AI 入门通识 · 第 3 章
MiniMax-H3 模型操作指南
MiniMax-H3 的操作要点整理：界面入口、参数含义、常见任务的设置方式与结果调优思路。
MiniMax-H3 模型操作指南
MINIMAX-H3模型操作指南
📌
持续更新中～
9/1 新增1.10 出海多语种场景
新增1.3 动态图形、MG动画、AE特效
新增1.4 AR现实增强创意视频
新增1.6 goodcase
新增1.9 goodcase
📢
**体验入口：**点击直达 ➡️
MiniMax Design 体验 领取桌面端专属权益，新用户获3000积分
海螺 AI 体验中心
开放平台API
MiniMax H3：开放通用的多模态智能
一、模型定位
🐙
MiniMax H3 是新一代开放通用多模态视频模型，我们正在探索从“特化任务模型”迈向“通用多模态智能”的新范式。
H3 不再以图片、视频、声音的生成、编辑、参考等单一任务为边界，而是面向由文本、图像、视频与声音共同构成的多模态上下文，统一理解创作意图，完成更加自然、连贯的生成与表达。
H3，迈向更通用的多模态智能。
二、模型功能信息
| 核心维度 | MiniMax-H3 |
| 模型 | MiniMax-H3 |
| 输出时长 | 4-15秒 |
| 输出宽高比 | 首/尾帧模式下，遵循用户输入图片的原始长宽比 文生视频模式下，遵循用户指定21:9、16:9、4:3、1:1、3:4、9:16范围内的长宽比 全能参考模式下，遵循用户指定21:9、16:9、4:3、1:1、3:4、9:16范围内的长宽比或者选择自动模式由H3自行判断输出宽高比 |
| 分辨率 | 768p模式（已开放） * 当输出宽高比在16:9 |
| 输出帧率 | 24 FPS |
| 输出声音 | 所有结果全部带声音输出，原生双声道 |
| 输入条件 | |
| 首/尾帧入口 | * 图片：0、1、2张；宽高范围 [256, 5760]；宽高比5:2~2:5范围内 * 无图片输入时为文生视频模式 |
| 全能参考入口 | * 图片： ≤ 9 张；宽高范围：[256, 5760] * 视频 ：≤ 3 段；单段时长[2, 15]秒；总时长≤ 15秒；宽高范围：[256, 5760]；宽高比： 5:2~2:5范围内 * 音频 ：≤ 3段，且必须配图片或视频输入，不能单独输入；单段时长：[2, 15]秒；总时长≤ 15秒 * 混合输入的总上限是 12 个文件 * 无图片、视频、音频输入时为文生视频模式 |
| 输入格式支持 | 视频：H.264/AVC、H.265/HEVC；视频内音频：AAC、MP3 图片：JPG、JPEG、PNG、WEBP、HEIC、HEIF 音频：WAV、MP3 |
| 传入大小限制 | 视频单个50MB；图片单个30MB；音频单个15MB（加起来的不限制，限制都在单个素材上）；API 请求体 64MB（推荐使用url传入素材） |
| 提示词字数上限 | 不超过7000字符 |
| 语言支持与本地化表达 | 支持多语言提示词输入与输出 TTS （文本转语音）精准覆盖 11 种语言，包括中文、英语、日语、韩语、法语、德语、西班牙语等 更多语言可衍生探索，如阿拉伯语、泰语、印尼语、印地语等40多种语言 适合海外品牌传播、多语种广告、跨语言短片和本地化产品介绍等场景 |
三、模型亮点能力& 示例
| 三大能力 | 阐释 |
| 原生多模态理解与生成 | 支持文字、图片、音频、视频等多种输入，理解不同素材中的人物、动作、声音、情绪、镜头、风格与表达意图，并将多种参考信息自然融合，完成从素材理解到完整视听内容生成的一体化创作。 |
| 多模态精准编辑与控制 | 支持对人物、物体、场景、声音与节奏进行多维度编辑，并具备精细化指令遵循能力。创作者可以在已有内容基础上持续修改和迭代，更准确地落实对画面、声音与内容细节的调整需求。 |
| 商用级多场景内容生成 | 面向影视、广告、品牌、电商与游戏等真实商业内容场景。它兼顾文字字幕、品牌信息、创意特效、产品展示、UI/UX动态演示、游戏视觉及风格化表达，帮助创作者和内容团队更快完成创意验证、视觉提案与内容制作。 |
商用级多场景内容生成
💫
当视频模型具备更完整的能力，它也将覆盖更加丰富的创作场景，真正赋能真实的内容生产业务。
H3 兼顾文字、字幕、品牌信息、UI/UX、游戏及电商内容呈现，覆盖影视、广告、游戏、品牌、电商等高频内容场景。
它可以用来快速尝试短视频创意，帮助品牌探索不同视觉方案，让产品展示更具表现力，也让 IP 角色拥有更多动作和场景，还能支持视觉团队完成概念验证、分镜预览和内容提案。
品牌大片与影视内容
电影预告片、TVC 广告片、品牌质感大片
| 提示词 | 输入文件 | 输出文件 |
| * （非完全Prompt，可自行补充） * 图1至图4连续关键帧，模拟老式望远镜寻MINIMAX装置。开头虚焦手持晃动后快速拉近rack focus至图1，图间望远镜扫视转场（甩动、运动模糊、光学拖影、曝光闪烁）在最模糊处切换并迅速稳定重新对焦。全程固定双圆镜片遮罩（黑色羽化暗角、位置大小边缘虚化绝对一致无变形漂移）仅内部画面运动。图2布料随风克制飘动MINIMAX文字随布面起伏保持可读；图3人物如无意捕捉的时尚路人自然走动转身摆臂；图4人物调整眼镜或微抬下巴展现冷感松弛fashion campaign态度。红字随对焦轻微加载，初现略虚焦低透明度0.3–0.5秒内淡入变清晰（可微小纵向滑入或字距呼吸）切换前淡出或被运动模糊带走，禁旋转弹跳或大幅飞入飞出。Wes Anderson式窥视35mm胶片质感（轻微颗粒、柔和高光晕染、克制色彩、红字点缀），极简高级微带搞怪灵动，严禁新增人物车辆建筑logo，保持原图核心构图与MINIMAX装置不变。 | 多模态理解新1.mp4 | |
| * 史诗级太空歌剧院线短预告 * （非完全Prompt，可自行补充） * 节奏更快，宏大但不拖。快速硬切、舰桥震动、强光爆闪、短黑场、跃迁冲击。文字是电影预告片式宽字距标题包装，字体不要纯白，要有克制发光和材质感、微弱边缘辉光。文字动效包含从深空暗部渐入、被星光扫亮、字距展开、残影、微弱发光、黑场闪现。 （非完整Prompt，可自行补充细节） | 电影大片1.mp4 | |
| * 科幻悬疑电影短预告 * （非完全Prompt，可自行补充） * 写实电影感，高反差光影，节奏紧凑。图1作为整体氛围、风格参考。图2作为主角人物参考。 Shot 1 — 超广角建立镜头。巨大圆形宇宙门几乎占满画面，人物只是门前一个很小的背影，站在画面下方偏右。地面潮湿反光，门中心一片黑暗。镜头慢慢向前推进。大标题从黑暗边缘渐入，先模糊后清晰："THE STARS WERE LISTENING" 字体极窄、厚重、全大写，暗红混合铁锈红，带轻微颗粒和雾化边缘。 Audio: 深低频脉冲，远处金属轻震，文字清晰时一记轻 hit。 → Hard cut. （非完整Prompt，可自行补充细节） | 电影大片2.mp4 | |
| * （非完全Prompt，可自行补充） * 制作一支 16:9 横版高级时尚品牌视频。整体氛围、场景和胶片质感参考图1；包袋资产参考图3；人物资产参考图2；品牌 ending logo 参考图4。这是一支卖衣服和包的时尚 campaign，整体气质要高级、冷感、克制，但剪辑不能无聊，要更灵动、更有时尚节奏。不要像普通剧情片，也不要像电商广告。核心故事依然很简单：荒漠公路和复古车旁，女人回到车尾，打开后备箱，取出黑色包袋，和站在车边的男人有一瞬间的安静关系，然后她拿着包离开。包和服装要自然融入人物行动里，成为角色气质的一部分。 | 海螺_视频_制作一支 16_9 _538443937841811462.mp4 | |
| * （非完全Prompt，可自行补充） * 图1是整体质感、氛围参考，图2是人物外表特征参考。生成一支 15 秒 16:9 横版潮流时装短片。保持人物一致：白金色长发、窄黑色复古墨镜、黑色高光漆皮风衣、冷酷自信的时尚表情、火光映在皮衣表面的橙色反射。整体风格是胶片快切时尚广告，融合夜晚火场、黑烟、橙红火焰、VHS 故障、CCTV 广播中断、90 年代模拟胶片颗粒、扫描线、色差、漏光、闪白转场、画面轻微抖动。 | 海螺_视频_图1是整体质感、氛围_538385353669980169.mp4 |
视觉创意与内容包装
创意短片、特效包装、审美 MV、视觉实验、热点内容及社媒素材
| 提示词 | 输入文件 | 输出文件 |
| * （非完全Prompt，可自行补充） * 生成一支15秒16:9横版轻悬疑犯罪电影片头。整体风格参考这些图的视觉语言：复古日系动画片头、硬边剪影、漫画拼贴、非对称分屏、强烈几何色块、英文片头署名、少量日文片假名装饰、爵士犯罪气质。氛围是60%悬疑、40%爵士：神秘、酷、灵动、有都市犯罪感，不恐怖、不沉重，也不要变成欢乐爵士MV。片头动效要像动态图形拼贴：黑底线框先出现，分屏边界快速划出，色块和画格逐块贴入；人物剪影、道具特写、英文署名跟随鼓点依次滑入、弹出、遮罩揭示。不要普通写实剧情动画，要片头包装感。英文署名要清晰可读，允许有动效：细线框先画出，名字从框内滑入，字母逐个出现，被色块遮罩揭示，最后短暂停住。不要新增中文，不要乱码，不要让英文错拼。全片规则：所有英文署名和职位只出现一次。不要重复同一个职位，不要重复同一个人名，不要让同一个人担任多个职位。转场形式要丰富：圆形黑胶遮罩、车门竖切、人物长影擦屏、红线切割、巨大英文字母遮罩、分屏边框重组、色块硬切、画格逐块贴入。所有转场跟随鼓点，干脆、悬疑、灵动、有漫画拼贴感。不要柔和溶解，不要流体转场。BGM：原创15秒片头音乐，60%悬疑、40%爵士。以低音持续音、紧张弦乐拨奏、冷感合成器脉冲、低音鼓、稀疏爵士鼓刷、walking bass片段、低音萨克斯短句和短促铜管点缀组成。前2秒神秘低频和踩镲建立悬疑，第3秒进入低沉鼓点，第6秒加入爵士贝斯律动，第10秒出现短促萨克斯/铜管riff，最后2秒用紧张和弦加鼓点定格。整体神秘、酷、带犯罪感，爵士只占40%，不要太欢快，不模仿任何现有旋律。 | final-悬疑电影片头 (1).mp4 | |
