提示词实用指南

MiniMax H3 提示词模板:选场景,生成你的短片

先看真实成片,再选一份模板。替换主体和动作,用中文或英文生成带声音的 H3 视频;下方保留 8 个完整模板和官方结构指南。

本页 8 个模板由本站编写,不是 MiniMax 官方发布。每张卡片里的视频是本站用 MiniMax H3 跑对应英文提示词得到的真实结果,你可以先看效果再决定要不要花积分。本站生成器目前支持文生视频与首帧图生视频。

最后更新 2026-10-15

这是原始英文美食模板的真实 H3 成片。修改提示词后会生成新的结果。

先为你的创意生成一段 5 秒短片

选一个场景,替换主体和动作,再修改下方完整提示词。

笼统写法:“拍一个好看的美食视频。”

写清动作、镜头运动和对应声音。草稿已包含这三个要素。

这是独立的单镜头草稿,画幅 16:9。下方 8 个完整模板保留原来的全部镜头。

在这里生成你的 H3 视频

可先修改已载入的提示词。完整模板保留原时长和画幅;图生视频模板需要上传你的图片。

0/7000

By generating, you acknowledge that this submitted prompt may be securely retained for product analytics for up to 30 days when analytics consent and protected collection are enabled. Never include passwords, keys, personal contact details, or other secrets.

时长

分辨率

宽高比

登录后生成

消耗 20 积分 · 注册赠送 0 积分 · 5 秒 = 20 积分

你的 H3 视频将在这里显示

先复制,再改成你的镜头

8 类常见镜头的 MiniMax H3 提示词示例

8 条模板按 MiniMax 公布的结构编写,覆盖文生视频与首帧图生视频。先复制一条,再把主体、动作、时间、对白和声音换成你自己的镜头。

会把这条提示词连同模式、时长、比例一起带入生成器。

按模式筛选
按时长筛选

本页所有视频都由本站的 RTX 5090 本地运行 MiniMax H3 生成,输入就是卡片里的英文版提示词,生成后没有再做剪辑。每条模板只生成一次,没有换种子反复抽卡,所以你看到的也包括模型没完全照做的地方。3 条图生视频的首帧图由本站用 FLUX 生成,它们是「在静止图上加运动」,不是实拍镜头。

T2VA10s16:9

电影感产品揭幕

横屏两镜头产品片,包含受控旋转、微距材质、雨声环境与克制的电子配乐。

提示词语言
integrated_multimodal_description: [Shot 1] 实拍产品广告,中远景拍一只哑光黑色无线音箱立在湿石台上,时间是蓝调时刻。细雨在金属网罩上凝成水珠,一道窄而暖的光沿箱体边缘移动。镜头以小幅度、慢速顺时针环绕(Arc),音箱同时转过四分之一圈,logo 始终保持清晰可读。[Shot 2] At 00:06.000,镜头切到微距特写,水珠随低频震动轻颤,随后缓慢后拉(Pull Out),产品最终停在画面中心。

overall_soundscape: 细雨敲打石块,干净的低频脉冲让水面轻颤;底部始终垫着轻微的转台机械嗡鸣。

non_diegetic_music: 克制的电子节拍,中速,深沉超低频加稀疏金属打击,结尾干净收尾。
T2VA10s16:9

双人对白场景

用固定说话人编号、语言标签、动机明确的切镜和环境声完成一段短戏。

提示词语言
integrated_multimodal_description: [Shot 1] 实拍,电影感,中景拍两名姐妹站在夜间已关闭的火车站雨棚下。灯光暖黄,雨棚外仍在下雨。说话人编号固定:年长的一位声音低沉平稳(S1),她望向空荡的铁轨说:<d>[Chinese] 我们错过了最后一班。</d> [Shot 2] At 00:05.000,镜头切到年轻一位的特写,她的声音轻快明亮(S2)。她举起一把自行车钥匙,笑了笑,回答:<d>[Chinese] 那我们就绕远路回家。</d>

