MiniMax H3 提示词指南：如何写出更好的 H3 提示词

优秀的MiniMax H3 提示词应像精炼的制作指令，而不是冗长的电影风格关键词清单。 好的提示词会明确每份参考素材控制什么、事件发生的先后顺序、镜头如何移动、应听到什么，以及哪些细节必须保持不变。如果你正在学习如何使用 MiniMax H3，优化提示词的关键与其说是增加描述，不如说是消除歧义。

结构不佳的提示词往往会导致角色偏移、动作遗漏、首尾帧衔接薄弱、台词错误或产品几何形状变化。我们对公开的MiniMax H3 工作流程及常见用户问题进行梳理后发现，这些失败通常源于参考素材冲突、时间线过载、模糊的镜头语言或不明确的保留规则。更全面的MiniMax H3 评测也有助于明确哪些生成任务最能受益于更严谨的提示词结构。

Virse将 AI 带入无限画布，而不是把创作局限在聊天框中，旨在让这一过程更直观、更便于协作。设计师可以整理参考素材、连接资产、运行共享项目上下文的多个 AI 智能体，并在多轮迭代中保留风格偏好和团队知识。因此，当 H3 提示词成为更大规模的专业 AI 设计工作流程的一部分，而不只是单次提示词实验时，Virse 尤其有用。

最佳的 MiniMax H3 提示词结构是什么？

可靠的MiniMax H3 提示词结构可以分为七层：参考素材分工、时间线、视觉效果、镜头、声音、准确文字和限制。并非每个提示词都需要全部七层，但当生成结果难以控制时，这种结构能提供一份实用的检查清单。

MiniMax 现有的 H3 API 支持以 768P 或 2K 生成 4–15 秒视频。参考生成最多可使用九张图片、三段视频和三段音频，混合参考文件总计最多 12 个。这种灵活性很强大，但也意味着，如果没有明确各自的作用，输入越多就越可能产生冲突。

应该如何为 H3 参考素材分配作用？

不要附上几份参考素材后只让 H3“使用它们”。告诉模型每份素材控制什么。

对于产品营销活动，提示词可以明确：图片 1 控制模特身份，图片 2 控制服装，图片 3 控制摄影棚环境，产品图片控制准确的几何形状和材质，参考视频控制动作节奏。

在专业设计工作流程中，我认为参考素材的分工比数量更重要。额外的图片只有在消除不确定性，而非引入另一种相互竞争的视觉方向时才有价值。同样的原则在MiniMax H3 动作迁移中尤其重要，因为身份、动作、镜头等属性可能来自不同参考素材。

H3 中 Picture 和 Subject 有什么区别？

在 MiniMax 的全参考提示系统中，Picture更像一份具体的视觉或构图参考，而Subject表示从参考素材中提取的可复用内容，例如角色、物体、环境、服装、姿势或风格。

当同一项目同时包含构图参考和身份参考时，这一区别很重要。如果分镜格控制取景，而角色设定表控制身份，就应将这些作用分开。否则，H3 可能会尝试保留错误输入中的错误特征。

如何编写 MiniMax H3 时间线提示词？

好的MiniMax H3 时间线提示词的核心是：

当前状态 → 可观察的动作 → 镜头响应 → 最终状态。

MiniMax 的官方 H3 提示指南按时间顺序描述视频生成，这种方式很有用，因为视频质量取决于模型对随时间发生的变化理解得有多好。

H3 提示词需要时间戳吗？

不需要。与时间戳相比，H3 更需要清晰的时间顺序。

对于简单的产品镜头，提示词可以这样写：

香水瓶保持在湿润黑色石面的中央。一只手从右侧伸入，拿起瓶子，缓缓朝温暖的主光方向转动，并在金色标签映出高光时停下。镜头全程缓慢、小幅度推进。

当你加入多次切镜、同步台词、变形或多个重要节拍时，时间戳会更有用。

我们梳理 H3 工作流程问题时发现一种反复出现的模式：模型遗漏动作时，创作者往往会添加更多指令。这通常会让时间线更难执行。减少同时发生的动作，并明确结束状态，往往更有效。

H3 提示词应包含多少个动作？

官方没有规定节拍数量上限，但实用的规划范围是：

• 5 秒：一到两个有意义的节拍
• 10 秒：两到四个节拍
• 15 秒：三到五个节拍

这些是工作流程中的经验法则，并非模型限制。每个节拍应代表一次有意义的视觉变化。

例如，一则 10 秒运动鞋广告可以展示运动员系紧鞋子、起身进入起跑姿势，再加速跑过镜头。与在同一短片中组合六个动作、多次镜头移动、场景变换和标志亮相比，这样更容易控制。