| * （非完全Prompt，可自行补充） * 15秒、16:9横向视频。将傍晚小厨房的真人实拍与手绘发光动画融合在一起的影像。夕阳余晖还残留在窗边，生活感十足的小厨房里有一张旧木桌、洗到一半的马克杯、略微起雾的玻璃瓶，以及悬挂着的抹布。画面带有像用智能手机单手拍摄一样的细微手抖、近距离对焦时的犹豫、逆光造成的曝光波动，以及暗部略显粗糙的噪点。不要像广告影像那样精心整理，而是要呈现出像是在家中慌忙拍下某个不可思议事件的自然质感。禁止出现巨大的眼睛、裂开的嘴、獠牙、威吓、扑袭动作、突然黑屏和跳吓。声音只使用厨房室内环境声、抹布摩擦声、马克杯轻微碰撞声、水龙头水滴声、拍摄者的脚步声与轻微呼吸声，以及手绘生物柔和的电子音和小小的叫声。 | 纯文生 | 海螺_视频_15秒、16_9の横_538390013432676361.mp4 |
| * （非完全Prompt，可自行补充） * 15 秒、16:9 横版短视频。实拍深夜自助洗衣店场景，融合手绘发光动画的混合影像。一间小型自助洗衣店，荧光灯微微频闪，店内摆放着运转中的洗衣机、塑料洗衣篮、老旧长椅，地面散落一只袜子，整体空间安静，带着淡淡的怀旧氛围感。手持手机单手拍摄质感，画面抖动明显；白色荧光灯造成曝光忽明忽暗；玻璃表面带有环境反光；镜头靠近物体时对焦存在延迟。画面不要像商业广告一样精致规整，整体质感如同深夜偶然闯入、追着奇异幻象随手拍下的真实纪实感。 | 纯文生 | 飞书20260728-175157.mp4 |
| * （非完全Prompt，可自行补充） * 风格：dark-pop / cyber-grunge / rap 音乐视频，写实高时装质感，胶片杂志质感，高反差但不廉价。整体参考 90 年代末到 00 年代初独立杂志、复印纸、胶片扫描、地下音乐海报和 zine 拼贴美学。画面有粗颗粒、轻微胶片抖动、半色调网点、印刷毛边和扫描错位。剪辑节奏快，只使用硬切，不使用淡入淡出或柔和转场。 文字包装样式和质感参考图片。 | d6deeef8d6e3_denoise_ids_0_final.mp4 | |
| * 将视频1绿幕背景去除，变成类似视频2的童话感背景，背景元素需要完全匹配视频1的人物动作。修改视频1的人物光线，使之完全匹配背景。 | 34fc0be96d70_00_视频1_Mp8ybNSuBo_greenscreen_original_alice_girl_wave_10s.mp4 Ref.mov | 4fde54fdffa6_denoise_ids_0_final.mp4 |
| * （非完全Prompt，可自行补充） * 制作一段 动态海报视频，整体保持原图的画廊白框、内框、红白黑配色、3D 手办感和排版结构不变，文字出来时配上灵动文字出场的音效。 | 海螺_视频_制作一段 动态海报视_538419531719503876.mp4 | |
| * 手绘2.0 * （非完全Prompt，细节可自行补充） * 视频整体 16:9 横向视频，总时长约 10～15 秒，全 4 个镜头，每个镜头约 3 秒，用节奏明快的硬切连接。画面是“海边小集市”的实拍智能手机影像，背景包含浅色摊位、遮阳棚、贝壳饰品、冰饮摊、海风吹动的布帘、远处沙滩和淡蓝色海面，整体氛围明亮、轻快、夏日感强。拍摄者右手以正常、自然、正确的写字握笔姿势拿一支细的青蓝色笔，从画面下部进入，每个镜头只指向一个现实对象，被指到的对象整体变成粗糙手绘 2D 动画，其他背景和未指向元素全部保持实拍。 | 纯文生 | 手绘 手绘2.0.mp4 手绘2.0-2.mp4 |
1.3 动态图形、MG动画、AE特效
*官方小Tips：如果你在处理文字时遇到乱码问题，可尝试将文字以图片形式提供给 H3 作为参考图，并在提示词中明确告诉 H3——“这张内容必须按“图片”来理解，不能按“文字”来处理。” 通常能有效降低乱码情况。
| 提示词 | 输入文件 | 输出文件 | 后台链接 |
| * （非完全Prompt，细节可自行补充） * 短片的准确开场画面。完整保留电光蓝背景、左侧白色“MiniMax”、中央浅蓝章鱼Logo和右侧白色“H3”。 图片2:章鱼Logo完成线性形变后的目标波形Logo参考，也是后半段贯穿画面的核心图形。严格保持波形Logo的路径结构、弯曲数量、圆角端点和整体比例。生成一支严格15秒、16:9、4K、60fps的MiniMax H3抽象科技MG品牌短片。短片表达H3从专用任务走向通用多模态模型的设计理念：语言、图片、视频和音频不再彼此隔离，而是被同一个上下文、同一套架构和同一根连续线连接起来。整体风格高级、简洁、灵动、有艺术感。采用大面积电光蓝、深黑蓝、浅青色和少量紫色色块，搭配干净的白色粗体文字。画面具有大量负空间，避免复杂图标和信息堆叠。全片的核心运动元素是一根浅蓝色连续线，以及位于线条前端的白色发光节点。 | MG动画1.mp4 | ||
| * （非完全Prompt，细节可自行补充） * 为 AI 品牌“MiniMax H3”创作一支15秒高端平面动态图形品牌影片。【必须准确显示的文字】品牌名称：MiniMax H3 品牌 Slogan：Intelligence With Everyone 除以上两组文字外，画面中不得出现任何其他可读文字。 【核心创意】“One becomes everyone.” 智能从一个微小节点出发，通过连接、共享与共同生长，形成属于每个人的开放智能网络。 以三种基础元素建立一套原创品牌视觉系统： + 一个极小的二维实心圆点 + 字母“H”所代表的连接桥梁 + 数字“3”所代表的三层智能轨道 所有圆点、线条、轨道、字形和转场必须由这套基础元素连续演化。每次变化都具有清晰的视觉因果关系，形成统一的品牌视觉 DNA。 | MG动画2.mp4 | ||
| * 全中文文字动效 * （非完全Prompt，细节可自行补充） * 整体为完全黑色背景上的中文动态字体实验影像。画面中只允许出现白色中文文字，以及极少量深红色文字错位或强调。不得出现人物、风景、照片、插画、图标、商品、Logo、3D 物体、英文标题、固定 UI、编号、计时器、边框、网格或任何装饰性图形。这不是普通字幕视频，而是以“中文文字本身”为唯一主角的高密度动态排版短片。文字在漆黑平面上高速出现、放大、旋转、压缩、碰撞、分解、增殖、反转、重组。整体风格像平面设计师制作的中文动态字体实验影像、文字运动 showreel、音乐活动开场视觉。气质黑暗、冷静、锋利、理性、无机质，略带攻击性，但保持高级、克制、统一。 | 字体动效1.mp4 | ||
| * Touch Designer动效 * （非完全Prompt，细节可自行补充） * @视频1为唯一基础素材。严格保持原视频的人物、五官、服装、动作、场景、综合色、镜头运动、时长与帧率完全不变。只在原画面上增加TouchDesigner式动态追踪图形。 1. 所有矩形框的彩色填充透明度必须为0%。 2. 框内不得出现红色、青色或任何彩色蒙版。 3. 框内只能处理原视频相同位置的亮度、灰度、曝光和明暗关系。 4. 所有框只能是红色或者青色的完整、简单、连续的闭合矩形，四个顶点没有任何装饰或节点。 5. 不允许一个框完整包含另一个框。 | 20260811-170441.mp4 | touch design.mp4 |
AR现实增强创意视频
通过自然融合现实场景与虚拟内容，快速生成 AR 式品牌创意、巨物营销、户外视觉和社媒传播素材，让高成本的现实增强创意更高效地实现。
| 提示词 | 参考图/视频/音频 | 输出文件 |
|---|---|---|
| * 非完全提示词，可自行补充 * 使用上传的原视频作为唯一视频基础，严格按照原视频的真实镜头、真实手部动作、真实鼠标位置、真实城市十字路口、道路透视、斑马线、建筑、车辆、树木、红绿灯和自然日光来制作。不要重新生成一个新场景，而是在原视频上做 AR 实景合成与世界编辑效果。 | IMG_9503 (1).MOV | 1 (3).mp4 |
| * 非完全提示词，可自行补充 * 基于原视频1进行视频增强与特效编辑，保留原始构图、镜头角度、小猫的位置、动作节奏、电钻和电脑的位置关系。整体风格是搞笑短视频、夸张但真实感的生活场景，不要改变小猫的外形，不要替换主体，不要让小猫受伤。 | 原视频 (1).mp4 | 1 (1).mp4 |
| * AR增强现实创意 * 主角出现在画面里的白色矩形框中，双手扶住框边，先探出头和上半身，然后一只脚踩住下方的白色线条，身体下压蓄力。镜头轻微推近，随后主角借力向上弹出画面。 切到 IMG1的空间。主角落在画面中的白色立体字体上方，坐在字体顶部边缘，双腿自然垂下。短暂停顿后，主角转头看向画面右侧的背景人物，形成一次清晰的视线互动。 随后主角朝画面右上角抛出一条细白色弹力绳，借力做一次弧线摆荡动作。镜头跟随主角做快速横向移动，保持平面海报空间穿梭感。 切到 IMG2 的空间。主角顺着弧线下落，踩到画面中的播放键上方。他用脚或手轻敲播放键，触发一次简洁的按压反馈。 最后切到 IMG3.png。主角从播放键位置向画面右侧跑动，回到背景卡片中的原本位置并站定归位。全片使用快速横向跟拍、卡点闪切、轻微推拉和干净的平面空间转场。保持白色、灰色和原图设计元素，不添加血腥、打斗、武器、超级英雄标志或版权角色元素。 | * 本案例是在MiniMax Hub上，使用H3模型+Agent辅助完成（点击进入MiniMax Hub体验入口） | AR动画- Gino.mp4 |
AI 剧情内容创作
竖屏短剧、漫剧短片、角色演绎及AI 配音
| 提示词 | 参考图/视频/音频 | 输出文件 |
|---|---|---|