overall_soundscape: 雨点打在金属雨棚上,远处有车流经过车站后方,自行车钥匙发出轻微金属声。

non_diegetic_music: 稀疏的钢琴音符,慢速,第二句之后加入轻柔的持续大提琴。
T2VA10s16:9

跟拍动作镜头

高速横向跟拍、一次有信息量的切镜、连续动作与同步落地声音。

提示词语言
integrated_multimodal_description: [Shot 1] 实拍运动广告,低机位跟拍(Tracking)一名山地车手沿雨后狭窄林道加速前进。后轮甩出小块泥弧,车手压低身体进入左弯。镜头以快速横移(Truck)贴着自行车并行,把车手保持在画面右三分之一。[Shot 2] At 00:06.500,镜头切到前侧四分之三近景,车手越过一道浅溪,稳稳落地,朝林间一道明亮开口冲出去。

overall_soundscape: 轮胎碾过湿砾石,链条在受力下咔哒作响,落地时水花四溅,车手在风声下急促呼吸。

non_diegetic_music: 快速手鼓加一段短促失真贝斯,在起跳过程中逐渐推高,落地瞬间停止。
T2VA5s1:1

5 秒食物微距

一个清晰动作、小幅推进、真实材质声,并在方形构图里明确不要背景音乐。

提示词语言
integrated_multimodal_description: [Shot 1] 实拍微距美食摄影,极端特写拍一把勺子压碎一小份焦糖布丁的糖壳。镜头以小幅度、慢速推进(Push In),脆糖壳裂成不规则的琥珀色碎片,浅色蛋奶馅沿勺子折叠。侧向暖光显出蒸汽与细腻质地,甜品始终居中,背景为深色中性底。

overall_soundscape: 糖壳清脆裂开,随后是金属勺刮过陶瓷的轻响,以及安静的房间底噪。

non_diegetic_music: N/A
T2VA10s9:16

竖屏时尚短片

9:16 行走与停顿片段,控制光影、衣料运动、构图以及空间脚步回声。

提示词语言
integrated_multimodal_description: [Shot 1] 实拍竖屏时尚短片,全身镜头拍一名模特身穿廓形红色大衣走过混凝土展厅。清晨硬光在地面拉出长长的矩形阴影。镜头以与模特同步的速度后拉(Tracking),大衣下摆在每一步中自然摆动。[Shot 2] At 00:06.000,镜头切到紧贴的侧面近景,模特在镜面墙旁停下,转向自己的倒影,整理了一下袖口,全程不看镜头。

overall_soundscape: 脚步声在展厅中回响,衣料轻微摩擦,远处城市噪音从敞开的门口传来。

non_diegetic_music: 极简鼓机节奏,稳定中速,每两拍重复一个干涩合成器音符。
I2VA5sadaptive

让人像首帧动起来

保留身份与构图,只增加呼吸、视线变化和一个自然的小表情。

提示词语言
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 实拍,电影感,<Picture 1> 中人物的五官、发型、服装、光线方向和背景构图全部保持不变。镜头保持固定近景(Static),人物安静地吸了一口气,视线从窗外转向镜头,露出一个自然的小微笑。头发和宽松衣料只在既有微风里轻微晃动;画面中不新增任何物体。

overall_soundscape: 延续轻柔的房间底噪,夹杂一丝微风和一次安静的呼吸。

non_diegetic_music: N/A
编辑并生成这段视频

需要首帧图:点「使用此提示词」后先上传一张图片。

I2VA5sadaptive

让产品首帧动起来

稳定标签与几何形状,限制旋转幅度,并明确阻止画面凭空增加道具。

提示词语言
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 实拍产品摄影,<Picture 1> 中产品的形状、材质、标签文字、颜色、位置和背景完全不变。镜头以小幅度、慢速顺时针环绕(Arc),既有的高光自然扫过表面。产品旋转不超过十五度,随后回到稳定的正面英雄角度,标签朝向镜头。不要新增手、包装、液体、烟雾或其他道具。

