MiniMax H3 提示詞指南：鏡頭、剪接與參考素材

快速說明： 在 MiniMax H3 上，單次生成最長可達 15 秒，你在其中撰寫的鏡頭會在同一次渲染中剪接在一起，因此重點在於 把秒數按鏡頭分配運用：每個鏡頭一個構圖、一個動作、一句台詞，所有鏡頭的秒數加起來就是這段片段的總長。也要事先規劃參考素材——這個系列最多可使用 9 張圖片與 3 段語音 clips，比 Wan 步驟的數量少。

A storyboard segment in the editor: location, time and weather fields, then numbered shots with durations, asset chips and the spoken line — 故事板編輯器中的一個片段：每個編號鏡頭都有各自的秒數、登場人物、事件與台詞，這些秒數加總起來就是生成的總長。

為這個系列撰寫提示的不同之處

你不需要在單獨的欄位中為影片模型寫提示詞，而是在故事板裡撰寫一個片段的所有鏡頭，格式是所有方案都通用的——標記與秒數、構圖與鏡頭、畫面中的人物、發生的事件、台詞、聽到的聲音——網站會把這個片段轉換成單一請求。MiniMax H3 改變的是這個請求的規模。一個片段最長為 15 秒，一律會連同聲音一起渲染，而且可以在其中放入數個剪接，因此一段短對話與對方的反應會以單一檔案輸出，不用從分開的渲染結果拼接。

這讓這個系列很適合短而緊湊的節奏：一場轉折的對峙、一個揭曉與其反應、兩句台詞的交換。它比較不適合需要單一長鏡頭不間斷的場景，或是演員陣容龐大的狀況，後面的章節會說明各種狀況該怎麼處理。

先寫鏡頭，再標秒數

AI 短劇《火箭狗狗》劇照，由 SceneMixer 端到端生成（7 位角色、1 集） — 範例：《火箭狗狗》— 劇場版3D動畫，1 集，由 SceneMixer 從劇本端到端產出 · 觀看集數

上方的靜態畫面來自《Rocket Pup》，這是本站在 Wan 3.0 · 720P 上從劇本一路做到後製合成的一集；它當時使用的鏡頭語法和 MiniMax H3 片段所用的一樣，差別只在於單次拍攝的長度。

每個鏡頭都以標記與秒數開頭。秒數不是裝飾：一個片段就是一次生成，長度是所有鏡頭的總和，所以在渲染前必須把數字算對。有台詞的鏡頭要預留足夠的說話時間——大約每秒 3 個英文單字——而只有一個表情的鏡頭可以很短。以下是一個四鏡頭的片段，還有剩餘空間，就是這裡撰寫片段的方式：

【鏡頭 1】4 秒：中景，固定鏡頭。@Mara 在桌子主位，@Jules 在她右邊。她把 @密封的信推過去。@Mara（低沉、平穩）：先讀再說不要。（語音：🔊Mara）窗外下著雨。
【鏡頭 2】3 秒：切至特寫。畫面中只有 @Jules。他低頭看信，下顎繃緊。無台詞。
【鏡頭 3】5 秒：切至中景，手持鏡頭。@Jules 推開椅子站起來。@Jules（咬牙）：你沒有權利。（語音：🔊Jules）
【鏡頭 4】3 秒：切至特寫。畫面中只有 @Mara。她沒有移開視線。無台詞。環境音：大廳的時鐘聲。

注意每個鏡頭沒做的事：沒有一個鏡頭在中途改變構圖，沒有一個鏡頭同時包含兩個動作，而沒有台詞的鏡頭都會標註清楚，所以不會有人被迫說話。這些習慣在這裡比在沒有剪接的單一鏡頭中更重要，因為剪接就是這次渲染的結構。

示意圖：長條是一個片段，方塊是它的各個鏡頭，兩者之間的剪接會在同一次生成中渲染完成。這個系列的上限是 15 秒。

把剪接寫進鏡頭清單裡

因為一個片段的所有鏡頭是一起渲染的，所以兩個鏡頭之間的剪接是在渲染內完成，而不是你在編輯器裡手動剪的。把每個新鏡頭當作切到新的構圖，並且寫出來——切至特寫：、切至廣角：——而如果同樣的人物連續出現在兩個鏡頭中，要在兩者之間改變構圖或角度。否則接起來會看起來像跳格。