| * 非完全提示词，可自行补充 * 古装武侠悬疑短剧场景，16:9 横向电影画幅，夜晚竹林，冷蓝、墨绿、灰黑低饱和色调，薄雾弥漫，细雪在空气中飘落。整体氛围清冷、肃杀、克制，有江湖门派办案、秘密情报交接的紧张感。画面真实古装剧质感，浅景深，电影级光影，不要现代元素，不要字幕，不要文字，不要水印。场景：夜晚竹林深处，背景是密集竖向竹竿，远处有冷白雾光透出。前景有虚化竹叶遮挡，形成“林中窥视”的空间层次。冷白侧前方柔光照亮人物面部，背景逆光营造前暗后亮的电影感，浅景深，竹叶、雪花和背景竹林虚化成柔和散景。画面风格：古装武侠电影感，冷蓝墨绿雪夜竹林，浅景深，前景竹叶遮挡，人物面部特写为主，正反打剪辑，节奏克制但紧张。不要字幕、不要平台水印、不要现代服装、不要现代建筑、不要动画感、不要过度磨皮、不要明亮白天、不要喜剧表演。 | 海螺_视频_古装武侠悬疑短剧场景_538750239088586759.mp4 | |
| * 非完全提示词，可自行补充 * 室内家庭争吵短剧场景，竖屏短剧质感，真实真人表演，中式家庭/小饭馆室内环境，暖色灯光，背景有红色装饰和书法字幅，浅景深，情绪强烈，剪辑节奏紧凑。表演要求：真实短剧表演风格，不要夸张舞台腔。秦皓瑄的语气是愤怒、委屈、急切的反驳；中老年女性的语气是尖锐、强势、咄咄逼人的质问。两人之间有强烈对峙感，节奏逐步升级。画面风格：竖屏9:16，手机短剧质感，真人实拍感，浅景深，室内暖光，中近景为主，频繁正反打剪辑，背景保持生活化，不要科幻、不要古装、不要动画感。画面中不要出现任何字幕、文字、平台水印或贴片。 | 飞书20260729-135143.mp4 | |
| * 非完全提示词，可自行补充 * 生成一支 15 秒、9:16 竖屏海外真人吸血鬼爱情短剧预告片段。男女主外形参考图1，场景参考图2。保持男女主身份一致，真人质感，高级短剧质感。整体故事：小白花人类女主误入古堡禁区，意外唤醒沉睡的吸血鬼贵族男主。男主发现她身上带着某种与古老战争有关的气息，因此对她产生强烈的控制欲和危险兴趣。女主害怕他，却没有彻底屈服，反抗他的压迫。整体风格：海外 ReelShort / DramaBox 吸血鬼爱情短剧预告感。暗黑浪漫、危险吸引力、宿命感、强控制感、阴郁压迫、高光反转。画面高级、克制、紧凑，像爆款短剧的前 15 秒钩子。不要血腥，不要廉价恐怖，不要万圣节感，不要现代街头感。画幅：9:16 竖屏构图，适合 TikTok / ReelShort / DramaBox。人物以中近景、近景、特写为主，竖屏里要突出脸、眼神、压迫感和关系张力。 | 海螺_视频_生成一支 15 秒、_538749180689526786 (1).mp4 |
产品与电商营销
产品展示、卖点视频、品牌及投流素材
| 提示词 | 参考图/视频/音频 | 输出文件 |
|---|---|---|
| * （非完全Prompt，可自行补充） * 生成一支 竖屏 9:16 高级时尚眼镜广告片，整体参考所给视频的分镜节奏、剪辑速度、白棚质感和冷峻时尚氛围。画面是极简白棚，无缝白色背景，强烈的高定广告感，干净、简约、帅气、先锋、国际一线时装大片质感。主视觉人物参考 图片1，两位全身女模特，一个黑人女模特，一个欧美女模特，保持她们的服装高级感、身体姿态、白棚光影、时装秀场气质和整体冷峻态度。两人都佩戴未来感高级眼镜，眼镜设计参考图3，强调包覆式弧面、锐利几何猫眼/护目镜混合轮廓、镜面反射、流线型镜腿、高级时尚配饰质感。两个人物的外貌细节参考图2。 | 海螺_视频_生成一支 竖屏 9__538380586306613254 (1).mp4 | |
| 产品功能理解及视觉展示 * （非完全Prompt，可自行补充） * 高级办公室Herman Miller黑色人体工学椅360度展示。透气网背特写空气流动可视化。腰部支撑+人体工学曲线工程动画。多维度调节扶手/座椅高度演示。设计师/程序员/创意人员长时间办公场景,姿态舒展自如。久坐不累3D骨骼支撑示意图。空间美学室内陈列。结尾"灵感与舒适同时在线"字样浮现。高端简约、冷色调、专业未来感、慢节奏运镜。产品详情参考图1，产品图参考图2。 | fd5118f8f1dd_denoise_ids_0_final.mp4 | |
| 美食产品宣传 * （非完全Prompt，可自行补充） 15 秒，16:9 横屏，完整模仿高级感品牌新品发布视频的视觉语言：纯黑背景、棚拍级灯光、超慢速旋转特写、极简巨型无衬线标题、空灵电子配乐。产品是——一只完美烤制的北京烤鸭。 字体必须极简、留白充足、统一使用纤细无衬线字体；中文不能有错别字。禁止：卡通风格、杂乱背景、水印。 | 海螺_视频_15 秒，16_9 _541014619796496390.mp4 |
数字体验与游戏创意
游戏 UI、网页 UI、产品界面、交互演示、功能展示及体验动效
| 提示词 | 参考图/视频/音频 | 输出文件 |
|---|---|---|
| * 角色参考图1，UI风格参考图2。 [0 秒-2 秒] 高角度俯拍。角色坐在高饱和度的亮紫色地面上，参考为图1，抬头看向摄像机。右侧显示游戏菜单 UI：开始新游戏 (START NEW GAME)、继续游戏 (CONTINUE, 高亮显示)、设置 (SETTINGS)、退出游戏 (EXIT GAME)。左上角显示玩家资料 MINIMAX。光标点击“继续游戏”。 [2 秒-4 秒] 平滑变焦至她的右臂。UI 面板从右侧滑入，“右臂装备 (RIGHT ARM EQUIPMENT)” 面板出现。选中高亮显示 “幻影之握 (PHANTOM GRIP)”，随后滑动至 “时空之爪 (CHRONOS CLAW)”。她的右手机械地重新配置，手指分开，新的爪状指节锁定到位，青色 LED 灯闪烁得更亮。 [4 秒-7 秒] 摄像机平滑地绕到她的左侧。新的 UI 滑入 “武器定制 (ARMAMENT CUSTOMIZATION)” 网格，显示手部、前臂、肘部、上臂组件。选区快速循环切换部件。她的左臂逐段拆解：前臂板脱落，新装甲滑入，肘关节更换，手部重新配置，更换过程中可见暴露的线路和活塞。 [7 秒-8.5 秒] 摄像机拉回至中景。确认配置 (CONFIRM CONFIG) 按钮闪烁。点击。所有 UI 面板向内收缩消失。角色双腿解开，调整姿势，现在放松地坐着，单膝立起，义肢手自然抬起并完成配置后的轻微动作展示。 [8.5 秒-10 秒] 底部出现加载 (LOADING) 条。从 0% 快速填充至 100%。高饱和度的亮紫色环境开始变暗，阴影从边缘蔓延，温暖的金色光芒渗入。 [10 秒-15 秒] 当她起身时，完整的环境在她周围加载。密集的赛博朋克贫民窟显现，霓虹灯闪烁，潮湿的街道反射着光芒，人群涌动，摩托车穿梭，错综复杂的电线，堆叠的建筑向远处的未来派摩天大楼延伸。摄像机稳定在第三人称视角，位于她身后，展示她的背部。HUD 元素淡入，右上角显示小地图，左下角显示生命值和弹药计数器。任务标记出现。她迈步走进街道。 | bfb4ac033274_denoise_ids_0_final.mp4 | |
| * （非完全Prompt，可自行补充） * 一个网站页面，网站页面UI设计，网站动效，视频展示了流畅的网页向下滚动效果。一个极具爆发力与动感的产品官网风格产品落地页 UI/UX 演示视频，核心展示主体是该产品图片1。页面采用粗犷有力、倾斜的超大号无衬线字体进行张扬的排版。背景有极具速度感的动态光影、暗色碳纤维或运动透气网眼纹理在交织变换。视频展示了节奏紧凑、充满力量感的网页向下滚动效果，以及鼠标悬停时强烈的视觉放大与颜色反转等 UI 交互动作。 | ceb748012c82_denoise_ids_0_final (1).mp4 | |
| * （非完全Prompt，可自行补充） * 模拟网站UI设计，先是上面的标题向下滑动出现，然后是下面的文字栏向上划出，汽车灯由暗变红 | 1909c51fafc8_denoise_ids_0_final.mp4 | |
* （非完全Prompt，细节可自行补充） 生成一段10秒、4:3 横向构图的游戏视频，整体像一个极简可爱的 2D 手绘反应游戏界面。画面保持固定镜头，不要运镜，不要缩放，背景干净，保留温暖纸张质感和蜡笔 / 彩铅手绘线条。主角始终是同一只皮皮的小比格犬：圆润 Q 版身体、短腿、大耷拉耳、圆润长吻部、短翘尾巴、半眯慵懒又欠揍的表情。小比格身体可以像橡皮筋一样被夸张拉伸、压扁、拱起和侧闪，但身份和画风始终一致。 视频是一个“按方向键躲手掌”的快节奏小游戏操作流程。画面底部始终有一排手绘方向箭头 UI，箭头包含上、下、左、右四种方向。每个操作节拍开始时，对应方向箭头迅速变成实心高亮，并出现手绘圆圈涟漪、短促放射线、小星星或爪印反馈。顶部保留轻量手绘 HUD：左上角三个小爱心，顶部中间一条细细的手绘进度条，右上角一个小骨头图标和少量涂鸦装饰。装饰要稀疏可爱，不要遮挡主角、手掌或方向箭头。不要出现任何可读文字，不要现代电子 UI，不要真实摄影效果。 核心玩法规则： 图1，当底部“上”箭头高亮时，手掌从画面下方向上伸出，小比格必须向上拱起身体躲开，身体形成夸张半圆桥。 图2，当底部“下”箭头高亮时，手掌从画面上方向下压来，小比格必须压低身体贴地躲开，前半身扁平，后半身翘起。 图3，当底部“右”箭头高亮时，手掌从画面右侧水平伸入，小比格必须向左拉长身体躲开，耳朵甩飞，前爪抓地。 图4，当底部“左”箭头高亮时，手掌从画面左侧水平伸入，小比格必须向右滑行躲开，身体像弹簧一样压缩侧闪。 所有手掌方向、箭头高亮方向、小比格躲闪动作必须一一对应，不能错位。 | 3.mp4 | |
