MiniMax
از صفر تا استفاده حرفه‌ای

فصل ۱ — MiniMax چیست؟

MiniMax یک شرکت و مجموعه ابزارهای هوش مصنوعی است. برخلاف یک چت‌بات ساده، MiniMax چند «مغز» و چند «ابزار» دارد: مدل‌های زبانی برای متن و کد، مدل ویدئویی Hailuo، مدل‌های صوتی، ساخت تصویر، موسیقی و Agent.

بخش‌های مهم MiniMax در زمان نگارش این کتاب

• MiniMax M3 و M2.7: متن، استدلال، برنامه‌نویسی و کارهای Agent.
• Mavis / MiniMax Agent: انجام کارهای چندمرحله‌ای و طولانی.
• Hailuo 2.3: تولید ویدئو از متن یا تصویر.
• Image: ساخت تصویر از متن و تصویر به تصویر.
• Speech 2.8: تبدیل متن به صدای طبیعی و امکانات صوتی.
• Music: تولید موسیقی.
• API Platform: اتصال MiniMax به برنامه و وب‌سایت خودت.

فصل ۲ — از کدام بخش MiniMax استفاده کنم؟

فصل ۳ — حساب کاربری و اولین کار

1. وارد وب‌سایت رسمی MiniMax شو.
2. حساب بساز یا Sign in کن.
3. بخش موردنظر، مثلاً Video یا Agent را باز کن.
4. اگر انتخاب مدل وجود دارد، مدل مناسب را انتخاب کن.
5. یک دستور ساده بده و نتیجه را ببین.

برای کار حرفه‌ای عجله نکن. ابتدا با دستورهای کوچک رفتار مدل را یاد بگیر و بعد پروژه‌های بزرگ‌تر را بساز.

فصل ۴ — پرامپت چیست؟

Prompt همان دستور تو به هوش مصنوعی است. یک پرامپت خوب مثل یک سفارش دقیق است.

مثلاً برای ویدئو:

یک روباه کوچک در جنگل برفی قدم می‌زند.
صبح زود، نور طلایی، فضای سینمایی.
دوربین آرام به جلو حرکت کند.
حرکت حیوان طبیعی باشد.
بدون نوشته روی تصویر.

فصل ۵ — Hailuo 2.3 چیست؟

Hailuo 2.3 مدل اصلی ویدئویی MiniMax در زمان نگارش این کتاب است. این مدل از Text-to-Video و Image-to-Video پشتیبانی می‌کند.

در API رسمی

• ویدئوی ۶ ثانیه‌ای با 768P یا 1080P.
• ویدئوی ۱۰ ثانیه‌ای با 768P.
• ورودی متنی یا تصویرِ فریم اول.
• نسخه Fast نیز برای بعضی سناریوها وجود دارد.

فصل ۶ — اولین ویدئوی Text-to-Video

برای اولین ویدئو، صحنه را بیش از حد شلوغ نکن.

پرامپت نمونه

نمای سینمایی از یک کافه کوچک در پاریس هنگام باران.
یک زن با چتر قرمز از جلوی کافه عبور می‌کند.
نور گرم از داخل کافه، خیابان خیس و بازتاب نورها.
دوربین: slow push in.
حرکت طبیعی و واقع‌گرایانه.
6 seconds, cinematic, realistic.

روش کار

1. اول Subject یا سوژه را مشخص کن.
2. محیط را بنویس.
3. حرکت اصلی را فقط یک یا دو مورد نگه دار.
4. حرکت دوربین را اضافه کن.
5. سبک و نور را در پایان بنویس.

فصل ۷ — Image-to-Video؛ عکس را زنده کن

در Image-to-Video، خود عکس بسیاری از اطلاعات را به مدل می‌دهد. پس پرامپت باید بیشتر درباره حرکت باشد.

