Model
.ai
vi följer öppna AI-modeller

Camera_motion_h3

8414°
Camera_motion_h3
Skapad av
JOJOCUBE
på Civitai
by JOJOCUBE - camera_motion_h3
Skaparens anteckningar
# Camera Motion LoRA — User Guide New custom dataset collected specifically to train this camera-motion LoRA, designed to compensate for missing camera movement capabilities within the MINIMAX H3 base model. ## 1. Mandatory Trigger Word camera motion Must be placed at the very start of the prompt. It acts as the activation switch to enable camera motion control for this LoRA, followed by specific camera movement + scene description. ## 2. File Versions 1000-step file | 3000-step file camera_motion_h3_lora_v1_1000_pruned.safetensors | camera_motion_h3_lora_v1_3000_pruned.safetensors ## 3. Installation & Loading Place the _pruned files into ComfyUI/models/loras/ Load via LoraLoader. Recommended strength_model: 0.8 ~ 1.0 - 0.8: Mild camera motion - 1.0: Distinct camera motion - >1.2: Risk of unstable frames Base model: MiniMax-H3 video workflow (pruned + int8 + convrot version) ## 4. Prompt Usage (Core Section) ### Prompt Structure for Training Samples Annotation format used for training data (the syntax best matched for this LoRA): camera motion, [Subject], [Scene], [Camera motion description], [Lighting / Style], [Quality] ### Use Raw Training Prompts (Recommended) camera_motion_prompt_library.md contains 55 complete prompts extracted directly from training samples, sorted into 9 camera motion categories (Push-in / Pull-back / Combined Push-Pull / Orbit / Tracking / Aerial / Crane / Pan / Macro). Copy and paste directly for results closest to the training dataset. Example: camera motion, a woman and a man in athletic wear, engaged in a dynamic rooftop martial arts fight with punches and defensive blocks, nighttime urban cityscape background, slow push-in to medium shot transitioning to slight pull-back as the woman falls, cinematic teal-orange grading, water droplet effects, sharp 4k, high production quality ### Swap Scene, Keep Camera Motion Replace [Subject] and [Scene] while retaining the camera motion phrase after the comma: camera motion, [Your Subject], [Your Scene], slow push-in with subtle lateral tracking, cinematic color grading, 4k, high quality ### Swap Camera Motion, Keep Scene Only modify the camera motion phrase (e.g. slow push-in → slow orbit), leave the rest unchanged. ### Full Ready-to-Use Examples ① Push-in (Martial Arts / Night Scene) camera motion, a woman and a man in athletic wear, engaged in a dynamic rooftop martial arts fight with punches and defensive blocks, nighttime urban cityscape background, slow push-in to medium shot transitioning to slight pull-back as the woman falls, cinematic teal-orange grading, water droplet effects, sharp 4k, high production quality ② Pull-back (Industrial / Volumetric Light) camera motion, two men in a dynamic martial arts fight, exchanging kicks and punches with defensive blocks and dodges, inside a vast abandoned industrial warehouse with crumbling pillars and dramatic shafts of sunlight, slow pull-back combined with gentle orbit around the fighters revealing the full scale of the environment, cinematic gritty texture, natural volumetric lighting, high production quality ③ Orbit (Wuxia / Snow Scenery) camera motion, two martial artists in white and dark robes, dueling with sword and fan atop a snow-covered pavilion surrounded by swirling vortex energy, misty mountain landscape with weeping willow, dynamic pull-back from close-up vortex to wide establishing shot revealing the full rooftop confrontation, cinematic wuxia fantasy style, ethereal atmospheric lighting, 4k, high quality ④ Handheld Tracking (Action / Neon Rainy Night) camera motion, a man and woman in athletic wear, engaged in intense martial arts combat with punches kicks and takedowns, nighttime rooftop with wet pavement reflecting neon city skyline, dynamic handheld camera with push-in and slight tracking following action, cinematic teal-orange color grading, sharp 4k, high quality ⑤ Aerial (Nature / Mountain Landscape) camera motion, majestic green mountain peaks and misty valleys, aerial drone descending over cloud-wrapped ridges, low-angle water-level shot of splashing stream, two hikers crossing stone bridge, mountain forest with flowing creek, slow aerial push-in, water-level tracking, static wide, cinematic natural lighting, 4k, high quality ⑥ Miniature Diorama (Macro / Desktop Diorama) camera motion, a miniature seasonal village diorama on a desk, transforming through autumn, winter, and spring with changing foliage and weather effects, office desk environment with computer monitor and stationery, slow push-in dolly glide across the diorama surface revealing each season transition, whimsical miniature aesthetic, soft natural lighting, 4k, high quality More complete examples can be found in camera_motion_prompt_library.md (55 prompts covering all 9 camera motion categories). ## Test Videos ### Camera Motion Strength & Direction Control | Requirement | Prompt Writing Method | | ---- | ---- | | Smoother motion | Add slow: slow push-in | | Intense / Aggressive motion | Add aggressive: dynamic handheld / aggressive push-in | | Specify