overall_soundscape: 安静的摄影棚底噪,加一丝轻微的转台机械嗡鸣。

non_diegetic_music: 一个低音合成器音符缓缓升起,在最后一帧前淡出。
编辑并生成这段视频

需要首帧图:点「使用此提示词」后先上传一张图片。

I2VA10sadaptive

让风景首帧动起来

只移动图片中已有元素,同时保留时段、地理关系、色调与原始构图。

提示词语言
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 电影感风景,<Picture 1> 中的山体、湖面、岸线、云层与色调保持一致。镜头在既有岸线上方以小幅度、慢速推进(Push In)。湖面泛起涟漪,可见的草随风轻摆,既有的云层逐渐自左向右漂移。保持原有时段,不要引入首帧里没有的人物、建筑、动物或天气效果。

overall_soundscape: 微风穿过草地,细浪拍岸,远处传来一声鸟鸣。

non_diegetic_music: 持续轻柔的弦乐,慢速,全程保持安静平稳。
编辑并生成这段视频

需要首帧图:点「使用此提示词」后先上传一张图片。

H3 提示词的三个核心字段

integrated_multimodal_description:
[Shot 1] style + composition + subject + action
[Shot 2] At 00:05.000, cut + camera + result

overall_soundscape:
ambience + physical sounds + non-verbal sounds

non_diegetic_music:
instruments + tempo + dynamics, or N/A

写时间变化,不是静态画面

一条强 MiniMax H3 提示词要控制什么

从可见、可听的时间线开始。每个细节都应对应一个镜头、动作、运镜决定、对白或片段中真实会发生的声音。具体且不冲突的指令,比堆很多视觉形容词更有效。

按时间推进的镜头表

用 [Shot 1] 开场,后续切镜使用递增时间戳,例如 [Shot 2] At 00:05.000。切镜应带来新信息;只是景别变化时优先写运镜。

运镜类型、幅度与速度

把 Push In、Pull Out、Pan、Truck、Tilt、Arc、Tracking、Static、POV 等运镜自然写进动作。只有确实重要时,再补充幅度大小和速度快慢。

把声音放进正确字段

对白和镜头同步声音写进时间线;环境声、物理动作声汇总到 overall_soundscape;角色听不到、只有观众能听到的配乐写进 non_diegetic_music。不需要配乐时写 N/A。

五种官方提示词模式

按输入素材选择正确的 H3 结构

不同素材对应不同开场指令。纯文生视频不要硬塞参考素材标签;首帧图生视频也不要把模型已经看到的图片当成完全未知画面重新发明。

T2VA

文生视频直接从三个核心字段开始,完全用文字搭建一条完整的音视频时间线。

本站可用

I2VA

图生视频先把 Picture 1 锚定在 0.00 秒,再保留人物、构图、光线和物体关系,描述画面如何向前发展。

本站可用

FL2VA

首尾帧模式把两张图分别对齐开头与结尾时间,再描述一条连续、符合物理逻辑的中间路径。

仅官方指南

L2VA

末帧模式从给定结尾反推合理的开场状态,并让动作、物体与构图逐步收敛到最后一帧。

仅官方指南

Ref2VA

全参考模式先定义人物与图片、视频、音频标签,再说明目标时间线里哪些内容被保留、迁移、编辑或复用。

仅官方指南

中文提示词

H3 的取值可以写中文,字段名必须保留英文

三个时间线字段是固定结构,integrated_multimodal_description、overall_soundscape、non_diegetic_music 必须按 MiniMax 定义的英文原名写。字段里面的内容可以用中文:场景描述、运镜、对白、环境声都可以。MiniMax 官方的 skill 与 API 文档用英文书写,所以公开示例大多是英文。

  • 三个字段名保留英文。翻译字段名会破坏模型训练时使用的结构。
  • 取值用你的观众读得懂的语言写。运镜术语建议保持可识别——Arc、Push In、Pull Out、Truck、Tracking,直接用英文,或写成「推进(Push In)」这种带英文标注的形式。
  • 对白要标语言,模型才会用对的声音:<d>[Chinese] 台词</d> 或 <d>[English] line</d>。每个说话人固定一个编号,例如 (S1)。
英文取值
[Shot 1] Live-action macro food cinematography, an extreme close-up frames a spoon breaking through the caramelized top of a small crème brûlée. The camera pushes in with small amplitude at slow speed...
中文取值
[Shot 1] 实拍微距美食摄影,极端特写拍一把勺子压碎一小份焦糖布丁的糖壳。镜头以小幅度、慢速推进(Push In)...