* （非完全Prompt，细节可自行补充） 使用 Image 1 作为精确的 UI / 布局 / 界面风格参考。 Image 1 中的鼠标光标也作为精确的鼠标样式参考：鼠标光标必须保持 Image 1 里的大小、形状、比例、半透明质感、柔和发光边缘和精致高级感。不要生成过大的系统默认鼠标，不要生成粗糙黑白箭头，不要生成多个鼠标。 使用 Images 2–5 作为精确的灵宠参考，并按以下方式映射： Image 2 = card A = MIRRA POD Image 3 = card E = LANTERN Image 4 = card F = MOSS MITE Image 5 = card C = VELI KIT 生成一个 15 秒、16:9 横版视频。 镜头完全固定，不要推拉、摇移或切镜头。 保持 Image 1 的界面结构、排版、面板、字体层级、图标、圆角、卡片网格和整体构图稳定、优雅、清晰可读。 界面气质是高级、极简、梦幻的数字灵宠图鉴。 不要新增无关文字，不要乱码，不要 UI 扭曲，不要界面漂移。 整体风格： 梦雾、柔焦、微绒、半透明、轻发光、高级极简。 四只灵宠都要非常可爱、灵动、软萌、有灵气。 动作要干净、精致、有互动感。 界面本身保持稳定，只动画化鼠标、选中态、主标题、当前主展示灵宠和少量技能特效。 | 1.mp4 |
硬件、实体工业、具身智能演示
| 提示词 | 输入文件 | 输出文件 |
| * 固定镜头，机器臂下降，抓起红色方块，向前移动一段距离后放下 | 文生视频 | Hailuo_Video_机器臂下降，抓起红色方块，向前移动一段距离后放下_539561186482315272 (1).mp4 |
| * 精准替换场景背景 * 改背景的提示词：将原视频中的桌面替换为标准办公室工位办公桌，背景整体替换为带有百叶窗与金属文件柜的办公环境。新办公桌的透视比例需与原镜头完全匹配，桌面材质需自然承接原视频的光影投射，边缘阴影与高光方向必须与原场景光源严格一致。背景百叶窗与文件柜的景深虚化程度需与原视频焦点对齐，保持原有空间纵深感。在此过程中，原视频的镜头运动轨迹、机械臂的完整运动时序与速度、画面中其他物品的相对位置与空间遮挡关系、以及整体光照氛围必须保持 100% 不变，确保替换元素与原画面无缝融合。 | Hailuo_Video_机器臂下降，抓起红色方块，向前移动一段距离后放下_539561186482315272 (1).mp4 | Hailuo_Video_将原视频中的桌面替换为标准办公室工位办公桌，背景整体替换为带_539564842892009473.mp4 |
动画与风格化影像
游戏 CG、角色 PV、动漫 PV、风格化动画、二次元视觉及 IP 内容
| 提示词 | 参考图/视频/音频 | 输出文件 |
|---|---|---|
| * （非完全Prompt，可自行补充） * 黏土动画风格。 狂奔的狐狸冲到了悬崖边缘，毫不犹豫地腾空而起，在巨大的熔岩峡谷上方完成了一个极具张力的、慢动作的英雄式飞跃。镜头在半空中从狐狸的腹部下方极速掠过（大动态运镜），完美展现出深渊的恐怖深度，以及狐狸黏土身体在空中极致舒展的动态瞬间。 | 92058e16a68c_denoise_ids_0_final.mp4 | |
| * （非完全Prompt，可自行补充） * 使用 图2作为固定人物参考，保持黑色半扎长发、银色镂空发冠、黛蓝发带、浅色层叠汉服、半透明蓝色外袍、深蓝腰封、银色花形扣饰和长流苏一致。使用 图1作为镜头分镜、节奏参考。画面为高质量 4K 16:9 国风 3D，电影级仙侠质感，热血、庄严、宿命感强。镜头依次表现分镜中的内容，确保每个分镜之间运镜、切换自然，不能像ppt一样。人物露脸只能是近景或特写，远景只能是背影、侧背或环境空镜，不要正脸远景。 | fb80932981b4_denoise_ids_0_final.mp4 | |
| * （非完全Prompt，可自行补充） * 生成一支 乙游男主角色 PV。 角色参考图： 使用图2作为严格的角色身份参考。请保持同一个角色脸、发型、体型比例、服装设计、材质细节和乙游 CG 质感一致。 | 3da4601486ec_denoise_ids_0_final.mp4 | |
| * （非完全Prompt，可自行补充） * 镜头：第一人称视角 · 眼平高度 · 手持游戏镜头 画面： 画面模拟玩家正在操作一款现代战争 FPS 游戏，双手持突击步枪在军事基地外围缓慢推进。 玩家沿着掩体旁的道路向前移动，准星扫过前方通道，短暂停顿后向远处目标点开火几发，随后继续向前压进，像普通玩家实机操作画面。 光线： 现代军事基地的冷色自然光与烟雾火光交织，画面写实清晰，金属枪械和战场尘雾有 3A 游戏质感。 运镜： 镜头随玩家移动产生轻微手持晃动，先缓慢前进，再小幅左右观察，开火时有轻微后坐力抖动，最后继续稳定向前推进。 | 飞书20260729-181004.mp4 | |
| 人机互动游戏 * （非完全Prompt，可自行补充） * 使用第一张图作为首帧，第二张图作为严格尾帧，生成一段乙游视觉小说界面转场视频。 整体感觉：高端中文乙游恋爱互动界面，演出前后台的暧昧瞬间，从“选择来看他的演出”自然过渡到“韩序被女主的话吸引，露出饶有兴趣的反应”。UI 文字、选项、对话框都以乙游式精致方式出现，转场丝滑，情绪暧昧但克制。 | bfae4aab6e47_denoise_ids_0_final.mp4 | |
| 情景式演绎 * （非完全Prompt，可自行补充） * 主角是图1，电影级、写实画风，实拍现实画风。 正面近景拍摄视角，画面只聚焦于男主与女主的上半身。女主面部视频中基本不露出，她身穿露腰露背的红色连衣裙，只偶尔出现肩颈、手臂、腰线、裙摆和手部细节；男主身穿剪裁极佳的黑色高级定制衬衣。场景是在图2暧昧氛围的红黑色调室内，整体光线昏暗、低饱和、奢华、克制，后景微微虚化，红丝绒沙发、黑金大理石边几、暖色低光源共同营造成熟暧昧的约会氛围。 画面发生在图2的红丝绒沙发前。男主坐在红丝绒沙发上，姿态慵懒而从容，身体微微后靠，衣料质感高级、细腻。沙发旁是一张奢华的黑金大理石边几，上面放着一个精美的水晶玻璃杯，杯内盛着琥珀色威士忌和几块正在慢慢融化的冰块，杯身隐约可见细腻水珠。画面中能听到冰块轻轻碰撞玻璃杯的声音、雪茄燃烧的细微声、室内轻微空气流动声、衣料摩擦声与克制的呼吸声。 | 3f09c05ee348_denoise_ids_0_final.mp4 | |
| 二次元风格 * （非完全Prompt，可自行补充） * 纯二维赛璐璐 × 抽象MG，动态平面海报感。整体为黄色高反差视觉系统，以金黄、琥珀黄、柠檬黄、黑白为主，少量金属灰辅助；红色仅限反派沙发、酒液、危险信号。城市完全平面化，使用线稿管道、网格、矩形块、切片、刻度、符号化建筑拼合，不出现立体3D、不做电影透视。允许倾斜、翻转、压缩、变形、反相、剪影、斜向遮罩、图形匹配转场，全程像一张持续运动的平面海报。 | 海螺_视频_风格设定： 纯二维赛_540976941206548484.mp4 |
1.10 出海多语种场景
支持多语言提示词输入与输出
TTS （文本转语音）精准覆盖 11 种语言，包括中文、英语、日语、韩语、法语、德语、西班牙语等
更多语言可衍生探索，如阿拉伯语、泰语、印尼语、印地语等40多种语言
适合海外品牌传播、多语种广告、跨语言短片和本地化产品介绍等场景
| 语种示范 | Prompt | 生成结果 |
|---|---|---|
| 阿拉伯语 | 0–4 秒 女店主中近景，她双手温柔地捧着那个椭圆形深色雪松木小圆盒，铜色雕花盒盖已经掀开一半。她低头看了一眼盒内的琥珀色熏香块，然后抬起头看向画面右侧的顾客方向，露出温暖专业的微笑，用自然、低沉柔和的沙特阿拉伯口音说： "هذا بخور مصنوع يدويًا من عود وورد الطايف." （这是手工制作的熏香，用沉香木和塔伊夫玫瑰制成。） 4-9 秒 硬切到女性顾客中近景，她好奇地微微前倾，接过木盒双手托着，低头凑近木盒轻轻嗅了一下，闭上眼睛陶醉一秒。镜头切回女店主中近景，店主一边用手比划“一小块”的手势，一边用自然的沙特阿拉伯口音说： "قطعة صغيرة منه تكفي البيت كله لأسبوع كامل." （只要其中一小块，就够整个家用整整一周。） 9-12 秒 硬切回双人中景，与首帧参考图保持相同构图。顾客把木盒重新递回给店主，两人相视一笑。店主自然地把木盒放回桌面正中央，微微抬头看向镜头，用温暖坚定的语气说： "أود لاب، مصنوع بحب في دبي." （OUD LAB，用爱在迪拜制作。） | 阿拉伯语沙特方言.mp4 |
| 意大利语1 | 0-5 秒：老友 A 中近景。老友 A 坐在藤编圆椅上一手轻轻扶着大理石桌沿另一只手食指指向桌面中央那把 MOKA CAPRESE 摩卡壶，头微微前倾看向对面的老友 B 脸上带着"我跟你说这个真的绝"的表情用带 Napoli 口音、语气热烈的意大利语说："Guagliò, ma tu l'hai vista chesta? MOKA CAPRESE, mio cognato me l'ha regalata."（老兄，你看到这个了吗？MOKA CAPRESE，我小舅子送我的。） 5-10 秒：硬切到老友 B 中近景。老友 B 一手端着面前的白色 espresso 小杯（不入口只是稳稳端在胸前）另一只手手掌自然张开抬到肩膀高度做一个典型意大利南方"我早就知道啊"的大手势，脸上带着挑眉的得意表情用带 Napoli 口音、慢下来夸张的意大利语说："E che vuoi che te dico, neh? Chella è la moka vera, tutt'o riesto è fatica sprecata."（我还能跟你说啥呢？那才是真正的摩卡壶，别的都白费劲。） 10-15 秒：硬切回双人对坐桌前中景。老友 A 一手依然扶着桌沿另一只手朝桌面 MOKA CAPRESE 摩卡壶方向抬了一下微微耸了耸肩，老友 B 端着 espresso 杯轻轻放回桌面碟子里发出一声瓷器轻响，两人对视一下都笑了。老友 A 用带 Napoli 口音、语气松弛得意的意大利语说："E allora domenica prossima a casa mia, te la faccio provare. Madonna mia, che roba."（那下周日来我家，我做给你尝尝。我的天，这玩意真绝。）画面自然定格，BGM 收束。 | 意大利语3.mp4 |
