MiniMax H3 提示词指南

本指南依据 MiniMax 为 H3 编写的提示词写作指南和它的 API 指南。关于模型本身，请参阅 MiniMax H3 页面。

MiniMax 的指南把提示词分为三部分：沿时间线的描述（风格、构图、主体、动作、运镜、说话人，以及与动作相关的声音）、贯穿整个片段的音景，以及角色听不到的音乐。

1. 1以风格和第一个构图开头：“真人实拍，电影感，中远景拍摄……”。
2. 2写出每个主体，并写明必须保持的细节：年龄、服装、颜色、位置。
3. 3按顺序写动作，把运镜写进句子里。
4. 4之后的每个镜头都以剪切时间开头：“[Shot 2] 在 00:05.000，镜头切到……”。
5. 5每种嗓音描述一次，然后把台词放在引号里，并写明语言。
6. 6最后写音景，再写音乐，或说明没有音乐。

MiniMax 的指南把各部分写成带标签的字段，也就是它的提示词改写工具 H3-Context-IR 输出的形式；它的 API 示例则是普通句子。无论哪种写法，都要保持这个顺序。

MiniMax 的指南用三个要素构成一次运镜：类型、移动多远（幅度）和移动多快（速度），并把它作为句子里的动作来写，而不是在结尾加一个标签。

MiniMax 的 API 指南还接受一种简写：在对应的描述后面直接加上 [pan]、[zoom] 或 [static]。Hailuo 的运镜指南补充说：每个片段只用一种主要运镜，并用“缓慢”或“轻微”这类词让它平缓下来。

想要稳定的画面，Hailuo 的多余运镜处理指南建议使用器材类用语，比如固定机位或三脚架；手持会增加随机性。如果只是距离变化，MiniMax 说应该移动镜头，而不是剪切。

每个 H3 片段都有与画面一同生成的立体声。MiniMax 把台词和动作声响放在描述中它们发生的位置；其余的声音交给音景；音乐放在最后。参见原生音频。

• 嗓音描述一次即可：年龄、音高、音色、语速或口音。MiniMax 会给每个说话人一个 ID，即 (S1) 或 (S2)，并在各镜头间保持不变。
• 语气写在引号外，引号里只放说出的话：她用法语说：“Bonjour, les croissants sortent du four.”
• 要用旁白，就写“以画外旁白说”，再补充一句：画面中角色的嘴唇保持闭合。
• 音景用一到四句话写：风声、脚步声、呼吸声；不写对白。
• 音乐写乐器、节奏和音量，而不是情绪，或者说明没有音乐。

MiniMax 的模型卡列出了对白表现稳定的 11 种语言：阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语；其他语言的效果不那么稳定。招牌或标签上的文字放在双引号里，一字不差地写出它应有的样子。参见口型同步。

MiniMax 的 API 最多接受 7,000 个字符，它的改写工具写出的提示词长达数百个词：把这些字数花在每一刻能看到和听到的内容上。

像 MiniMax 那样安排剪切时间：第一个镜头不标时间，之后每个镜头标上更晚的时间，每次剪切都带来新的内容。Hailuo 的通用提示词指南建议大多数平台用 20 到 50 个词；H3 自己的示例要长一些，所以两种都试试。

在 DreamBench 上，H3 可渲染 21:9、16:9、9:16（用于 Reels 和 Shorts）、1:1 和 4:3；MiniMax 的 Hailuo AI 应用还提供 3:4。

MiniMax 的 API 接受首帧、尾帧或两者都给；图片决定片段的画幅。参见图生视频和首尾帧。

1. 1从图片出发：雨中火车车窗边的年轻女子。
2. 2说明动作如何开始：她从信上抬起头时，镜头缓缓向右横移。
3. 3以一个结果收尾：她沿着折痕把信折起来。

MiniMax 自己的示例要求的是变化：“把焦点移到背景里的人身上，并让拉面碗冒出更多热气。”DreamBench 的创作面板没有首帧或尾帧槽位：在影片中，它根据你的参考图绘制每个首帧，片段如何结尾由提示词决定。

