K-kortfilm på 12 sekunder med 4 optagelser. Fortællingen følger en urværkskurér, der nærmer sig en plantekasse på et tag, tager et glødende frø frem, planter det og ser en lysende blomst folde sig ud. Hele pipelinen kostede 257,99 kreditter ($1.29 USD), hvilket giver en overkommelig produktionsmodel til uafhængige filmskabere og kreative bureauer.

---

1. Visning af den færdige kortfilm

Se den resulterende kortfilm, renderet af MiniMax H3 (optimeret som en lydløs 720p-webvisning nedenfor):

• 🎬 Download master-MP4 i fuld opløsning, 2560 × 1440 (2K), 24 FPS
• 📥 Download lydløs 720p-MP4 til webvisning

Tekniske specifikationer for masteren: Anmodet varighed 12 s, containerens output 12,25 s, opløsning 2560 × 1440 ved 24 FPS med fuld kontinuitet i kameraet gennem alle 4 fortællingens trin.

---

2. Den centrale pipeline: derfor virker storyboard-konditionering

Direkte tekst-til-video-modeller ændrer ofte kostumer og forvrider karakterernes ansigtsstruktur mellem klip. Vores strukturerede pipeline adskiller det rumlige design af assets fra den tidsmæssige bevægelse:

  [Step 1: Script Timing]  ──> Divide 12s into four 3-second visual beats
             │
  [Step 2: GPT Image 2.5] ──> Generate 2×2 storyboard grid (locking character, props, lighting)
             │
  [Step 3: MiniMax H3]    ──> Animate storyboard as a 4-shot full-screen sequence in reading order

Fordi alle fire ruder genereres sammen i GPT Image 2.5, forbliver karakterens kostumegeometri, farvepalette og tagmiljøer identiske. MiniMax H3 fortolker derefter gitteret som fortællingens trin i rækkefølge i stedet for at opfinde nye karakterdesigns.

---

3. Trin-for-trin-guide til implementering

Trin 1: Skriv et manuskript med 4 trin

Hold fokus i sekvensen på 12 sekunder på én karakter, ét ensartet sted og én rekvisit i forandring:

Trin 2: Generér gitteret med 4 ruder med Sunburst

Brug gpt-image-2.5-sunburst i 2K 16:9 for at etablere en filmisk stop motion-æstetik:

• 📥 Download det originale storyboard i PNG, 2048 × 1152
• 📋 Se den oprindelige JSON-input til billedgenereringen

Bedste praksis for prompts: Angiv "2 by 2 storyboard grid, thin dividing gutters, sequential reading order", og forbyd udtrykkeligt rudenumre eller tegneserietalebobler.

Trin 3: Instruér MiniMax H3 via referencekonditionering

Hos PoYo er MiniMax H3's API-modelidentifikator hailuo-03.

⚠️ Kritisk faldgrube i videoarbejdet: Send IKKE storyboardet ind i felterne for start-/slutbillede (image_urls). Hvis et gitter bruges som startbillede, tvinges modellen til at animere gitterlinjerne! Den rigtige teknik: Send storyboardet ind i reference_image_urls (global referencetilstand), og instruér udtrykkeligt modellen: "Image 1 is a 4-panel storyboard reference. Make a 12-second short with four consecutive full-screen shots in reading order. Never show the grid or gutters!"

Central videoprompt:

Image 1 is a four-panel storyboard reference, NOT a single frame
to animate. Make a 12-second 16:9 silent cinematic short with four
consecutive full-screen shots in reading order. Never show the grid,
gutters or multiple panels.

0-3s: courier walks toward the empty pot.
3-6s: courier reaches into the satchel and lifts one glowing seed.
6-9s: seed is gently planted in the dark soil.
9-12s: a luminous golden flower sprouts; courier watches.

Preserve the character, clothes, pot, rooftop and blue-hour light.
No subtitles, written words, logo, dialogue or standalone outro.
The final frame stays on the courier and flower.

PoYo API-anmodningens payload:

{
  "model": "hailuo-03",
  "input": {
    "prompt": "Your complete sequential-shot instructions",
    "reference_image_urls": ["https://storage.poyo.ai/blog/gpt-image-25-p0-20260910/storyboard-c996b2d10610.png"],
    "duration": 12,
    "resolution": "2K",
    "aspect_ratio": "16:9"
  }
}

• 📥 Download den komplette JSON-anmodning til videogenereringen

---

4. Visuel kontrol sekund for sekund

Vi udtrak 12 repræsentative billeder (med 1 FPS) til et kontaktark til gennemsyn:

Læs fra venstre mod højre og derefter oppefra og ned (sekund 1 til 12).

Styrker og nuværende begrænsninger:

• ✅ Fejlfri kamerasekvens: Videoen brød helt fri af gitteret og klippede rent mellem 4 fuldskærmsvinkler, der svarede til storyboardets trin.
• ✅ Konsistente karakterer: Marineblå kasket, blågrøn frakke, halstørklæde, messingdetaljer og tagets baggrund forblev ens uden sammenbrud i ansigtet.
• ⚠️ Mekanisk realisme: Det glødende frø er stadig synligt for stort, og fingrenes kontakt med jorden viser mindre klipningsfejl. Til kommercielle spots i topklasse kan der stadig være brug for lokal VFX-oprydning.

---

5. Produktionsomkostninger og behandlingstid

---

Ofte stillede spørgsmål (FAQ)

Kan GPT Image 2.5 generere videofiler direkte?

Nej. GPT Image 2.5 er en model til stillbilleder, som er stærk til rumligt karakterdesign og storyboards med flere ruder. MiniMax H3 leverer den tidsmæssige bevægelse og kameradynamikken.

Skal jeg opdele storyboardet i 4 separate billeduploads?

Nej. Det virker lige ud ad landevejen at sende hele gitteret med 4 ruder som én URL i reference_image_urls. Moderne videomodeller har den rumlige opmærksomhed, der skal til for at læse gitre med flere ruder i rækkefølge.

Hvordan kommer jeg i gang?

Design dit storyboardkoncept i GPT Image 2.5, og send derefter billed-URL'en til MiniMax H3.