direction | push-in from left / orbit right / pan left | ### Supported Camera Motion Types (Validated on Training Dataset) | Type | Stability | Recommended Prompt Phrase | | ---- | ---- | ---- | | Push-in | ★★★ Most stable | slow push-in / dolly in / push in | | Pull-back | ★★★ Most stable | pull-back / dolly out | | Handheld Tracking | ★★★ Most stable | handheld tracking shot / dynamic handheld | | Orbit | ★★☆ Stable | slow orbit / orbit around | | Aerial | ★★☆ Stable | aerial drone shot / flyover | | Crane Shot | ★★☆ Stable | crane reveal / tilt up/down | | Combined Push & Pull | ★★☆ Stable | push-in then pull-back | | Pan | ★☆☆ Weak (limited samples) | pan left / pan right (low sample count; recommended to combine with other terms) | | Macro / Close-up | ★★☆ Stable | close-up / macro / extreme close-up |
1,353 nedladdningar · 79 gillningar på Civitai
SHA256
9D7D98D7377F56EFED3AA7D507F767936112D208906F49908EC9A8AE912BE88B
Ranking badge
Updated Oct 22, 2026
camera_motion_h3 på ModelTrends.ai: #238 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #20 Hottest MiniMax H3 model · #20 Hottest MiniMax H3 LoRA
Not this creator?
Popularitetstrend för camera_motion_h3
Värmenpoäng sedan 5 Sep 2026
Värmescore
8,414°
Den här veckan
▲
3.7%
8,406° då, 8,414° nu
Den här månaden
▲
27.2%
8,363° då, 8,414° nu
Senaste året
n/a
Inte släppt/spårad än
camera_motion_h3: Värmenpoäng sedan 5 Sep 20267,000°7,396°7,792°8,188°8,584°5 Sep14 Sep24 Sep3 Oct13 Oct22 Oct8,414°ModelTrends.ai
7,000°
Golvet
Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.
+959°
Civitai-nedladdningar
1,353 nedladdningar av denna exakta version på Civitai. Nedladdningar är den tyngsta ingrediensen och räknas på en logaritmisk skala: tio gånger nedladdningarna lägger till samma 300°, så en modell med en miljon nedladdningar är inte tusen gånger hetare än en med tusen. De sex nedladdningskällorna delar på den termen, fördelat efter deras antal.
+285°
Gilla-markeringar
79 gilla-markeringar och tummar upp över källorna. En gilla-markering väger som en halv nedladdning, på samma logaritmiska skala.
+70°
Adoptionshastighet
Ungefär 7 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.
+100°
Familjebonus
+100° eftersom det här är en LoRA från en familj som den här sidan just nu lyfter fram. Det är en begränsad skjuts inom poängen och visas öppet här; den kan aldrig dölja en modell eller väga tyngre än en tusenfaldig skillnad i nedladdningar.
Visa detaljerad uppdelning
Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 8,414°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.
  1. 1
    Börja vid golvet.
    Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
    7,000°
    löpande total
  2. 2
    Lägg till nedladdningarna.
    1,353 nedladdnings-ekvivalenter totalt, från Civitai-nedladdningar. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
    +959°
    7,959°
    löpande total
  3. 3
    Lägg till gillanden.
    79 gillanden och tummar upp, värda hälften av en nedladdning.
    +285°
    8,244°
    löpande total
  4. 4
    Lägg till adoptionshastigheten.
    Ungefär 7 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
    +70°
    8,314°
    löpande total
  5. 5
    Familje-boost.
    En öppen, begränsad skjuts för LoRAs i en familj som den här sidan just nu lyfter fram.
    +100°
    8,414°
    löpande total
  6. =
    Heat-poängen.
    Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
    8,414°
Ordlista: termerna som används här
Heat-poäng
Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet
De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter
Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala
Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden
Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet
Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad
Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder
Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde
Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter
Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token
En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint)
Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding
Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter
Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder
Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost
En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng
Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod)
En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend
Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell
Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.
Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.
Exempelrenderingar
Prompter och inställningar delade av personerna som gjorde dessa renderingar på Civitai. Välj en rendering för att se hur den gjordes.
Ingen prompt delades för den här renderingen.
Inställningar
Storlek
2752x1536
Prompt
ww
Inställningar
Storlek
1536x2752
Prompt
ww
Inställningar
Storlek
864x480
Prompt
Very long BUT DM if you really want it
Kör lokalt
camera_motion_h3_lora_v1_3000_pruned.safetensors
148 MB · SafeTensor · fp16
Nedladdningar sköts av Civitai. Vissa skapare kräver att du först loggar in på Civitai.