MiniMax H3 提示词指南

通过提示词结构、参考素材分工、镜头、声音、完整案例和生成结果，掌握 MiniMax H3 视频提示词写法。

MiniMax H3 可以同时理解文字、图片、视频和音频，并生成带同步声音的视频。提示词需要明确生成目标、参考素材的用途、镜头时间线、主体动作、相机和声音。描述越具体，各项信息之间越一致，生成结果越可控。

提示词的核心信息

一条 H3 提示词需要回答三个问题：

核心信息	需要写清楚的内容	示例
生成目标	场景、主体、视觉风格和主要事件	一支冷色调的香水产品短片，水滴滑过瓶身，最后展示标签
参考素材职责	每张图片、视频或音频具体负责什么	图片 1 提供商品外观；视频 1 只提供相机路径
音画时间线	开场、动作变化、相机、声音和结束画面	水滴滑落 → 相机推近 → 焦点转到标签 → 停在商品特写

完整提示词通常由六部分组成：

场景顺序：视频怎样开始、发展和结束；
主体动作：谁做什么，动作怎样发生和变化；
参考用途：每张图片、视频和音频分别提供什么；
相机：景别、角度、运动和切镜；
声音：对白、环境声、同步音效和配乐；
结束画面：镜头最后停在哪里，哪些内容保持不变。

H3 提示词模板

参考素材：[图片/视频/音频 N] 负责 [人物、商品、动作、镜头、声音或风格]。场景顺序：[开场状态] → [主要动作与变化] → [结束状态]。主体动作：[谁] [具体做什么]，动作速度与反应是 [说明]。相机：[初始景别和角度]，[主要相机运动]，最后停在 [结束构图]。声音：[对白]；[环境声]；[音效]；[背景音乐]。保持不变：[人物身份、商品包装、Logo、服装、场景结构等]。不要出现：[真正影响交付的错误]。

完整提示词案例

商品英雄镜头

输入： 图片 1 · 8 秒 · 9:16

部分	内容
参考	图片 1 负责商品的准确外观
顺序	水滴滑落 → 相机推进 → 标签落版
相机	缓慢推进，焦点转到标签
声音	轻微环境底噪与玻璃提示音
保持	包装比例、Logo、标签与颜色

商品广告提示词

图片 1 作为商品外观参考，完整保留瓶型、标签版式、Logo 位置、瓶盖、材质与颜色。冷雾在瓶后缓慢流动，细小水滴沿玻璃表面滑落。中近景开场，相机缓慢推近，焦点从水滴转移到标签，最后停在清晰可读的商品特写。冷色侧光，反射干净克制。声音包括轻微环境底噪和一声清脆的玻璃提示音。不要出现重复商品、扭曲 Logo、额外文字或水印。

人物与动作参考

输入： 图片 1 · 视频 1 · 10 秒 · 16:9

部分	内容
参考	图片 1 负责人物；视频 1 只负责动作和镜头
顺序	进入画面 → 转身 → 看向镜头
相机	低机位跟随，最后升到中景
声音	脚步、衣料声、室内环境与低频配乐
排除	不复制视频 1 的人物、服装和背景

人物动作提示词

图片 1 提供人物的身份、面部、发型和服装。视频 1 只参考行走节奏与相机路径，不参考其中的人物、服装或场景。人物走进混凝土展厅，向前行走，转身一次并直视镜头。低机位跟拍保持平稳速度，在最终姿势前上升到中景。全程保持同一人物。声音包括清晰脚步声、轻微衣料摩擦、宽阔室内环境声和克制的低频电子配乐。

参考素材怎么写

添加参考素材后，在提示词里逐项说明它负责什么。不要只写“参考图片 1”或“参考视频 1”，要明确需要保留的内容和不需要复制的内容。

素材	适合提供的信息	提示词重点
人物图片	面部、发型、体型、服装和气质	多人图片要指出使用哪一个人物
商品图片	瓶型、材质、颜色、标签、Logo 和文字	单独列出必须准确保留的包装细节
动作视频	步态、舞蹈、手势、相机路径或剪辑节奏	写清只参考哪些动作，并排除原人物与场景
音频	音色、对白、节拍、配乐风格或音效	写清是原样使用，还是只参考声音特征

