MiniMax H3 使用手册

MiniMax H3 是一个能同时生成画面和声音的视频模型。这份手册讲清楚提示词怎么写、四种生成方式怎么选、常见问题怎么改。在 VGEN 的「生视频」里可以直接使用 MiniMax H3。

提示词六块积木

• 主体(谁):一位穿珊瑚橙雨衣的年轻陶艺师
• 动作(做什么):在转盘上完成一只靛蓝色茶杯，抬起它并稳稳放到木架中央
• 场景(在哪里):清晨的安静工作室，窗外细雨，背景工具保持静止
• 视觉(什么感觉):写实电影质感，柔和窗光照出湿润陶土纹理，暖木色与靛蓝形成对比
• 镜头(怎么看):镜头从双手中景缓慢推进到杯沿特写，随后切到正面定格成品
• 声音(听见什么):保留转盘低鸣、陶土摩擦、轻微雨声和自然呼吸，不要音乐和旁白

H3 能做什么:四种输入方式

• 写一句话:从零搭出人物、场景、动作、镜头和声音。最适合快速验证一个创意。
• 给一张图:把构图和人物交给图片，把新的动作、镜头和声音交给 Prompt。
• 给首尾帧:明确从哪里开始、在哪里落地，让转场、产品变化和镜头收束更可控。
• 给参考素材:让图片、视频、音频分别负责角色、动作、环境或节奏，组合成新片段。

第一次生成:四步

1. 先选一种模式:第一次先用文生视频。已有好看的图，再选图生视频；必须控制结尾，才用首尾帧。 少一个变量，就少一种翻车可能。
2. 只写一个可见事件:不要写“很治愈”。写“她把热茶推到对面，抬眼笑了一下”。让情绪变成能被拍到的动作。 先让事情发生，再谈电影感。
3. 在界面选择参数:时长、画幅、分辨率属于生成设置。短视频常用 9:16，电影镜头常用 16:9。 H3 支持 4–15 秒与多种画幅。
4. 先看懂，再变漂亮:第一版只检查主体、动作和空间关系。方向正确，再补镜头、光线、对白和环境声。 一次只改一个问题，最省试错。

选对工作流

文生视频:从一句话开始

• 适合:快速概念、电影镜头、幻想场景、带对白的短剧情。
• 写法:主体 + 一个可见事件 + 场景 + 视觉 + 镜头 + 声音
• 常见错误:把 10 秒塞进三个地点、五个动作和四次转场。
• 技巧:每个镜头只保留一个主事件；多镜头就写清切点。

首尾帧 / 图生视频:锁住开始与结束

• 适合:人物动起来、产品展示、明确的 A→B 转场。
• 写法:图片负责初始状态；Prompt 只写新增动作、镜头路径和必须保持不变的内容。
• 常见错误:重新描述整张图，却没告诉 H3 接下来发生什么。
• 技巧:写清“从第一帧经过哪些可见变化，最终贴合最后一帧”。

全参考生成:给每份素材一个工作

• 适合:角色一致、动作迁移、声音参考、多素材广告和连续内容。
• 写法:图片 1 管人物；视频 1 管动作节奏；音频 1 管声音。不要让两份素材争同一个职责。
• 常见错误:只上传很多参考，却不说明每份参考负责什么。
• 技巧:同时写正向职责和排除项：“用脸和服装，不用背景和姿势”。

翻车急救

人物或道具变了

原因:主体没有固定名称，或者同一件东西在不同镜头里换了描述。

改写示例:把她称为“小满 (S1)”，全程保持同一张脸、短发、橙色雨衣和红色自行车。

动作太乱

原因:短时间里安排太多事情，模型找不到清晰的先后与落点。

改写示例:0–3 秒抬起杯子；3–6 秒走到木架；结尾把杯子稳稳放在中央后松手。

镜头不听话

原因:“高级运镜”没有目标、方向、速度和最终景别。

改写示例:镜头沿同一光轴缓慢后退，从脸部近景连续拉到能看见整座山谷的大全景。

对白错人

原因:没有把台词绑定到稳定的说话者，也没写语言和表演方式。

改写示例:老板娘 (S1) 用克制、疲惫的普通话轻声说：<d>[Chinese] 今天还是老样子？</d>

参考图串场

原因:你告诉它“要什么”，却没说参考图里哪些内容不要带进新画面。

改写示例:图片 1 只锁定脸和服装；忽略原背景、姿势、镜头角度和其他人物。

视频像 PPT

原因:Prompt 只有风格形容词，没有物体、人物、光线或相机的连续变化。

改写示例:风吹动围巾；她向前走三步；橱窗反光从脸上滑过；相机贴着她左侧同步跟拍。

今日练习

Level 01:拍清楚一件事

一个主体、一个动作、一个镜头。先得到一条逻辑完整的 5 秒视频。

练习提示词:清晨，一只橘猫从窗台跳到旧木桌上。镜头贴近桌面平稳跟随。保留落地声和鸟鸣。

Level 02:做一次节奏设计

把 10 秒分成两个阶段：先建立期待，再让主要事件发生，并补上同步声音。

练习提示词:0–4 秒，纸船在雨水中顺流而下；4–10 秒，它靠近下水口时展开成一只白鸟并飞起。

Level 03:给参考分配工作

让一张图负责人物，一段视频负责动作；写清保留什么，也写清不要带入什么。

练习提示词:图片 1 只锁定人物脸和服装。视频 1 只参考舞步和镜头节奏。使用新的屋顶场景，不复制两份参考的背景。

新手常见问题

Prompt 应该写多长？

先写 2–4 句，确保只有一个主事件。主体、动作、场景能拍清后，再补视觉、镜头和声音；不是越长越好。

要不要写 0–3 秒、3–6 秒这样的时间点？

单镜头、单动作可以不写。动作有明确阶段、多次切镜或声音需要同步时，再用时间点固定先后和落点。

中文对白怎么写才不容易错人？

给说话者固定编号，例如老板娘 (S1)、顾客 (S2)，在每句台词前重复编号，并写明语言、音色、语气和不可重叠。

参考图为什么会把背景也带进来？

模型不知道你只想要人物。要同时写正向职责和排除项：只使用脸与服装，忽略原图背景、姿势、镜头角度和其他人物。

怎么减少失败重试？

低清版本先检查主体、动作和空间关系，每次只改一个问题。方向正确后再升级清晰度、补镜头和声音。

内容整理自「H3 小白导演课」(https://metaso.cn/minimax-h3/guide)及 MiniMax 官方提示词指南。

去生视频 →