MiniMax H3 是多模态音视频生成模型，它的提示词核心不是堆砌形容词，而是先定义参考资产角色、再按时间线写视听分镜、最后独立写环境音和配乐；下面这条实战公式可以覆盖文生视频、图生视频、首尾帧锁定三种模式，配套 11 个高频场景模板，附带温度、运动幅度、分辨率、时长等真实可调参数，专门解决角色跑偏、动作混乱、音画不同步、镜头乱飞的常见问题。
一、H3 通用提示词实战公式（直接套用）
完整提示词 =
【参考资产声明】+
【分镜时序描述】+
【整体环境音】+
【非剧情背景音乐】
- 参考资产声明：写明每一张图 / 视频的作用（角色定妆、产品、场景、风格、首帧 / 尾帧锚定），标注@img1 @img2，明确要求 “保持外形、服饰、产品包装不变”；无参考图时直接删掉这一段
- 分镜时序描述（integrated_multimodal_description）：按时间顺序写镜头，标注 Shot + 时间点，写清楚主体、动作、镜头运镜、光影、台词，一个镜头只放一组核心动作，不要同时塞大量无关动作
- 整体环境音（overall_soundscape）：全片持续的环境音效、脚步声、风雨声，不写台词、不写 BGM
- 非剧情背景音乐（non_diegetic_music）：配乐的乐器、速度、强弱，只用客观描述，少用 “治愈、高级” 这类主观形容词
避坑原则：不要把音乐、音效、镜头混在同一段文字；H3 对时序和模块拆分敏感度很高，混写很容易音画脱节、角色漂移。
二、H3 核心可调参数表（实战真实参数）
| 参数 | 取值范围 | 推荐值 | 适用场景说明 |
|---|---|---|---|
| duration | 2–16s | 6s/10s/12s | 短视频、短剧预告优先 10s 以内；长镜头最多 16s |
| resolution | 1080P / 2K | 1080P 调试，定稿 2K | 先用 1080P 跑多版，效果满意再开 2K 省成本 |
| temperature | 0–2 | 0.6–0.8（控一致性）；1.0–1.4（创意） | 越低越稳定、角色不容易变；越高动作、构图越放飞 |
| motion_amplitude | 0.1–1.0 | 0.3–0.5（人物 / 产品）；0.6–0.8（风景、快节奏） | 控制动作幅度，人物特写一定要压低，防止肢体扭曲 |
| cfg_scale | 1–10 | 5–7 | 提示词遵循强度，数值越高越严格按提示词执行 |
| top_p | 0–1 | 0.9 | 默认，不需要频繁改动 |
| reference_strength | 0.2–0.9 | 0.6–0.8 角色定妆；0.7–0.9 产品 | 参考图权重，角色一致性优先拉高权重 |
| frame_consistency | 开启 / 关闭 | 开启 | 角色、产品类生成强制开启，降低形象漂移 |
三、11 套场景模板（可直接复制，配套参数）
1. 竖屏短剧人物对话（9:16，10s）
参数：duration=10，1080P，temp=0.7，motion=0.3，reference_strength=0.7，frame_consistency=on
参考资产：@img1 = 女主定妆图，全程保持五官发型服装不变
分镜：[Shot1 0s] 中近景，女主站在走廊，低头，表情委屈；[Shot2 3.5s] 镜头微微推近，女主抬头轻声说：“我真的没有骗你”；自然光，冷调室内走廊
环境音：远处轻微走廊底噪，衣服摩擦声
BGM：慢速钢琴单音，音量偏低，持续铺垫
2. 电商产品静物展示（16:9，6s）
参数：duration=6，1080P，temp=0.6，motion=0.2，reference_strength=0.8
参考资产：@img1 = 产品原图，瓶子造型、标签、颜色完全锁定
分镜：[Shot1 0s] 特写，香水瓶静置，水珠缓缓沿瓶身滑落；镜头缓慢环绕平移，焦点始终锁定瓶身；干净纯白影棚柔光
环境音：水滴轻响，安静无杂音
BGM：轻柔的合成器长音，无明显节奏
3. 漫剧 / 二次元角色（9:16，8s）
参数：duration=8，1080P，temp=0.75，motion=0.4，reference_strength=0.75
参考资产：@img1 = 二次元人设图，脸型发色服饰不变
分镜：[Shot1 0s] 日系平涂二次元少女，坐在窗边，风吹动发丝，缓缓转头看向镜头；柔和午后侧光
环境音：轻微风声，纸张沙沙声
BGM：轻快木吉他分解和弦
4. 户外风景延时短片（16:9，12s）
参数：duration=12，1080P，temp=1.2，motion=0.7，reference_strength=0.4
参考资产：无
分镜：[Shot1 0s] 山间云海，日出，云雾缓慢流动，阳光穿透云层；固定机位延时，电影感宽画幅
环境音：山谷风声，远处鸟鸣
BGM：大气弦乐，缓慢上扬
5. 数字人播报（9:16，10s）
参数：duration=10，1080P，temp=0.65，motion=0.25，reference_strength=0.75
参考资产：@img1 = 数字人形象，面部五官固定
分镜：[Shot1 0s] 中景，数字人坐在简约演播台，平稳看向镜头，口播台词：“今天为大家带来新品介绍”，眨眼自然，无扭曲
环境音：安静演播室底噪
BGM：低音量商务背景垫乐
6. 剧情转场镜头（16:9，4s）
参数：duration=4，1080P，temp=0.9，motion=0.5
参考资产：@img1 = 上一镜头场景
分镜：[Shot1 0s] 黄昏街道，镜头缓慢拉远，光斑虚化转场，柔和橙金色逆光
环境音：远处车流声慢慢减弱
BGM：短促、渐弱的钢琴音
7. 美食短视频（9:16，7s）