| 意大利语2 | 0-5 秒 奶奶中近景（他拍视角，镜头正对她的胸部以上）。她拿着黄铜色 GIARDINETTO 园艺剪的手从胸前的藤编收获篮里捏起一颗红透的圆润小番茄举到镜头前晃了晃。她眉毛挑得老高对镜头夸张地做了个意大利式经典的手指并拢往上一点的招牌手势用带真实罗马老城口音、语速快带戏剧感的意大利语说："Guarda che meraviglia! Questo pomodoro, tesoro mio, l'ho fatto crescere io stessa."（你看这个多美！这颗番茄，我的宝贝，是我自己种大的。）口型精确同步。 5-11 秒 镜头缓慢横向平移到阳台右侧扫过那几盆番茄藤蔓（画面能看到长势旺盛的整排番茄植物、翠绿罗勒叶、几串刚成熟的红彤彤圆番茄）约 1.5 秒然后镜头缓慢平移回奶奶脸上。奶奶举起手中的黄铜色 GIARDINETTO 园艺剪张开合拢咔哒了两下（能听到清脆的金属剪刀声），一边挥了挥剪刀一边用罗马老城口音的意大利语说："Con queste forbici, tutto un altro pianeta. Guarda che ottone, guarda che manico."（用这把剪刀，完全是另一个世界。你看这个黄铜，你看这个手柄。）口型精确同步。 11-15 秒 奶奶把 GIARDINETTO 园艺剪举到镜头前特写让镜头看清品牌 logo，然后凑近镜头（镜头微微前推）压低声音带着罗马奶奶特有的宠溺神情用意大利语说："Le compri online, tesoro. Nonna te lo dice: ne vale la pena."（网上买的，宝贝。奶奶告诉你：值这个钱。） | 意大利语2.mp4 |
| 西班牙语 | 0—4秒：女子迅速把手从嘴前移到下巴附近，确保嘴唇清楚可见。她身体微微前倾，神情是真诚的惊慌和内疚，绝不微笑，也不夸张表演。她用自然的西班牙本土口音说道：“¡Ay, Dios mío! Perdona, perdona… ¿Se ha roto?” “¡Ay, Dios mío!”短促而吃惊；“Perdona, perdona”语速稍快，带有真诚、急切的歉意；“¿Se ha roto?”音量稍低，担心地询问。整个句子像事故发生后的本能反应，不要朗诵腔或轻佻、撒娇的语气。男子在她说完前保持安静，只低头检查水瓶。 4—4.5秒：短暂停顿。男子确认水瓶没有损坏，抬头看向女子。 4.5—8秒：镜头自然切到男子中近景。男子举起完好无损的水瓶，露出轻松、友善的笑容，用平静而带一点幽默的西班牙本土口音朝着她说：“Qué va, tranquila. Este cacharro es indestructible, mira.” 语气是在安慰她，不是炫耀，也不是嘲笑。女子保持安静，不做说话口型。 8—12秒：回到双人中景。男子把水瓶展示给女子看，女子确认没有损坏后松一口气，表情从担心自然转为释然。画面下方简洁出现：“AGUA MAX · Indestructible”。只有自然公园环境声、瓶子落地声和两人的对白，无旁白、无额外台词、无对白字幕。 | 西班牙语.mp4 |
| 日语 | 0-4 秒 同事 A 中近景（画面右侧虚化能看到同事 B 的深墨绿开衫肩膀）。她一手从便利店透明塑料购物袋里刚拿出一小罐 HOKU 焦糖布丁举到胸前对着身旁的同事 B 晃了晃，眼睛微微弯起用带东京口音、清亮温和的日语说："あ、これ知ってる？ローソンの新作、めっちゃおいしいよ。"（啊，你知道这个吗？Lawson 新出的，超好吃哦。）口型精确同步。 4-8 秒 硬切到同事 B 中近景（画面左侧虚化能看到同事 A 手里的布丁罐）。同事 B 好奇地凑近看了一眼罐身然后抬头看向同事 A 方向，脸上一副"哦真的吗"的表情用带东京口音、温和的日语说："へえ、知らなかった。プリン？お高いんじゃないの？"（诶，我不知道呢。是布丁吗？不是挺贵的吗？）口型精确同步。 8-12 秒 硬切回双人中景（首帧构图）。同事 A 一手把布丁小罐又晃了一下另一只手指了指便利店的门方向，笑着用日语说："三百円くらい。がんばった自分にごほうび、ってやつ。"（三百日元左右。就是那种"辛苦一天奖励自己"的感觉。）同事 B 听完笑了一下点点头 | 日语1.mp4 |
| 日语 | 0-5 秒：室友 A 中近景。室友 A 盘腿坐在沙发左半边膝盖上摊着一个刚拆开的浅棕色快递纸盒，双手轻轻捧起一个刚从盒里拿出来的 FUKA 白色石膏六边形扩香器举到自己胸前，头侧过去看向沙发另一头的室友 B 脸上带着又期待又有点心虚的表情用东京 20 代女生日常口语说："てかさ、これ届いた。最近まじで眠れなくてさ、これいいらしいよ。"（诶跟你说，这个到货了。最近真的睡不着，说这个特别好。） 5-10 秒：硬切到室友 B 中近景。室友 B 侧躺瘫在沙发扶手上一手握着 iPhone 屏幕对着自己另一只手抱着米色抱枕，抬起头看了一眼，嘴角微微上扬用东京 20 代女生慵懒吐槽的日常口语说："え、それ先週も届いてなかった？あんた同じの二個持ってんじゃん。"（诶，那个上周不是也到过吗？你不是同款两个了嘛。） 10-15 秒：硬切回双人沙发中景。室友 A 一手依然捧着白色石膏扩香器另一只手把扩香器的木塞那头轻轻举到自己鼻子下方闻了一下没真的靠上去，闻完把扩香器放到大腿上的快递纸盒旁边，嘴角上扬带着"被抓包了嘿嘿"的表情看向室友 B 说："だってさ、香り違うんだって。ってゆうか、うちの子にもいいらしいよ。"（嗯——好闻。因为香味不一样嘛。而且啊，说对咱家猫也好。）室友 B 终于把手机放到抱枕上抬头看了一眼，笑了一下没说话，画面自然定格，BGM 收束。 | 日语3.mp4 |
| 印尼语 | 0-5 秒 小女孩中近景（画面左侧虚化能看到妈妈整理裙摆的手和半蹲的身影）。小女孩双手撑起裙摆两侧微微转了半圈让妈妈看清楚，然后抬头看向妈妈眼睛闪闪发光带着期待用带雅加达口音、清亮活力的小孩印尼语说："Mama, cantik nggak? Aku suka banget yang ini!"（妈妈，好看吗？我超喜欢这件！）口型精确同步。 5-10 秒 硬切到妈妈中近景（画面右侧虚化能看到小女儿转身的白裙摆一角）。妈妈温柔地伸手整理了一下女儿肩膀上的连衣裙布料，然后抬起头看向女儿方向，脸上带着满意欣赏的温柔微笑用带雅加达受教育中产妈妈口音、柔和温暖的印尼语说："Cantik sekali, sayang. Bahannya adem, cocok buat sekolah."（好看极了，宝贝。面料很凉爽，适合上学穿。）口型精确同步。 10-15 秒 硬切回双人试衣镜中景（首帧构图）。妈妈站起身来一手轻轻握住女儿的小手另一只手指了指画面深处衣架方向，笑着对女儿用印尼语说："Kita ambil satu lagi warna biru ya? Buat hari Minggu."（我们再拿一件蓝色的好不好？周日穿。）小女孩使劲点头露出灿烂的笑容用小小的手扶着裙摆自己转了一圈。画面自然定格，BGM 收束。 | 印尼语2.mp4 |
| 韩语 | 0-3.5 秒 闺蜜 A 中近景（画面右侧虚化能看到闺蜜 B 举着冰美式咖啡）。她双手捧着奶白色 LUMI POP 拍立得相机举到面前对着闺蜜 B 方向，用食指"咔嚓"按下快门（画面闪一下白色补光模拟拍立得闪光灯），相机前端立刻缓缓吐出一张白色空白相纸。她一边接住相纸一边转头看向镜头方向，用带撒娇尾音、活力清亮的韩语说："야, 이거 진짜 미쳤어. 요즘 카페 갈 때마다 필수템."（喂，这个真的疯了。最近每次去咖啡店都是必备神器。）口型精确同步。 3.5-7 秒 硬切到闺蜜 B 中近景（画面左侧虚化能看到闺蜜 A 手中的相纸）。闺蜜 B 好奇地凑过来伸手接过闺蜜 A 递来的那张刚拍好的拍立得相纸，她低头看了两秒之后眼睛闪闪发光抬头用韩语说："헐 대박, 색감 미쳤네. 나도 하나 살래."（诶绝了，色调太绝了。我也要买一个。）口型精确同步。 7-10 秒 硬切回双人中景（首帧构图）。闺蜜 A 得意地笑着把 LUMI POP 相机的深棕色皮质相机带套到自己脖子上，另一只手拿起冰美式喝了一口，微微歪头对闺蜜 B 用韩语说："구만 원. 필름 값이 좀 있긴 한데 그만한 값어치 해."（九万韩币。相纸有点贵但值这个价。）说完两人相视一笑同时端起冰美式碰杯。画面自然定格，BGM 收束配一声轻快的冰块碰撞声。 | 韩语2.mp4 |
原生多模态理解与生成
💫
H3 支持文字、图片、音频、视频等多种输入，将所有素材视作统一上下文，理解信息、声音、情绪、画面与表达意图之间的关系，进而实现从内容理解到视听融合的一体化创作。
- 多素材联合参考： 文字、图片、音频与视频自由组合，共同参与内容生成
- 角色、动作与镜头参考： 参考主角形象、人物动作、镜头运动与画面构图
- **音色迁移与克隆：**参考音频音色，丝滑更新角色声音
- 氛围与剪辑理解： 参考原视频的视觉风格、叙事节奏、声音氛围与整体剪辑感
🌍
语言支持与本地化表达
- 支持多语言提示词输入与输出
- TTS （文本转语音）精准覆盖 11 种语言，包括中文、英语、日语、韩语、法语、德语、西班牙语等
- 更多语言可衍生探索，如阿拉伯语、泰语、印尼语、印地语等40多种语言
- 适合海外品牌传播、多语种广告、跨语言短片和本地化产品介绍等场景
多素材联合参考
文字、图片、音频与视频自由组合，共同参与内容生成
| 提示词 | 输入文件 | 输出文件 |
| * 参考剪辑 * 图1图2图3图4图5图6，严格参考示例视频视频1的镜头节奏、转场风格及音乐。 | 图1-6 视频1: 439bdcb9c163_02_视频1_J8LYbmp0yo_6月5日_(4)(2).mp4 | 多模态参考新1.mp4 |
| * 保持视频1中的建筑、行人和整体环境为真实世界风格不变。仅将视频1画面中的树木、轿车转化为 3D 像素或体素积木风格 (Minecraft style)，风格参考图1。像素化物体的运动轨迹需正常，且保留真实环境的阴影和透射光。整体效果参考视频2。 | 图1 视频1 视频2 替换1.1.mp4 替换1.mp4 | 替换背景与特效1.mp4 |