反之亦然。如果你想要鏡頭一直跟著同一個畫面主體，就把它寫成一個長鏡頭，並給予足夠的秒數；不要只因為這個系列可以剪接，就把它拆成好幾個鏡頭。單一持續鏡頭也是讓動作不間斷的方法，這也是為什麼當整個節奏塞不進 15 秒時，就要把場景移到上限更長的系列。

台詞要短，每個鏡頭只有一位說話者

對話與環境音是這個系列每次生成的一部分；沒有靜音模式，所以沒有台詞的鏡頭應該寫 無台詞，而不是讓模型自己猜。當有兩個人在說話時，把每句台詞各自放在一個鏡頭裡，讓反應成為下一個鏡頭，而不是把一段對話塞進一長串文字裡。短句也比較不容易出錯。

撰寫前先規劃參考素材

這是 H3 片段最常讓人失望的地方，而且問題出在預算計算，不是提示詞寫法。一個片段最多可使用 9 張圖片與 3 段語音 clips，語音總長大約 14 秒，而且語音 clip 必須搭配圖片一起使用才會生效。當一個片段要求的數量超過上限，網站會先捨棄最不重要的參考素材，所以常見的症狀不是報錯，而是聲音改變，或是道具失去設定圖。

所以要圍繞預算來撰寫片段。只標出畫面裡會出現的人物。一場有四位說話者的戲就會超出一個語音名額——把它拆成兩個片段，或是接受額外的說話者會由備註中的文字描述來生成語音。人群不需要每張臉都有設定圖；用文字描述人群，把圖片額度用在鏡頭會帶到的人物上。這個系列的參考素材對照表在它的方案頁面上，MiniMax H3 與其專屬規則中有完整列出。

什麼時候該把這場戲寫給其他系列

如果一個動作必須不間斷地持續超過 15 秒，或是演員陣容大到每張臉都需要自己的設定圖，那麼同樣的鏡頭就適合放在上限更長、參考素材預算更寬的系列：Wan 步驟與 Seedance 2.5 方案單次生成最長可達 30 秒，最多可使用 10 張圖片與 5 段語音 clips。對照比較在何時選擇 MiniMax H3 而非 Wan；旁邊還有 Seedance 2.5 對比 MiniMax H3 的比較。

常見問題

如何在這個網站撰寫 MiniMax H3 的提示詞？

你要在 storyboard 中撰寫鏡頭，而非使用自由格式的提示詞：包含標記與秒數、構圖與鏡頭、畫面中的人物、發生的事件、台詞與氛圍。所有鏡頭的秒數加總即為一次生成的長度，在 MiniMax H3 與 MiniMax H3 Fast 上最長可達 15 秒。

一個 MiniMax H3 的 segment 可以容納多個鏡頭嗎？

可以。同一個 segment 的多個鏡頭會在單次生成中剪接在一起，因此一段對話與其反應可以做為同一個輸出檔案返回。請將每個鏡頭寫成切換到新構圖的鏡頭，並讓秒數加總正確。

為什麼這個人物設定組的聲音在不同 segment 之間會改變？

通常是參考預算的問題：一個 segment 最多可使用九張圖片與三個語音片段，當需求超過上限時，最不重要的參考會先被捨棄。請減少 segment 中登場的人數，或是將 segment 拆分。

MiniMax H3 Fast 使用的鏡頭規格和 MiniMax H3 一樣嗎？

是的。MiniMax H3 Fast 是較低解析度、價格較低的版本，有相同的 segment 上限、聲音與參考限制，每秒花費 16 credits，而 MiniMax H3 則是 25 credits，因此在其中一個版本擬好的鏡頭列表，在另一個版本也能無異常生成。

什麼時候我應該改寫成較長的單鏡頭？

當一個連續動作需要超過 15 秒，或是演員陣容需要超過九張圖片時。這兩種情況都是將該場景移到上限更長的人物設定組的理由。

撰寫第一個 segment，看看秒數加總的結果

貼上劇本，在 storyboard 中打開一個 segment，先使用草稿方案生成，再決定是否要完成最終版本。

建立專案

更新於 2026 年 10 月 14 日