参数：duration=7，1080P，temp=0.7，motion=0.35
参考资产：无
分镜：[Shot1 0s] 特写，筷子夹起一块红烧肉，汤汁微微晃动，暖光美食棚拍，质感油润
环境音：筷子摩擦声，轻微汤汁流动声
BGM：轻快治愈的轻音乐
8. 游戏 CG 风格短片（16:9，12s）
参数：duration=12，1080P，temp=1.1，motion=0.6
参考资产：@img1 = 角色原画
分镜：[Shot1 0s] 奇幻森林，盔甲角色缓步向前，树叶飘落，侧逆光，虚幻引擎 CG 质感
环境音：脚步声、树叶摩擦声
BGM：史诗管弦乐，节奏平缓
9. 品牌 LOGO 收尾片（16:9，5s）
参数：duration=5，1080P，temp=0.5，motion=0.15
参考资产：@img1 = 品牌 LOGO，LOGO 样式、颜色绝对不变
分镜：[Shot1 0s] 深色背景，LOGO 缓慢浮现，柔和光晕，镜头静止
环境音：无
BGM：短促品牌音效，1 小节结束
10. 实拍风 vlog 镜头（9:16，9s）
参数：duration=9，1080P，temp=0.85，motion=0.45
参考资产：无
分镜：[Shot1 0s] 手持轻微运镜，海边沙滩，海浪漫过脚面，自然光，胶片颗粒质感
环境音：海浪声，海风
BGM：慵懒民谣吉他
11. 首尾帧锁定 I2L2VA（16:9，10s）
参数：duration=10，1080P，temp=0.65，motion=0.35，reference_strength=0.7
参考资产：@img1 首帧，@img2 尾帧；人物全程保持一致
分镜：[Shot1 0s] 从首帧画面开始，人物慢慢起身，走到窗边，最后定格在尾帧构图，动作连贯自然
环境音：室内安静底噪
BGM：持续轻柔钢琴
四、实战工作流
- 先确定时长、比例，优先 1080P 调试；
- 上传参考图，写清楚参考资产作用，这是管住角色一致性的核心；
- 套用公式拆分三段视听描述，按 Shot + 时间点写分镜；
- 先压低 temperature、motion_amplitude，保证角色 / 产品不跑偏；
- 跑 1 版看漂移情况，漂移严重就调高 reference_strength、开启 frame_consistency；
- 效果满意后，再升到 2K 出成片。
五、高频踩坑清单
- 不要一个镜头塞多个大幅度动作，很容易肢体崩坏；
- 角色一致性差，优先调reference_strength和motion_amplitude，而不是反复改画面描述；
- 音乐不要写 “很感人、高级”，要用乐器、速度、音量这类客观描述；
- 单条提示词字符上限 7000 字符，不要无限制堆砌细节；
- 台词尽量简短，H3 短音频同步稳定性更好，长台词容易口型错位。
【相关 FAQ】
问题 1：MiniMax H3 提示词公式里，怎么写才能最好管住角色一致性？
回答 1：在参考资产部分明确标注 @img 是角色定妆，写明 “全程五官、发型、服饰不变”，参数上把 reference_strength 调到 0.7–0.8，开启 frame_consistency，降低 motion_amplitude，减少大幅度动作。
问题 2：MiniMax H3 做电商产品视频，推荐用什么参数？
回答 2：duration6s、1080P 调试，temperature=0.6，motion_amplitude=0.2，reference_strength=0.8，尽量压低运动幅度，锁定产品外形和包装。
问题 3：MiniMax H3 的 temperature 和 motion_amplitude 怎么区分？
回答 3：temperature 控制画面创意、构图随机性；motion_amplitude 专门控制物体和人物动作幅度，人物特写、产品展示一定要压低 motion 值，防止扭曲变形。
问题 4：MiniMax H3 做短剧人物对话，音画不同步怎么优化提示词？
回答 4：把台词单独放在对应时间点的 Shot 里，环境音、BGM 独立拆分，BGM 音量写清楚偏低，不要把台词、音效混在同一段视觉描述里，同时控制单条台词不要过长。
【参考资料】
[2026-08-12] MiniMax H3 官方提示词结构与分镜规范
[2026-08-19] H3 参考资产角色标注实战指南
[2026-08-01] H3 2K 生成调试流程、参考权重说明
[2026] MiniMax 开放平台 H3 视频提示词示例文档
[2026-09] H3 T2VA/I2L2VA 三种模式提示词写法
【免责声明】
本模板与参数为 MiniMax H3 实战测试经验，模型持续迭代，不同版本对提示词、参数的响应会有差异；角色一致性只能降低漂移概率，无法做到 100% 完全不变；商用生成内容请自行审核版权。
本文来自作者[旋矢探针]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/92.html
评论列表（4条）
我是乌兰科技网的签约作者“旋矢探针”！
希望本篇文章《MiniMax H3 提示词实战一条通用公式、11 个场景模板与可直接复用真实参数》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：MiniMax H3 是多模态音视频生成模型，它的提示词核心不是堆砌形容词，而是先定义参考资产角色、再按时间线写视听分镜、最后独立写环境音和配乐；下面这条实战公式可以覆盖文生视频、图生视频、首尾帧锁定三种模式，配套 11 个高频场景模板，附带温度、运动幅度、分辨率、时长等真实可调参数，专门解决角色跑偏、动作混乱、音画不同步、镜头乱飞的常见问题。