شخص داخل تصویر آرام لبخند می‌زند و سرش را کمی به سمت دوربین می‌چرخاند.
موها با باد ملایم حرکت می‌کنند.
دوربین خیلی آرام نزدیک می‌شود.
چهره و لباس ثابت بماند.
حرکت طبیعی، بدون تغییر هویت.

فصل ۸ — حرکت دوربین را مثل کارگردان بنویس

MiniMax در مستندات ویدئویی خود از دستورات حرکتی دوربین پشتیبانی می‌کند. لازم نیست ده حرکت را با هم ترکیب کنی.

فصل ۹ — پرامپت حرفه‌ای ویدئو

برای ویدئوی حرفه‌ای این هفت بخش را در ذهن داشته باش:

1. سوژه
2. عمل یا حرکت
3. محیط
4. نور
5. دوربین
6. سبک تصویری
7. چیزهایی که نباید تغییر کنند

Subject: یک خودروی کلاسیک قرمز.
Action: آرام در جاده کوهستانی خیس حرکت می‌کند.
Environment: مه صبحگاهی، جنگل کاج.
Lighting: نور نرم طلوع.
Camera: low-angle tracking shot.
Style: photorealistic cinematic commercial.
Keep: شکل خودرو و رنگ قرمز ثابت بماند.
Avoid: text, logo, distorted wheels.

فصل ۱۰ — خطاهای رایج در ساخت ویدئو

فصل ۱۱ — ساخت تصویر با MiniMax

سرویس Image Generation رسمی MiniMax از Text-to-Image و Image-to-Image پشتیبانی می‌کند. در مستندات API، مدل image-01 برای تولید تصویر آمده است.

پرتره سینمایی یک مرد حدود ۴۵ ساله،
کت آبی تیره، نور نرم از کنار،
پس‌زمینه استودیویی مینیمال،
لنز 85mm، عمق میدان کم،
پوست طبیعی، جزئیات واقع‌گرایانه،
نسبت تصویر 16:9.

برای تصویر خوب چه بنویسیم؟

• سوژه
• زاویه دوربین
• لباس و حالت
• نور
• پس‌زمینه
• سبک
• نسبت تصویر

فصل ۱۲ — Speech 2.8؛ ساخت صدای طبیعی

MiniMax Speech 2.8 برای تبدیل متن به صدا طراحی شده است. نسخه‌های HD و Turbo وجود دارند و مستندات رسمی از بیش از ۳۰۰ صدای سیستمی، تنظیم سرعت، pitch، volume، خروجی‌های MP3/WAV/FLAC/PCM و streaming صحبت می‌کنند.

پرامپت/متن مناسب صدا

متن را مثل نوشته روزنامه ننویس. جمله‌های کوتاه، نقطه‌گذاری درست و مکث طبیعی، نتیجه صوتی را بهتر می‌کند.

فصل ۱۳ — Voice Cloning؛ با احتیاط

MiniMax امکانات Voice Cloning و Voice Design هم دارد. یعنی می‌توان صدایی شبیه نمونه صوتی ساخت یا یک صدای تازه طراحی کرد.

کاربردهای سالم:

• صدای خودت برای ویدئوهای خودت
• گوینده‌ای که اجازه کتبی داده
• صدای شخصیت کاملاً ساختگی
• نمونه آموزشی یا آزمایشی با رضایت صاحب صدا

فصل ۱۴ — Music؛ ساخت موسیقی با MiniMax

MiniMax مدل‌های Music برای ساخت قطعه موسیقی دارد. در پلتفرم API فعلی، Music 3.0 و مدل‌های قبلی دیده می‌شوند.

برای پرامپت موسیقی، این موارد را مشخص کن:

• سبک: pop, cinematic, jazz, electronic...
• حال‌وهوا: شاد، احساسی، هیجان‌انگیز...
• سرعت یا انرژی
• نوع سازها
• نوع خواننده یا بدون خواننده
• موضوع متن ترانه، اگر لازم است

یک قطعه سینمایی امیدبخش،
شروع آرام با پیانو و strings،
به‌تدریج حماسی‌تر شود،
مناسب ویدئوی سفر و موفقیت،
بدون صدای خواننده.

