Японский автор на note собрал из данных OpenStreetMap объёмный Токио в Blender и прогнал его через MiniMax H3, чтобы получить вид с воздуха. Для тех, кто делает видео с ИИ, это важно: H3 строго следует камере, но почти не слушается промпта, так что картинку во многом определяет сама сцена. Исходный город блочный, как модель из кубиков, и H3 превращает его в похожую на реальную съёмку картинку.

Источник: note.com

Сцена строится по координатам и размеру области: здания с высотами, дороги, рельсы, реки и парки. Пять точек: Токио-стейшн и Токийская башня по 6 км, Сибуя 3 км. Ориентиры на карте выглядят как набор кругов и квадратов, поэтому автор перестроил их по названиям из данных. Токийская башня стала 333-метровым стальным тросом с красно-белыми поясами, Скайтри получила 634 метра и две смотровые площадки. Радужный мост, плоский на карте, получил 126-метровые пилоны, тросы и подъезды. На перекрёстке Сибуя стоят 1500 пешеходов и 332 машины, иначе место не узнать.

H3 работает в режиме Ref2VA: по референсному видео и примеру картинки. Настройки: 1344×768, 124 кадра (около 5 секунд при 24 fps), 20 шагов, Realism LoRA с весом 0,8. Один клип считался примерно 8 минут. Промпт почти ничего не менял: «настоящая аэросъёмка» и «воздушная перспектива» давали тот же CG-вид. Заработало, когда в качестве примера дали кадр реального аэрофото, переделанный через MiniMax H3 Image. Всё, чего нет в референсе, например облака или деревья, промптом не добавить, их пришлось ставить в Blender. Для Токийской башни автор пробовал разные примеры для вида сбоку и сверху, но на стыке картинка резко менялась.

Пять клипов склеены через тёмную стену с наложением 0,25 секунды, общая длина около 25 секунд. Музыку сделал MiniMax Music 3, запущенный локально: инструментальный кинематографичный трек. Чтобы смены кадров попадали в доли, темп поправлен на 1,8% до 122 BPM. Вблизи видно, что картинка ещё CG: в момент переворота и на верхних видах модель выглядит как макет. Но пролёт над городом с косым светом уже читается как съёмка. Лицензия важна: MiniMax H3 работает по MiniMax H3 Community License, на США, ЕС, Великобританию и Корею она не распространяется, а AI-происхождение нужно указывать. Карта: © OpenStreetMap contributors. Вывод: за картинку отвечает то, что положил в Blender, а H3 только докрашивает.

Источникnote #動画生成AI