MiniMax 的参考模式最多接受 9 张图片、3 段视频和 3 段音频，总共 12 个文件；它的功能示例会在提示词中点明每一个：“Image 2: 角色。Image 3: 包。”参考素材不能与首帧或尾帧混用。

• 在每个镜头中都用同样的文字描述每个角色：“一位留着灰胡子、系着绿色围裙的中年面包师”。
• 让每个说话人的嗓音描述和 ID 在各镜头间保持不变。
• 保持服装、道具、时间段和光线不变。

DreamBench 不会向 H3 发送参考图片、视频或音频。在影片中，每个角色、地点和道具只绘制一次设定图，每个片段的首帧都依据它所需的设定图绘制。参见角色一致性和参考生视频。

MiniMax 训练 H3 时就面向多镜头视频，它的指南会在一个片段内安排剪切时间。超过 15 秒，或想单独重做某个镜头时，就把每个镜头做成单独的片段。参见多镜头视频。

• 在一个片段内：给镜头编号，从第二个镜头起标出每次剪切的时间，用完全相同的文字描述主体。
• 跨片段时：每个片段一个时刻，每个衔接处换一个景别，让环境声延续过去。

在 DreamBench 上，描述影片并选择 MiniMax H3：它会把每个镜头写成一个最长 12 秒的连续片段，绘制首帧，再把片段剪接在一起；任意一个都可以附上一条备注重做。在“视频”页面上，你写的镜头标签会原样发送给 H3。

把这些提示词粘贴到 DreamBench 的“视频”页面或任何 MiniMax H3 工具中。每条都是一个片段。

三个定时镜头：清晨的面包店

12 秒，16:9。[Shot 1] 真人实拍，电影感，日出前一家街边面包店的中远景。一位留着灰胡子、系着绿色围裙的中年面包师把一条面包放到柜台上，镜头缓缓推近。面包师，嗓音平静而沙哑，用英语说：“First batch of the morning.” [Shot 2] 在 00:05.000，镜头切到一个固定特写：他切开面包，热气升起。[Shot 3] 在 00:09.000，画面切到一位顾客的手接过纸袋。音景：烤盘叮当作响，门铃响了一声。音乐：一把轻柔的原声吉他，在结尾淡出。

带标签的产品：一罐茶叶

8 秒，1:1。真人实拍，橡木桌上一罐茶叶的近景，晨光从左侧照来。盖子上用金色大写字母写着“HIGHLAND BREAKFAST”。一只手掀开盖子，勺子舀起深色的茶叶；镜头缓缓推近，字迹清晰。音景：盖子打开时轻轻的“啵”声，茶叶沙沙作响。音乐：无。

对白：夜班巴士上的两个说话人

10 秒，16:9。真人实拍，夜班双层巴士上层的固定双人镜头，城市灯光飞掠而过。一个穿黄色雨衣的年轻男子，语速快、声音紧张，用英语说：“I think we missed our stop.”他身旁的女人，声音低沉、带着笑意，没有从书上抬起头：“Two stops ago.”音景：引擎的嗡嗡声，雨打在车顶上。音乐：无。

一句西班牙语台词：水果摊

6 秒，9:16。真人实拍，正午阳光下市场摊位前的固定中景。一位系着条纹围裙的年长女人把一个芒果举到镜头前，用温暖、利落的声音，以西班牙语说：“¡Prueba este, está dulcísimo!”音景：市场里的嘈杂人声，纸袋沙沙作响。音乐：无。

旁白：朗读一封信

10 秒，16:9。真人实拍，一位穿棕色开衫的老人在灯下读一封手写信的近景。镜头缓缓向左横移。老人，声音轻柔低沉，以画外旁白说：“我还记得去你家的那条路。”他的嘴唇保持闭合。音景：时钟滴答作响，雨打在窗上。音乐：慢节奏、稀疏的钢琴声。