参考素材职责示例

图片 1 提供人物面部、发型和服装；图片 2 提供场景与光线；视频 1 只参考动作节奏和跟拍路径，不复制其中的人物、服装、背景与声音。

镜头怎么写

镜头描述包含景别、角度、相机运动和运动目的。不要只堆叠镜头名词，要说明相机如何围绕主体移动，以及移动后需要看到什么。

镜头	作用
推近 · Push In	相机向主体靠近，强调表情、商品或关键细节
拉远 · Pull Out	相机后退，展示完整人物、场景或空间关系
跟拍 · Tracking	保持与移动主体相近的速度和距离
环绕 · Arc Shot	围绕主体移动，展示轮廓、材质与空间层次
横摇 · Pan	机位不动，镜头水平转向新的主体或信息
升降 · Pedestal	整台相机上升或下降，改变观察高度
手持 · Handheld	轻微自然晃动，适合纪实、街头和 UGC 质感
静止 · Static	画面固定，让主体动作成为视觉重点
第一视角 · POV	从角色眼睛的位置观察动作与环境

完整镜头描述

中近景、略低机位开场，相机以缓慢稳定的速度沿商品左侧做小幅环绕，随后推近标签，让 Logo 和瓶身材质进入清晰焦点，最后停在正面商品特写。

声音怎么写

把对白、环境声、同步音效和配乐分开描述，并说明它们在什么动作或镜头中出现。声音内容应与画面事件同步。

对白：写明谁在说、说话时的情绪和完整台词；
环境声：描述持续存在的空间声音，例如商场人声、海浪、雨声或夜晚城市底噪；
同步音效：让声音对应具体动作，例如瓶盖打开、鞋底落地、布料摩擦或液体倒入杯中；
背景音乐：说明音乐风格、乐器、节奏，以及在关键画面中的强弱变化。

声音描述示例

人物打开包装时出现清晰的纸张撕开声和轻微指甲触碰纸盒的声音。房间保持安静柔和的室内环境声。她看向镜头，用自然、兴奋但不过度夸张的语气说：“这个质感比我想象中还要好。”背景加入轻快、干净的电子节拍，在商品特写出现时稍微增强。

让提示词更稳定

动作数量适合时长：短视频集中完成一个主要动作；需要多个事件时按时间顺序拆开；
使用可观察的动词：把“很高级”改成“冷色侧光沿玻璃边缘移动，反射干净克制”；
避免镜头冲突：同一时间不要同时要求静止、快速推近和大幅环绕；
明确保持项：人物身份、服装、包装、Logo、色彩和关键道具需要单独说明；
明确结束画面：写出镜头最后停在哪里，以及最终画面中必须清晰可见的内容；
只保留必要限制：限制项集中在真正影响交付的问题，例如错字、变形、重复商品和水印。

如果结果偏离提示词，依次检查主体、动作、场景和镜头是否存在冲突；每项参考素材是否只承担明确的职责；动作数量是否适合视频时长；结束画面和保持项是否已经写清楚。

Showcase：参考素材与生成结果

文本生成：手绘厨房生物

输入提示词

15 秒，16:9 横屏。将黄昏时分的小厨房实拍与发光手绘动画融合。厨房里有旧木桌、洗到一半的杯子、微微起雾的玻璃瓶和悬挂的抹布。镜头像单手拿手机匆忙拍摄：轻微手抖、迟疑的近距离对焦、逆光曝光呼吸和阴影中的粗颗粒。使用房间底噪、布料摩擦、轻柔的杯子碰撞、滴水、拍摄者脚步与呼吸，以及手绘小生物发出的微弱电子音和细小叫声。不要出现巨眼、尖牙、威胁动作、突然黑屏或惊吓镜头。