如何使用 MiniMax H3 参考图片、角色设定表和分镜？

将身份、构图、动作和风格视为分别需要控制的问题时，H3 参考提示的效果最好。这对使用角色设定表、产品参考、分镜或动作参考的设计师尤其重要。

角色设定表能改善 H3 的一致性吗？

可以，尤其是设定表明确呈现了面部、发型、比例、服装、配饰和独特特征时。

我们评估的一套公开参考生成视频流程中，使用 Flux 创建的角色设定表，在该特定配置下无需单独的角色 LoRA，就足以达到创作者的目标效果。这并不能证明角色设定表总能替代 LoRA，但说明了结构清晰的身份参考为何能简化制作流程。

对整个工作流程更重要的启示是：将身份控制与镜头规划分开。

如何在 H3 中使用分镜？

分镜应传达镜头顺序和构图，而不是充当含糊的多用途参考。

如果一张图片包含多个分镜格，要明确对应关系：

第 1 格指导镜头 1。第 2 格指导镜头 2。第 3 格指导镜头 3。角色身份沿用角色参考，分镜仅用于取景与顺序。

我们梳理用户问题后发现，当 H3 需要猜测一张图片究竟是起始帧、角色设定表、情绪板还是序列参考时，分镜跳过问题会反复出现。

如何控制 H3 的镜头、音频和首尾帧？

许多技术上正确的提示词，仍会在镜头、声音和转场方面失去创意控制。

如何编写 H3 镜头提示词？

使用具体的物理镜头语言，而不是“电影感”之类的装饰性词语。

MiniMax 的 H3 指南支持推进、拉远、水平摇镜、垂直摇镜、横移、跟拍、弧线移动、升降、手持和固定镜头等运动。实用的镜头指令会描述运动类型、速度、幅度和目标。

例如：

中近景。秒针开始转动时，镜头缓慢、小幅度地向表盘推进。

想让画面更自然，可观察到的不完美也会有帮助：轻微手持晃动、自动对焦延迟、曝光反复调整、镜头水滴、颗粒、光晕或色散边缘。

如何为 H3 首尾帧编写提示词？

不要只描述起始与结束图像。要描述它们之间的物理过渡。

以撑开雨伞为例：

角色举起收拢的雨伞，将伞巢向上推，伞骨向外展开，折叠的伞面逐渐张开，雨伞最终完全打开，随后静止。

最可靠的模式是：

起始状态 → 中间变化 → 渐进过渡 → 准确的结束状态。

这适用于包装揭示、产品旋转、界面转场、姿势变化和动态图形序列。

如何为 H3 音频与台词编写提示词？

将声音分为三个独立层次：

台词：谁说话、说什么。
场景声音：脚步、雨声、物体移动声、室内底噪。
音乐：乐器配置、速度、节奏和强度。

对于反复出现的说话者，跨镜头保持说话者身份一致。如果不需要音乐，要写明无音乐，而不是不指定音频方向。

对于可见文字，准确指定重要措辞，并使用范围明确的约束，例如不添加其他文字、无字幕或保留产品标签。

真实 H3 工作流程测试说明了哪些迭代成本问题？

提示词质量也是制作效率问题。每次错误理解都会增加一轮渲染。

为什么应先以低分辨率测试 H3 提示词？

我们评估的一套公开工作流程使用0.2MP、八步采样验证构图与事件流。另一套 RTX 5080 流程报告称，渲染 10 秒 720p 视频大约需要10 分钟，而 0.2MP 预览约需三分钟。

这些数字是特定环境下的工作流程报告，并非 MiniMax 基准测试。其价值在于实践：低分辨率预览可以在最终渲染前，以低成本回答一些问题。

角色是否仍然可辨认？
事件是否按正确顺序发生？
镜头运动是否正确？
分镜对应关系是否有效？

对于 ComfyUI 用户，这提供了一种实用模式：先验证结构，待提示词遵循程度达到要求后，再增加步数和分辨率。

更多步数总能改善 H3 结果吗？

改善程度未必足以抵消额外的迭代成本。

一套 768×1280 工作流程报告，在 20 步下，大约需要2 分钟生成 5 秒、6 分钟生成 10 秒、12 分钟生成 15 秒。另一套流程报告，在其环境中，将 20 步减至 10 步节省了约40% 的生成时间。