| * @图片1 镜头先快速推进到咖啡表面的奶泡、可可粉颗粒和深色咖啡液体纹理细节，让咖啡表面的颗粒、泡沫和液体涟漪逐渐覆盖全屏，遮挡住其他东西。镜头保持真实微距质感，极浅景深，细小粉末在逆光中缓慢飘落，表面纹理像细沙与流体之间的过渡。避免画面开裂，在咖啡粉颗粒、奶泡起伏、液体旋涡与@图片2 中沙丘沙脊、风蚀纹理、扬沙颗粒高度相似的瞬间，自然无痕转化为沙漠地貌，然后镜头继续向前推进，展示出@图片2 的沙丘全貌。严格避免画面开裂，不要黑屏，不要硬切，不要明显特效，不要拼接感，整体真实、安静、克制，像同一种颗粒材质从咖啡微观表面自然变成宏观沙漠世界。一镜到底，中间不要出现拼接。 | 图1 图2 | 全能参考新3.mp4 |
角色、动作与镜头参考
| 提示词 | 输入文件 | 输出文件 | |
|---|---|---|---|
| * 角色动作融合参考 * 图1的人物动作、表情与表演节奏严格参考输入视频1 男生站在画面中右侧的水槽前把洗好的盘子递给画面左侧的女生，随后转身突然用右手向画面左侧边缘的女生甩出洗洁精泡沫。女生受到惊吓后立刻反击，两人开始开心地互相向对方泼洒泡沫并闪躲，伴随着大笑 | 图1: 视频1: ref1.mov | 角色替换+动作参考.mp4 真人感强，泡沫/场景提升真实度和细节， 两人互动生动 | |
| * 动作参考 * 人物参考视频1的动作，表演街舞，人物参考图1 图2 | 图1图2: 视频1: d9060f5cb9ab_02_视频1_HDvmbpQrEo_街舞3.mp4 | 角色替换+动作参考2.mp4 | |
| * 运镜参考 * 提示词：参考视频1的希区柯克镜头运动，让视频2中的人物唱歌，歌声和唱歌表演参考视频3 | 视频1 视频3 442949d9395a_00_视频1_F22DbwP3ao_6月5日_(2).mp4 ae8eaa82fd3b_01_视频3_EAFDbuLh9o_6月5日_(4).mp4 视频2 8479f915bc36_02_视频2_P9hBbo99Qo_6月5日_(4)(1).mp4 | 60ba42e4d7b2_denoise_ids_0_final.mp4 | https://arena-test.xaminim.com/?case\_id=2337 |
| * 动作参考，DIY表情包 * 参考视频1进行动作模仿。固定机位全景镜头，正视频中三个穿西装的男人替换为三只高度写实的水豚。水豚必须严格遵循原视频的运动轨迹：依次迅速趴到地板上，然后最左边的水豚跳到中间位置，中间位置的水豚翻滚到最左边，接着中间的水豚翻滚到最右边，最右边的水豚跳跃到中间，最后中间水豚跳跃到另外两只背上，堆叠成金字塔形状。保持原有的固定机位不变。确保水豚的毛发质感和光影与环境融合 | 视频1 8b09f404c905_01_视频1_Awwvb8zRjo_6月8日.mp4 | 33a073d2c132_denoise_ids_0_final.mp4 |
音色克隆与迁移
| 提示词 | 输入文件 | 输出文件 |
|---|---|---|
| * 角色说话：Follow the wind, live free.Leave worries behind, enjoy the moment，音色参考音频1 | f463d523c5ce_01_音频1_RSLcbpzJPo_6月5日(1).mp3 297573323635_00_视频1_YnyRbxEwio_video_20260525_163755_1927e9d3.mp4 | 音色克隆1.mp4 |
全能精准编辑与修改
💫
H3支持多种维度的编辑与修改。角色替换、动作参考、背景替换、背景特效、台词替换与氛围感理解，并支持高精度的指令遵循能力。
通过精细化的控制，能更准确地落实创作者对画面、声音和节奏的修改需求，让内容调整更稳定、更可控。
- 角色与物体编辑： 替换、删除或增加人物与物体，灵活调整画面主体
- 场景与视觉效果编辑： 替换背景、调整光影氛围，并增加或修改视觉特效
- 声音、台词与音色修改： 替换台词、迁移音色、调整人声及相关声音内容
- 高精度指令控制： 准确执行局部修改与细化要求，同时保持未编辑内容相对稳定
角色与物体编辑
| 提示词Prompt | 输入文件 | 输出文件 |
|---|---|---|
| * 把视频中的猫换成狗 | 15f67a0aaaad_00_参考视频_Oa48bdWz8o_Hailuo_Video_视频缓缓环绕，男子慢慢靠近猫，轻吻猫_516340189738905608.mp4 | 角色替换3.mp4 |
| * 画面左边增加一个穿着相同团队制服的人，动作与旁人保持一致 | 8f07c028de9f_00_参考视频_U5dKbIbRNo_Hailuo_Video_两个人缓缓往前走，有点失重的感觉_516342590747250698.mp4 | 人物增加1.mp4 |
| 精准换人物与细节 * 视频1中最后面的小孩换成 图1中的金毛狗， 视频1中最左边小孩穿的卡其色外套改成图2中的牛仔外套 | 图1+2: 参考视频： 5a9f2654e5b7_02_视频1_Gs8EbpIi5o_video_20260526_115007_19d46168_(2).mp4 | 角色替换1.mp4 |
场景与视觉效果编辑
| 提示词Prompt | 输入文件 | 输出文件 |
|---|---|---|
| * 将视频1绿幕背景去除，变成类似视频2的童话感背景，背景元素需要完全匹配视频1的人物动作。修改视频1的人物光线，使之完全匹配背景。 | 视频1: 34fc0be96d70_00_视频1_Mp8ybNSuBo_greenscreen_original_alice_girl_wave_10s.mp4 视频2: Ref.mov | 背景替换2.mp4 |
| * 替换光影 * 参考视频，改变光照，改成夜晚 | dec8d155c7f3_00_参考视频_HoePbE6pUo_video_20260525_151209_5e2b76f2 (1).mp4 | 全能编辑-光影1.mp4 |
| * 实拍景色替换 视频1窗外的场景改成图1 | 图1 视频1 272821588752_01_视频1_RKDCbrFoZo_6月5日_(1).mp4 | 替换背景（实拍）1.mp4 |
声音、台词与音色修改
| 提示词Prompt | 输入文件 | 输出文件 |
|---|---|---|
| * 将视频1女生说的话：“我们之间不可能在一起的，不是不爱，是我们真的走不到最后的”。改成音频1的台词：“别走了，好吗？这一次，我们不要放开彼此”，并略微调整对应的表演 | 音频1: e55d97d3d71e_01_FJnvbiLRao_pleading-reconciliation.mp3 视频1: aa101c18a06d_00_RHVTb5TOWo__E9_9B_A8_E5_A4_9C_E7_A6_BB_E5_88_AB.mp4 | 音频替换1.mp4 |
高精度的指令遵循
| 提示词Prompt | 输入文件 | 输出文件 |
|---|---|---|
| * 将参考视频中的报纸替换为一本绿色封皮的书；人物所坐的椅子改为红色沙发；去掉人物佩戴的墨镜，保留清晰面部；移除汽车燃烧效果，使车辆保持正常状态；人物从怀里拿出的照片改为一个黑色小本子；同时在画面左侧增加一棵树 | 视频1: 2650515f2106_00_参考视频_VVu2bKK9Ko_video_20260529_192640_b02c3d2c.mp4 | ec38ec963dff_denoise_ids_0_final.mp4 |
| * 参考视频，将视频开头出现的易拉罐饮料替换为可口可乐；背景中原本发光的“全家”便利店招牌修改为“互惠”招牌；视频结尾塑料袋中的所有零食也统一替换为可口可乐易拉罐，最后结尾人物的台词从“买了一些小零食”变成了“买了一堆可乐” | 视频1: d3ffa21f26fa_00_参考视频_JsoJbGI9Vo_seedance2-1780052267763.mp4 | 高精度指令2.mp4 |
| * 两位魔术师站在舞台上面向观众表演"互换"魔术： 两人同时挥动魔杖，一阵烟雾升起。烟雾散去后，两人的西装颜色互换——左边的人穿白色西装，右边的人现在穿黑色西装，但两人手套颜色不变。 两人鞠躬致谢，身后的红色幕布拉上，从深红色渐变为深蓝色 | 精准参考魔术师.mp4 | |
| * 创意理解+文字特效 * 在视频1中两个人周围加上图片1 这种橙黄色的手绘涂鸦，随着视频1中两人靠近，手绘涂鸦越来越多，从小的火花变成很明亮的光芒，在视频1中两个人亲吻时，手绘涂鸦出现粉红色的笔触 | 图片1 视频1 4d5f71faace4_00_视频1_X2UOb44HPo_100794-video-720.mp4 | 多维度参考3.mp4 |
四、如何更好地使用 H3
*开源用户Prompt指南：
撰写提示词的友好建议：
掌握提示词撰写技巧，在 MiniMax H3 生成你想要的视频。
整体公式
完整提示词 = 参考素材说明 + 核心创意 + 画面过程说明
四个要素如何描述
| 参考素材说明 | 告诉 H3 你上传的每个素材是干什么用的。 * 写清素材编号：按你上传的顺序，比如@图片1，@音频2，@视频3 * 写清每个素材的用途：人物参考（锁定脸/形象）/物体参考（锁定物体） / 场景参考（锁定场景）/关键帧（锁定帧，如果有首帧尾帧需求明确提出） / 音色参考（锁定音色）/故事版（根据故事版分镜生成镜头内容）/风格参考（根据图片的风格，生成类似的风格内容）/构图参考（根据图片中物体构图，生成对应的构图）/音频复用（生成视频的音频直接复用参考音频素材）/音频部分复用（生成视频某个声音轨道/某个时间段部分复用参考音频素材） / 动作参考（锁定动作）/运镜参考（锁定运镜）/视频编辑（对视频某个内容进行增删改），以及其他要求也可按需写明。 * 没有上传素材时整段跳过 示例： @图片1 提供了xx角色的形象（如果有多个角色，需要能指代清楚），@视频2提供了动作参考。 如果素材中有非常想要保持的特征，建议明确写出来，这样可以让一致性更好。 在音频复刻/部分复刻中，如果对于人声对白内容/唱歌歌词内容的保持有较高的要求，强烈建议补充具体歌词文本内容。 比如@音频1 作为目标视频的音频复刻素材，具体歌词是：“ABCDEFGHIJKLMN”。 |