近距离声音：砧板上的面包

6 秒，9:16。真人实拍，砧板上一条酸面包的固定大特写。一把锯齿刀分三下慢慢锯开它，切下的一片随之倒下。音景：面包皮在刀下碎裂的声音，近而清脆。音乐：无。

立体声移动：横穿画面的电车

10 秒，21:9。真人实拍，黄昏时分石板广场的固定远景。一辆红色电车从左侧驶入，哐当哐当地穿过画面，从右侧驶出，途中响了一次铃。音景：隆隆声在立体声中从左移到右，车轮在弯道上发出尖啸。音乐：无。

动画：黏土机器人

8 秒，1:1。黏土动画，工作台上一个只有一只圆眼睛的蓝色小黏土机器人。它拿起一颗螺栓，拧进自己的胸口，然后得意地弹跳了一下。弧形运镜缓缓环绕它。音景：黏土的吱吱声，一声金属咔嗒声。音乐：节奏轻快跳跃的木琴。

应用动效：银行界面

8 秒，9:16。3D CG，淡紫色背景上的一块手机屏幕。一张余额卡片向上滑出，显示“£2,480.00”，三笔付款依次落下，“Rent paid”旁边出现一个绿色对勾。镜头缓缓推近。音景：轻柔的点击声，对勾出现时一声提示音。音乐：极简的电子脉冲。

运动：黎明时的划艇手

8 秒，16:9。真人实拍，黎明时分，一位穿白色背心的单人双桨划艇手划过雾气弥漫的湖面。跟拍镜头贴着水面跟随，随后在小艇滑过时，镜头升起。音景：桨入水的声音，滑座滑动，一声鸟鸣。音乐：无。

竖屏预告片：灯塔

15 秒，9:16。[Shot 1] 真人实拍，电影感，暴风雨中巨浪拍打灯塔的远景。[Shot 2] 在 00:04.000，镜头切到栏杆边一位留着红色短发、穿油布外套的年轻看守人；她用嘶哑的声音，以英语大喊：“The light’s gone out!” [Shot 3] 在 00:09.000，画面切到她的手在漆黑的灯室里划燃一根火柴。音景：狂风呼啸，海浪轰鸣。音乐：低沉的弦乐逐渐增强，在火苗亮起时停下。

带运镜指令的一句话提示词

5 秒，16:9。黄昏时分，一只狐狸小跑穿过雪地 [static]，停下来，然后一头扎进雪里 [zoom]。轻柔的风声，一声闷响。

大多数不好的 H3 提示词不是写错了，而是写得太短。

• 同一条提示词运行两次，会得到两个不同的片段。
• MiniMax 表示，某些场景中的画面细节仍有提升空间：让关键细节在画面中占较大比例，并使用 1080p。
• 每个片段都有声音；想要无声，就要求只有室内环境声，再在剪辑软件中静音。
• 真实的人或产品无法仅凭文字被认出来，需要一张你有权使用的图片。
• 单次生成最长 15 秒；在 DreamBench 的“视频”页面上，超过 5,000 个字符的提示词会被拒绝。

• 一个片段：在“视频”页面上选择 MiniMax H3，粘贴你的提示词，选择 5、6、8、10、12 或 15 秒、画幅，以及 720p 或 1080p。提示词会原样发送给 H3。
• 一条提示词：AI 视频提示词生成器可以按镜头清单的顺序为任何模型写提示词；它没有 H3 预设，只负责写提示词。
• 一部影片：描述它，最多添加 8 张参考图，然后选择 MiniMax H3；DreamBench 会写出、绘制并剪接每个镜头，任意镜头都可以重做。
• 不提供：首帧或尾帧、发送给 H3 的参考素材、视频编辑，或 3:4。

所有套餐都包含 MiniMax H3。生成前，创作面板会显示所需积分；首次使用时，请注册免费账号并选择套餐。其他模型请参阅 Grok Imagine 1.5、Veo 3.1 或 Kling 3.0 提示词指南；如果只凭文字写提示词，请参阅文生视频。