两行描述的是同一个镜头,上面的字段名完全相同。任意模板卡的「中文 / EN」切换都能看到完整的中英两版。

下一版只调整一个地方

保留同一份素材和场景,每次测试一项调整。以下是提示词写作的起点,不是实测修复结论。

看到的问题下一版怎么试保留什么
动作太多,片段显得仓促先缩成一个动作,比如端起杯子,再考虑增加第二个动作。主体与地点。
图生视频偏离了参考图先写明哪些内容保持不变,再描述小幅运动,不要重新设计人物或产品。同一张参考图。
镜头方向前后不一致选固定镜头或一种运镜,删掉同时推进和拉远的指令。动作与声音。

生成前检查

H3 提示词五点自检

  • 让动作能在 5、10 或 15 秒内完成;故事太长时先删情节,而不是继续加切镜。
  • 每个说话人固定使用一个编号,例如 (S1);<d> 标签内只保留真正说出口的文字。
  • 只有第 2 个分镜及之后才写精确时间戳;[Shot 1] 从 0 开始,不写时间戳。
  • 图生视频先保留上传图片已经确定的内容,再描述从这张首帧开始发生的运动。
  • 删除互相冲突的运镜、重复的声音指令,以及不会改变镜头的装饰性形容词。

来源与证据边界

本页的结构、字段名与模式定义来自 MiniMax 公开的 H3 提示词材料与 API 文档。8 个模板和页面上所有视频都由本站制作,既没有冒充官方 prompt,也没有把它们包装成受控质量评测。

MiniMax H3 提示词 FAQ

写 H3 提示词前,最常被问到的 5 件事

MiniMax H3 的提示词可以用中文写吗?

可以。三个字段名要保留英文,因为那是固定结构;字段里面的取值可以全中文——场景、动作、运镜、对白、环境声都能写。对白记得标语言,例如 <d>[Chinese] 我们错过了最后一班。</d>,模型才会用对的声音。本页每条模板都有中文版,卡片里可以直接切换。

提示词写得没问题,画面却不按它走,通常是哪里出错?

先检查三件事:动作链是否超出了片段能容纳的范围;同一时刻是否塞了互相冲突的运镜;图生视频是否把原图里已经确定的内容又重写了一遍。比如,把“走过房间、拿起杯子、喝水、转身、离开”收成一个动作:“人物端起杯子,镜头保持静止。”下一版保留同一张参考图,每次只改一条指令,方便比较。这里是写作示例,不是保证有效的修复方法,也不是实测生成结果。

H3 有 negative prompt(负面提示词)字段吗?

官方格式里没有单独的负面提示词输入框。把「不要出现什么」写成时间线里的一句普通句子即可,位置和动作写在一起,例如 Do not add hands, packaging, liquid, smoke, or extra props. 本页 3 条图生视频模板就是这么写的。

这些模板能直接贴到 Veo、Kling 或其他视频模型上用吗?

不能直接搬。字段名、[Shot N] 时间线、At 00:05.000 这类切镜时间戳和 <d> 对白标签都是 MiniMax H3 的约定,其他模型更适合读一段自然语言段落。可以复用的是镜头计划本身——主体、动作、运镜、声音,再按那个模型的格式重写外壳。

提示词里要不要写分辨率、时长、画幅比例?

不用。这些是生成器里的请求参数,写在提示词文本里 H3 不会当回事。提示词只负责内容和时间:发生什么、按什么顺序、从哪个视角看、听到什么。「15s,16:9」这种前缀只会白占字符,那些字符留给镜头描述更划算。

在这里生成你的 H3 视频

使用这份 5 秒预览提示词