| 核心创意 | 用一句话锁定全片信息，必须包含： * 主体：谁/什么（人/物/动物/其他） * 地点：在哪里 * 事件：在做什么 * 题材/风格：什么调性（写实/动画/电影感/广告片/纪录片……） + 特殊风格列举： - 赛博朋克/霓虹灯美学/涂鸦风 等 * 特殊运镜：要不要特殊镜头（航拍/一镜到底/慢动作……） + 默认会切镜 + 运镜风格 写清即可；注意环绕运镜，建议用truck left+pan right 或者 truck right+pan left，而非直接说环绕运镜 + 切镜风格 - 普通切镜（cut） - 叠化切镜（fade） - 随着节奏卡点切镜 - 快切 * 如果任何元素有直接和引用素材的关联，都欢迎用户用@图片1/@音频1/@视频1等等方式强调下。 示例： 一位穿汉服的年轻女子（@图片1）在樱花纷飞的庭院里舞剑，古典国风，电影质感，一镜到底。 |
| 画面过程说明 | 按时间轴或故事线分段写，每个分镜/时间段包含两部分： * 想要（画面里要出现什么）：画面景别+内容 + 运镜 + 动作 + 台词 + 音效 + 以切镜shot作为时间戳的分段。每个shot内部写好景别，具体内容，shot内部运镜，人物台词，音效等这个shot内的内容 - 注意台词的长短尽量和镜头长短对齐 （这个得强调下，很多口型问题会来自于这个） - 如果一句台词跨shot，可以用接着上个shot继续说这样的描述表明是跨shot的台词对白 + 如果任何元素有直接和引用素材的关联，可用@图片1，@音频1 等等方式强调下。 + 如果你希望视频中出现具体文字、Logo、标题、标语、按钮文案等，一定要把文字原文写出来。 例如： 画面中出现英文 ：“H3”。 或者： 手机屏幕上显示标题：“AI Video Creation”，按钮文字为：“Start Now”。 * 不想要（视频里不要出现什么） + 不想要背景音乐时，需明确写明，比如 - 不希望视频里出现背景音乐，建议在提示词最后明确写： 非叙事性音乐：N/A 或者使用英文格式： "non_diegetic_music": N/A 不要额外添加背景音乐。 * 尽量少写比喻句，多写看得见的画面 写 H3 提示词时，建议尽量使用具体、直接、可视化的描述，少写需要“意会”的句子。 因为 H3 更擅长理解明确的画面指令，而不是抽象比喻。 * 如有台词，必须明确具体内容，比如 一位穿汉服的年轻女子说：“你来了，剑等你好久了。” 示例（需要再调整下例子）： 0-3 秒：全景，女子（@图片1）从画面左侧缓步走入樱花庭院（@图片2），背景虚化，没有对白，只有脚步声。 3-8 秒：切镜到女子（@图片1）的中景，她拔出长剑（@图片3），缓缓起势，樱花瓣从树上飘落。镜头推进。 8-12 秒：切镜到特写，剑光一闪，慢动作，樱花被剑气激得四散。 非叙事性音乐：N/A |
镜头怎么拆
H3 有基础的分镜能力，以及 H3 对于切镜点遵从较强，如果你想要更好的生成，以下有一些建议：
- 台词：台词的长短和画面变化内容需要合乎每个shot的长短逻辑，尽量不要出现一个3s shot说很大一段话的情况，会非常影响效果
- H3 能够响应跨shot （J-cut，L-cut）的台词响应，只要明确写出一句台词跨了哪些shot就可以响应！
- 对于一个shot而言如果是画面内说话人角色，需写清楚是哪个角色说的，如果是画面外说话人，写清楚是画外说话人。如果发生了画内外因为切镜造成的转化的情况可以明确写出来，比如
一个比较复杂的例子：
一个画外音响起说：Wake up Wake up。之后切镜到一个中年妇女的近景，她是画外音的主人，她继续说道：It‘s time to go to school !
- 切镜一致性保持：
- 切镜的时候可明确写出切镜到什么景别，具体主体是之前的哪个角色，有助于跨镜头一致性的保持
三类模式生视频，提示词分别怎么写
| 上传多模态素材融合 （多模态参考） | 你可以同时上传：人物图 + 动作视频 + 场景图 + 音乐。每个素材都要写清它的角色： * @图片1 → 人物参考（锁脸） * @视频1 → 动作参考（锁动作） * @音频1 → 节奏/情绪参考 示例： @图片1 是人物参考（锁这位女子的脸），@视频1 是动作参考（用里面的舞剑动作），@音频1 是情绪参考（古风配乐）。让这位女子在樱花庭院里按视频里的动作舞剑。 |
| 上传图片生成视频 （图生视频） | * 只上传 1 张图：说清楚是首帧（视频开头画面）还是尾帧（视频结尾画面） * 上传 2 张图（首+尾帧）：H3 不会自动加切镜，只补两帧之间的动作、光影、声音 示例： @图片1 是首帧参考图：女子持剑站在樱花树下。让她从持剑起势到舞剑完毕，自然衔接，不要切镜。 |
| 纯文字生成视频 | 不依赖任何参考素材，直接根据你的文字提示词建立主体、场景、动作。 这种模式： * 文字描述要更具体（主体外观、场景细节、动作描述都要写清） * 多用「大全景交代空间 + 中景承载动作 + 特写强调细节」的分层写法 示例： 写实自然纪录片风格，电影级真实光影。清晨的薄雾中，在广阔的湿地芦苇荡里，一只优雅的白鹤单腿站立在浅水中，缓慢转头看向镜头。柔和的逆光，雾气在光束里飘动。 |
容易踩的坑
| 常见问题 | 怎么改 |
|---|---|
| 只写一段话没分段 | 按 3 段公式拆开写 |
| 素材上传了但没说用途 | 补一句「@图片1 是 XX 参考」 |
| 想用音乐但说「不要 BGM」 | 这两个矛盾，要么删一个，要么分场景写 |
| 想一镜到底但写了很多分镜 | 全文保持一段情节描述，删掉【镜头 N】结构 |
| 想要主角脸一致但没传图 | 一定要上传人物参考图，并标注「人物参考」 |
| 提示词太短（H3 没素材可参考时） | 至少写出主体外观 + 场景细节 + 动作 + 风格 |
特定风格 · 提示词示意
| 场景风格 | 完整提示词 | 参考 | 成片 |
| 大字幕 MV | 【参考素材说明】@图片3：场景视觉风格（街道/夜间/地下空间、压迫感构图、环境层次、影像颗粒）@图片2：文字包装样式（字体质感、图形设计、动态图形排版冲击力）@图片1：人物形象（脸、发型、服装轮廓、比例、气质、整体氛围）只参考指定维度，不直接复制参考图，不出现真实品牌、原参考图 logo/标题/可识别文字。 【核心创意】10秒，16:9 横版 trap MV。两位 fly detective 兄弟搭挡在多个近景地下空间轮流对镜头 rap，全程跟随 trap 鼓点律动、卡点硬切，高反差印刷海报质感的英文块字随 bass hit 压屏出现。地下音乐录像带 + 时尚杂志拼贴 + 高时装质感，兄弟搭档式冷峻 performance。 【画面过程描述】Shot 1 — 面部极近特写 / 通道压迫感- 场景：狭窄通道或地下入口近景，参考 @图片3- 景别：面部极近特写（脸/眼神/肩颈/衣领局部）- 人物：Detective A 直视镜头开始 rap，眼神冷静锐利- 文字："TWO FLY" 巨大粗体英文压入画面上下，不遮挡眼睛- 律动：808 bass 砸下，"TWO FLY" 瞬间纵向压缩后回弹；hi-hat roll 时字母边缘高速细碎震动；"fly" 重音处扫描错位- 硬切Shot 2 — 中近景半身 / 墙面文字背景- 场景：另一处墙面/海报墙近景（和 Shot 1 空间明显不同）- 景别：明显拉到中近景半身- 人物：Detective B 对镜头 rap，肩膀和头部跟 hi-hat 点拍，身体轻微前倾- 文字："CLUES" 巨大压缩英文在人物身后，被头发/肩膀/服装轮廓自然遮挡- 律动：文字纵向拉伸如海报立起；每个 snare 时文字突然放大、抖动、扫描错位- 硬切Shot 3 — 手部特写 / 遮挡切换- 场景：金属门边/栏杆/车库墙面/低矮天花局部- 景别：手部近景（手/戒指/袖口/衣服材质为主体）- 人物：Detective A 手势向镜头推进（递线索），脸在后方虚化或局部- 文字：竖排 "BROTHERS" 在前景一侧，被手部短暂遮挡- 律动："move as one" 时文字被拉成一条长竖条，跟 bass hit 硬切重组- 硬切Shot 4 — 肩颈特写到面部特写 / 楼梯转角- 场景：楼梯转角/门口阴影/低矮通道- 景别：肩颈和衣领材质特写 → snare 时突然短促推近到面部特写- 人物：Detective B 侧头靠近镜头继续 rap- 文字："AS ONE" 像杂志标题被声音冲出来，在鼓点上突然放大- 律动：推近时文字位置硬切重排，始终不遮挡眼睛- 硬切Shot 5 — 半身近景残影 / 车库或混凝土背景- 场景：车库感空间或混凝土背景- 景别：Detective A 半身近景- 人物：主图层嘴型清楚同步，副图层动感残影（复印机错位/帧延迟，脸不变形），手势横向划过镜头- 文字：竖排 "CUT GOLD" 在背景跳帧闪现- 律动："CUT" 瞬间横向切开画面触发闪白硬切；"GOLD" 压缩成粗重块字后突然回弹- 硬切Shot 6 — 双人近景分屏 / 色块分割- 场景：地下入口/墙面/栏杆/门框（和 Shot 5 空间明显不同）- 景别：色块切成两/三区，两个 detective 面部特写和半身局部快速硬切交替- 人物：两 detective 在左右轮流表演- 文字：中央出现 "CASE COMPLETE" 粗体短词- 律动：随 808 bass hit 