فصل ۱۵ — Mavis / MiniMax Agent چیست؟

Agent ارتقایافته MiniMax در سال ۲۰۲۶ نام Mavis گرفته است. Agent با چت معمولی فرق دارد: می‌تواند برای یک هدف، چند مرحله را برنامه‌ریزی و اجرا کند.

MiniMax همچنین Agent Teams را معرفی کرده است؛ یعنی چند Agent با نقش‌های مختلف می‌توانند روی یک کار پیچیده همکاری کنند.

فصل ۱۶ — چگونه برای Agent دستور بنویسیم؟

برای Agent، نتیجه نهایی و محدودیت‌ها را واضح بنویس.

هدف: یک گزارش کوتاه درباره ۵ ابزار مهم ساخت ویدئوی AI تهیه کن.

مراحل:
1) فقط منابع معتبر و رسمی را پیدا کن.
2) قیمت، طول ویدئو و رزولوشن را بررسی کن.
3) اطلاعات تأییدنشده را حذف کن.
4) یک جدول مقایسه بساز.
5) در پایان برای یک مبتدی بهترین گزینه را پیشنهاد کن.

محدودیت:
اگر اطلاعاتی پیدا نشد، حدس نزن.

فصل ۱۷ — MiniMax M3، M2.7 و MiniMax Code

MiniMax مدل‌های زبانی جدید را برای کارهای متنی، کدنویسی و Agent ارائه می‌کند. در زمان نگارش، M3 به‌عنوان مدل پرچمدار جدید MiniMax معرفی شده و M2.7 نیز در پلتفرم موجود است.

Token Plan فعلی همچنین دسترسی به MiniMax Code را ارائه می‌کند؛ محیطی برای کارهای برنامه‌نویسی و Agentهای کدنویسی.

پرامپت خوب برای رفع خطای کد

این کد خطا دارد.
قبل از تغییر، علت دقیق را پیدا کن.
از حدس زدن خودداری کن.
کمترین تغییر لازم را پیشنهاد بده.
بعد نسخه اصلاح‌شده را کامل بده.
در پایان بگو چطور تستش کنم.

فصل ۱۸ — کردیت‌ها؛ همان ۱۰٬۰۰۰ کردیت رایگان چه می‌شود؟

MiniMax در Agent سه نوع Credit را از هم جدا می‌کند:

فصل ۱۹ — Token Plan، اشتراک و Pay-as-you-go

MiniMax در پلتفرم توسعه‌دهندگان دو منطق اصلی دارد:

• Token Plan: اشتراک با سهمیه برای مدل‌های مختلف.
• Pay-as-you-go: مصرف API و پرداخت بر اساس مقدار استفاده.

در زمان نگارش، Token Plan پلن‌های Plus، Max و Ultra دارد و سهمیه مشترک برای متن، تصویر، صدا و موسیقی ارائه می‌کند. بعضی پلن‌ها سهمیه ویدئویی روزانه نیز دارند.

فصل ۲۰ — هزینه ویدئو در API

در قیمت‌گذاری API فعلی، Hailuo 2.3 بر اساس نوع خروجی قیمت دارد. برای نمونه، صفحه رسمی Pay-as-you-go در زمان نگارش این اعداد را نشان می‌دهد:

فصل ۲۱ — API یعنی چه؟

API راهی است که برنامه تو بدون باز کردن صفحه MiniMax با مدل صحبت کند.

کارهای اصلی

1. وارد API Platform شو.
2. API Key بساز.
3. کلید را در Environment Variable نگه دار.
4. مدل و Endpoint را از مستندات همان روز انتخاب کن.
5. درخواست را بفرست و پاسخ را مدیریت کن.