另一则 RTX 5070 Ti 参考生成视频案例报告，采样约需 121 秒，但总计 362 秒，说明采样本身并非唯一瓶颈。

关键启示并不是硬件的准确速度。提示词遵循度可能比纯粹的生成速度更重要，因为不明确的指令会成倍增加总制作时间。

为什么 MiniMax H3 不遵循我的提示词？

大多数 H3 失败都可以追溯到某个具体的歧义。

为什么角色或产品一直在变化？

可能原因：参考素材相互竞争，或保留优先级不明确。

修正方法：选择一份权威的身份或产品参考。准确说明必须保持不变的内容，例如面部、服装、瓶身几何形状、标签位置、材质或颜色。

为什么 H3 会跳过分镜镜头或动作？

可能原因：时间线过载，或分镜格对应关系不明确。

修正方法：减少节拍数量，将每个分镜格对应到一个镜头，并为每个镜头指定一个主导动作和一种主导镜头思路。

为什么说话的是错误的角色？

可能原因：说话者对应关系不完整。

修正方法：保持说话者身份稳定，将声音参考与目标说话者关联，并将台词指令与环境音、音乐分开。

为什么屏幕文字不正确？

可能原因：文字定义不够明确，或过多文字元素相互竞争。

修正方法：提供准确文字，指出出现位置，并禁止不必要的附加文字。对于对品牌至关重要的排版或标志，在投入生产使用前，仍应人工检查最终输出。

适用于专业设计工作流程的 MiniMax H3 提示词模板

大多数 H3 项目可采用以下顺序：

视觉方向 → 参考素材分工 → 时间线 → 镜头 → 声音 → 准确文字 → 限制

产品提示词可以这样写：

高端实拍产品影片。产品参考控制准确的瓶身几何形状、玻璃材质、标签位置和瓶盖颜色。瓶子立在湿润黑色石面上，窄束温暖侧光照射。一只手缓缓拿起瓶子并朝光线转动，同时镜头小幅推进。水滴沿玻璃向下移动。标签朝向镜头时停下。保持瓶身比例。不添加其他产品、额外标志、字幕或切镜。

对于复杂的多模态项目，MiniMax 还记录了一种更完整的参考结构，涵盖主体定义、摘要、保留分析、详细描述、整体声景和非叙事内音乐。其官方指南建议，复杂生成任务的详细描述部分约为350–500 个英文单词。当多个角色、参考素材、声音或保留规则需要互相配合时，这种细节程度很有用，但并非每个普通 H3 提示词都需要。

常见问题

H3 的每个提示词都需要时间戳吗？

不需要。清晰的播放顺序比时间戳更重要。连续镜头只需按时间顺序描述动作。当短片包含多次切镜、同步台词、变形或必须在特定时刻发生的多个重要节拍时，时间戳才更有用。

H3 提示词应该多长？

不存在通用的理想长度。简单镜头只应包含足以消除重要歧义的信息。复杂的全参考流程则可能需要长得多的描述。提示词长度本身并非质量指标；信息层级和清晰度更重要。

角色设定表可以替代 H3 中的 LoRA 吗？

有时可以，但并非普遍适用。我们评估过一套流程，角色设定表在没有单独角色 LoRA 的情况下，达到了可接受的参考生成视频一致性。这并不能确立通用基准。在移除其他身份控制手段之前，应测试角色在不同姿势、取景、光线和镜头角度下的表现。

可以在低分辨率下找到种子，并以高清复现吗？

使用低分辨率生成来测试提示词理解、构图、动作和事件顺序，但不要假定改变分辨率或流程设置后，同一个种子会复现完全相同的结果。应将低分辨率预览视为方向验证工具，而不是保证与最终渲染相同的缩小版本。

结论

最可靠的 MiniMax H3 提示策略是减少模型需要猜测的内容。为每份参考素材分配明确作用，按播放顺序描述动作，使用具体的物理镜头语言，说明首尾帧之间的运动，将台词与场景声音、音乐分开，以范围明确的约束保护重要文字和设计属性，并在最终渲染前低成本验证序列。对于设计师和创意团队，这会将MiniMax H3 提示词编写从反复试错的关键词写作，转变为围绕身份、时间、动作、声音和保留要求构建的可重复创意指导流程。