硬切重组，字母先压扁再瞬间拉伸；hi-hat roll 时文字碎片快速跳动；最后重音上出现扫描错位和纸张撕裂感震动- 硬切Final — 多场景近景 performance montage- 场景：狭窄通道面部特写、墙面中近景、手部特写、楼梯转角肩颈特写、车库半身局部、门口阴影双人近景快速交替- 景别：禁止全身、禁止多人全景，只用近景/中近景/面部特写/手部特写/肩颈特写/半身镜头- 人物：两位 detective 轮流对镜头 rap，嘴型/下颌/呼吸/眉眼/手势都精准卡住 vocal、snare、hi-hat roll、bass hit- 文字：最终主文字 "CASE CLOSED" 巨大压入画面- 律动：每次 bass hit 触发场景硬切或景别硬切；每次 snare 触发文字压屏或图层错位；最后一拍所有场景碎片同步冻结，hard cut to black 【整体要求补充】 ▍影像风格（贯穿全片）- 粗颗粒、轻微胶片抖动、复印纸颗粒、半色调网点、印刷毛边、扫描错位、跳帧残影、高速图层错位- 剪辑节奏极快，只用硬切、跳切、鼓点切、遮挡切、闪白硬切、文字压屏硬切- 不用淡入淡出、不用柔和转场 ▍文字包装（贯穿全片）- 文字是画面主体的一部分，有真实图层关系- 文字可出现在人物前景/中景/背景之间- 人物会遮挡文字，文字也可压过人物局部，但不能遮挡眼睛和主要面部表情- 文字跟随 vocal 重音、snare、hi-hat roll、808 bass hit 出现/震动/拉伸/压缩/错位/撕裂/硬切重组- 风格：粗重压缩无衬线、巨大英文块字、竖向拉伸、横向压缩、纵排英文、弧形标题、黑白红高反差、复印纸颗粒、半色调网点、印刷破损、扫描错位、zine 拼贴感- 文字数量克制：每镜头只 1 个主文字元素，最多少量编号；不要密集小字、不要 logo ▍律动规则（贯穿全片）- hi-hat roll → 快速微震、跳帧、文字细碎重组- snare → 文字猛然放大、画面硬切、人物肩膀下压- 808 bass hit → 低频压屏、画面短暂变形、文字纵向拉伸或横向压缩- vocal 关键词 → 嘴型同步、下颌动作、头部点拍、手势推进- 人物动作、文字动效、场景切换、景别切换必须共同卡点 ▍场景切换（贯穿全片）- 多个近景场景快速硬切- 场景气质统一参考 @图片3，但每个镜头空间要明显不同：狭窄通道、墙面近景、门口阴影、金属/混凝土背景、灯光边缘、海报墙、楼梯转角、低矮天花、车库感空间、地下入口- 不做大远景，不做复杂大场面- 每次切换由 bass hit、snare、vocal 重音或文字压屏触发 ▍景别切换（贯穿全片）- 变化要非常明显：面部极近特写 → 中近景半身 → 手部特写 → 肩颈特写 → 双人近景分屏 → 面部特写 → 半身局部- 不连续使用同一种景别- 每个硬切都让镜头距离/人物朝向/背景空间/文字层级产生明显变化- 镜头可轻微手持、突然推近、短促横移、快速压缩变焦、近距离摇摆- 不变成柔和慢镜头 ▍人物规则（贯穿全片）- 角色：两位 fly detectives / brothers- 保持 @图片1 人物形象的脸、发型、服装轮廓、比例、气质、整体氛围- 真实哑光皮肤、干净高级、自然毛孔、轻微皮肤纹理- 不要油亮 AI 美颜脸- 兄弟搭档式轮流 rap，对镜头有强烈 performance ▍人物表演（贯穿全片）- 声音冷酷、攻击性、松弛但有压迫感，节奏紧、断裂、强拍- 不是静态摆拍，是在表演- 清楚嘴型同步：唇形、下颌、表情、呼吸跟随 vocal- 卡点动作：头部点拍、肩膀下压、手势推进、身体前倾、侧头、转身靠近镜头、手指指向镜头 ▍重要限制（贯穿全片）- 不用全身镜头- 不用多人全景- 不用复杂群像大场面- 全片只用近景/中近景/面部特写/手部特写/肩颈特写/半身镜头- 只表现人物上半身、脸部、手势、衣服材质、表情、嘴型同步、文字包装- 不要求看到完整身体和脚- 不出现真实品牌、原参考图中的 logo、标题或可识别原文字 | 飞书20260730-203458.mp4 飞书20260730-203504.mp4 | |
| 手绘特效 | 【参考素材说明】无参考素材（纯文字生成视频）。 【核心创意】15 秒，16:9 横版视频。将实拍的傍晚老式电车车厢与手绘发光动画融合：空荡末班电车车厢里，乘客用手机单手临时拍摄，遇到手绘杏橙色发光线在车厢里连续变形（车票→纸燕子→毛毛虫→箭头→小帆船→迷你电车→蜗牛→雨伞→小鱼→整车晚霞云海），最后回到车票碎成纸屑。整体生活感、怀旧、温柔而略带哀愁。 【画面过程描述】0〜3 秒- 正向：实拍镜头从拍摄者指尖在起雾车窗上随手画弧线开始。指尖离开，雾痕变成杏橙手绘发光线（蜡笔粉笔混合质感），先贴指尖→绕食指→落掌心卷成车票→被另一手按住→折成扁平纸燕子→沿右侧扶手环飞走。相机慢半拍追，先拍空掌和倒影，再匆忙右晃。- 反向：不要平稳广告式构图。3〜6 秒- 正向：纸燕子绕吊环飞一圈，尾巴勾住扶手环轻晃发出塑料碰撞声。拍摄者伸手想稳扶手环，纸燕子掠手背散成一串手绘逗号→首尾相连聚成发光毛毛虫→沿座椅靠背爬行（留杏橙粉末）→拍摄者弯腰看时拉直成涂鸦箭头→指完塌成小帆船沿座椅缝滑走。相机迟一步推进，运动模糊+短暂失焦。- 反向：不要新角色出现，所有形态必须首尾相连。6〜10 秒- 正向：小帆船滑地板、借电车晃动漂移、拖粉笔灰杏橙线→拍摄者伸脚挡+手捞→船从指鞋间溜过撞半卷车票→卷轴滚动→船被卷入又从另一侧钻出变成 2 节迷你手绘电车（车头保留船尖、车窗像毛毛虫点）→沿地板黑色缝线行驶→冲到路线图下车头一抬变扁平蜗牛（壳像车轮、身体拉长成车票线）→爬上金属立柱、回头抖触角催拍摄者追。- 反向：不要立体 CG。10〜13 秒- 正向：蜗牛触角碰车门按钮→按钮周围亮起杏橙手绘光圈→拍摄者想按→光圈弹开拉长蜗牛→变手绘小雨伞（伞面保留蜗牛壳螺旋和迷你电车窗点）→贴车门玻璃下滑、伞尖敲门缝（门缝街灯变成摇晃发光线）→伞翻面变带铃铛尾巴手绘鱼（鱼身如伞面、尾如车票虚线）→游到下方用尾巴扫拍摄者手腕（留下杏橙手环痕迹）→拍摄者后退撞座椅、镜头一歪再追车厢中央。- 反向：不要恐怖怪物化、不要扑咬。13〜15 秒- 正向：手绘鱼从车门玻璃散开→所有线迹沿窗玻璃、地板木纹、座椅缝、扶手环、路线图、天花板灯罩蔓延→整节车厢变巨大夕阳云海（窗铺晚霞、地板变发光小河、扶手环变圆月、路线图扩散成涂鸦小镇、天花板垂云带）→拍摄者后退伸手→空中云带落掌心变回车票→轻轻颤抖打喷嚏→满车厢晚霞线散成小纸屑→一片贴镜头边缘、另一只慢半拍小纸燕子从座椅缝钻出飞错方向笨拙掉到拍摄者手心→画面在温柔余韵中结束。- 反向：不要切镜到别的场景、不要凭空的恐怖元素。 【整体要求补充】 ▍手绘动画风格（贯穿全片）- 始终是平面逐帧手绘发光涂鸦，不是立体角色或 CG 生物- 线条粗细、轮廓、填色每帧轻微变化，边缘有蜡笔/粉笔/彩色铅笔/粗糙笔刷/粉彩毛边- 涂色不均，有擦痕、颗粒、手工重画感- 中心色：杏橙、暖橘、淡奶白、少量柔和金- 发光柔和，只在玻璃/金属扶手/旧布座椅/木纹地板边缘留弱光晕，不强烈照亮实拍空间- 每次变形保留前一形态痕迹（雾痕弧线、车票虚线边、纸燕子翅膀、毛毛虫圆点、小帆船船头、迷你电车车窗、蜗牛壳螺旋、雨伞伞面、小鱼尾巴）—— 让观众感到是同一存在连续变形，不是新角色 ▍相机节奏（贯穿全片）- 始终比手绘动画慢半拍- 动画先逃向扶手环/座椅缝/地板木纹/路线图/车门玻璃/车厢中央，相机再迟疑平移/低头/抬头/前进/后退追- 不提前构图，不让动画稳定居中，不平稳展示电车内饰- 保留：手持手机抖动、电车行驶摇晃、走路追赶的上下起伏、靠近玻璃的短暂失焦、窗外街灯曝光跳动、自然运动模糊- 像拍摄者真的在同一节车厢里一路追着它移动 ▍禁止项（贯穿全片）- 禁止精密 3DCG、毛绒玩具风、三维渲染、平滑霓虹管、均匀矢量线、完成度过高的动态图形- 禁止电影感过强的布光、广告摄影式整洁构图、过度景深虚化- 禁止字幕、标志、背景音乐- 禁止突然切到别的场景- 禁止前形态消失后新角色凭空出现- 禁止巨大眼睛、裂嘴、牙齿、威吓、扑咬、突然黑屏、跳吓、恐怖怪物化- 最后的空间变形必须仍由手绘发光线条构成，可以奇妙梦幻不可思议，但保持温柔、怀旧、可爱、生活化、温柔而略带哀愁。 ▍环境音（贯穿全片）- 只使用老式电车车厢内的真实声音：车轮与轨道的低沉摩擦声、车厢轻微摇晃声、扶手环碰撞声、车门按钮细小机械声、纸质车票摩擦声、布面座椅被碰到的声音、拍摄者小声惊呼和急促脚步声- 手绘动画声音：极轻的粉笔摩擦声、玻璃上滑动的细小刮擦声、柔软电子颤音、短促滑稽的鸣叫声 | 纯文生 | 海螺_视频_15秒，16_9横版_539178623442698249.mp4 |
🐙撰写提示词的「最佳方式」
把写提示词的任务交给专业的合作伙伴
如果你不想花大量时间研究提示词结构、镜头语言、素材引用方式和声音设计，也可以直接在 MiniMax Hub 里使用 H3 创作视频。
MiniMax Design是集合了「文本调研+多媒体制作+无限画布」的AI Agent 生产平台
你不需要把每个镜头、景别、运镜、声音都写得非常专业，只需要用自然语言描述你的想法，
例如：“我想做一个雨夜追逐的电影感短片”或“帮我把这张人物图生成一段有情绪转折的视频”，
Agent 就会帮你理解创作意图，整理参考素材，补全镜头设计，优化提示词，并调动合适的生成能力完成视频创作。
相比自己反复摸索提示词，使用 MiniMax Design 可以大大降低创作门槛，同时也能提升提示词的完整度和专业度，让 H3 更准确地理解主体、动作、镜头、节奏、声音和风格，从而显著提高视频生成质量。
下载地址：
国内：https://design.minimaxi.com/
海外：https://design.minimax.io/
做出来了，下一步：登记
项目能跑只是前半程。源码文档整理、申报材料生成这类重复劳动，可以交给软著通——AI 软件著作权申请工具，材料备齐再提交；登记结果以中国版权保护中心审核为准。