فصل ۲۲ — نمونه API برای ساخت ویدئو

نمونه ساده مفهومی با Python:

import os
import requests

url = "https://api.minimax.io/v1/video_generation"
headers = {
    "Authorization": f"Bearer {os.environ['MINIMAX_API_KEY']}",
    "Content-Type": "application/json"
}

payload = {
    "model": "MiniMax-Hailuo-2.3",
    "prompt": "A cinematic shot of a small robot walking in the rain.",
    "duration": 6,
    "resolution": "1080P"
}

response = requests.post(url, headers=headers, json=payload)
response.raise_for_status()

print(response.json())

این درخواست فوراً خود فایل ویدئو را برنمی‌گرداند؛ معمولاً ابتدا یک task_id می‌گیری و سپس وضعیت Task را بررسی می‌کنی.

فصل ۲۳ — API تصویر و صدا

تصویر

Endpoint رسمی Image Generation امکان ساخت تصویر با مدل‌هایی مثل image-01 را دارد.

صدا

Speech API از مدل‌های speech-2.8-hd و speech-2.8-turbo پشتیبانی می‌کند. برای پروژه‌های واقعی، انتخاب HD یا Turbo به کیفیت، سرعت و بودجه بستگی دارد.

فصل ۲۴ — امنیت، کپی‌رایت و استفاده مسئولانه

• رمز و API Key را در Prompt نگذار.
• برای جعل هویت افراد از Voice Clone استفاده نکن.
• برای تبلیغات، لوگوها و شخصیت‌های دارای حق مالکیت را آگاهانه مدیریت کن.
• قبل از انتشار محتوای خبری یا واقعی، واقعیت‌ها را بررسی کن.
• تصاویر و فیلم‌های AI را در موقعیت‌هایی که ممکن است مخاطب را گمراه کنند، شفاف معرفی کن.

فصل ۲۵ — Workflow حرفه‌ای برای ساخت یک ویدئوی خوب

1. Idea: یک جمله درباره هدف ویدئو بنویس.
2. Storyboard: آن را به شات‌های ۶ تا ۱۰ ثانیه‌ای تقسیم کن.
3. Reference: اگر ثبات کاراکتر مهم است، تصویر مرجع آماده کن.
4. Prompt: حرکت، محیط و دوربین را برای هر شات بنویس.
5. Generate: ابتدا نسخه کم‌ریسک و ساده بساز.
6. Review: دست، صورت، فیزیک، دوربین و ثبات را بررسی کن.
7. Iterate: هر بار فقط یک عامل را اصلاح کن.
8. Edit: شات‌ها را در نرم‌افزار تدوین به هم وصل کن.
9. Audio: گویندگی، موسیقی و افکت اضافه کن.
10. Export: نسخه نهایی را برای پلتفرم مقصد خروجی بگیر.

فصل ۲۶ — پروژه نهایی: تبلیغ ۳۰ ثانیه‌ای

هدف: یک تبلیغ ۳۰ ثانیه‌ای برای یک کافه خیالی بساز.

مرحله ۱ - شات‌ها

• شات ۱: نمای بیرونی کافه در باران
• شات ۲: قهوه در حال ریخته شدن
• شات ۳: کلوزآپ مشتری که لبخند می‌زند
• شات ۴: دسر روی میز
• شات ۵: لوگو و CTA در تدوین نهایی

مرحله ۲ - ساخت

برای هر شات ۶ ثانیه پرامپت جدا بنویس. اگر ظاهر افراد مهم است، برای شات‌های انسانی Image-to-Video را امتحان کن.

مرحله ۳ - صدا

یک متن گویندگی کوتاه با Speech بساز و یک موسیقی ملایم تولید یا انتخاب کن.

برگه تقلب — ۱۸ پرامپت آماده MiniMax

منابع رسمی و یادداشت نسخه

این کتاب در ۷ اوت ۲۰۲۶ تهیه شده است. برای قابلیت‌ها و اعداد نسخه‌ای از منابع رسمی MiniMax استفاده شده است.

• MiniMax Official
• MiniMax Models Documentation
• Video Generation Guide
• Image Generation Guide
• API Overview / Speech
• Token Plan
• Agent Credit Rules