MiniMax H3 对话与时序提示词指南

MiniMax H3 提示词指南：控制对话、剪辑与时序

这份 MiniMax H3 提示词指南 将展示如何控制说话人、口型同步、剪辑、声音和产品一致性，而不是依赖画面好看却含糊不清的场景描述。

一个来自 MiniMax H3 社区的示例，展示了引导式对话、动作、清晰可读的道具、镜头运动和定时反应镜头。

开场片段来自 Reddit 用户 GrayingGamer 分享的结构化提示词。它指示了两位说话人、多个动作、清晰可读的道具、镜头运动、声音，以及大约在第十秒出现的反应镜头。商业项目应使用获得授权的角色、声音、产品和品牌资产。其有价值的经验在于采用了拍摄脚本逻辑。

为什么 MiniMax H3 提示词指南很重要

简短提示词可用于单一主体和单一动作。当涉及多位说话人、画外音、多个镜头或定时产品动作时，结构就变得很有用。否则，正确的声音可能播放出来，但错误的角色却在动嘴。剪辑可能过早出现，产品也可能在镜头之间发生变化。

实用的 MiniMax H3 提示词指南 应减少这种歧义。再多的风格形容词，也无法替代清晰的说话人身份或时间线。

选择正确的官方 MiniMax H3 提示词指南

MiniMax 提供两项官方资源：

官方资源	最适合	主要结构
视频提示词编写指南	文生视频、图生视频、首尾帧和尾帧任务	integrated_multimodal_description、overall_soundscape、non_diegetic_music
全参考模式指南	使用独立主体、图像、视频、动作或音频参考的任务	从 subject_definitions 到 non_diegetic_music 的六个部分

视频提示词编写指南

全参考模式指南

对于文本或帧驱动生成，请使用第一份 MiniMax H3 提示词指南。当图像定义产品、视频控制运动或音频控制语音表达时，请使用全参考指南。

当前官方语法为说话人提供了稳定的 ID，例如 (S1) 和 (S2)。说话人身份和表达方式应置于 <d> 之外。只有语言和说出的内容应放在其中：

声音清晰、自信的女主持人 (S1) 问道：
<d>[English] Ready for the pressure test?</d>

对于画外台词，请将其标识为画外旁白，并说明画面中角色的嘴唇保持闭合。

可控时间线的四条规则

1. 分配说话人和静默角色。 每个声音只介绍一次，在不同镜头中保持相同 ID，并标识哪些人不得说话。
2. 将剪辑点放在时间线上。 从不带时间戳的 [Shot 1] 开始。为后续镜头设置递增的剪辑时间：

[Shot 1] 中景建立主持人、技术员和测试水箱的画面。
[Shot 2] At 00:04.000, 镜头切换至手表特写。
[Shot 3] At 00:08.000, 镜头切换至技术员举起手表的画面。

3. 分离语音和声音。 将对话放在 <d> 中，将物理声音放在 overall_soundscape 中，将仅供观众听到的音乐放在 non_diegetic_music 中。
4. 使脚本匹配输出时长。 如果对话重叠或产品动作进行得太快，请缩短脚本或延长片段。

这份 MiniMax H3 提示词指南 不仅控制剪辑，也控制节奏。时间戳之间的间隔，就是每项动作和台词可使用的时间。

MiniMax H3 提示词测试：简短版与结构化版

我们针对一个手表压力测试概念，测试了两种提示词风格。它要求三个镜头、两个人、三句台词、一句男性画外台词、两次剪辑，以及一只保持一致的潜水表。这项 MiniMax H3 提示词指南 对比是一项实际演示，而非正式基准测试。

主要提示词差异如下：

控制项	简短提示词	结构化提示词
说话人	在段落中按角色描述	固定为 (S1) 和 (S2)
画外台词	“技术员在画外说话”	明确的画外旁白加闭嘴指令
剪辑	以普通时间指示的方式书写	写作 [Shot 2] At 00:04.000 和 [Shot 3] At 00:08.000
声音	笼统要求真实声音	分别置于 overall_soundscape 和 non_diegetic_music 中

测试 1：简短提示词

简短版本创建了令人信服的工作室场景，并让手表保持可辨识性。然而，在技术员的画外台词期间，女主持人明显动嘴，仿佛在用他的声音说话。其剪辑大约出现在 3.54 秒和 6.79 秒，因此最终展示过早开始。

测试 2：结构化 MiniMax H3 提示词指南格式

结构化的 MiniMax H3 提示词指南 版本使用了说话人 ID、画外旁白、闭嘴指令和定时镜头。其剪辑大约出现在 3.92 秒和 7.88 秒，接近要求的四秒和八秒时间点。

没有出现明显的错误口型同步。手表占据前景，主持人则留在背景中。她的嘴部部分被遮挡，因此这并不能证明执行完美无误。不过，结构化的 MiniMax H3 提示词指南 避免了测试 1 中明显的不匹配问题。

结果	简短提示词	结构化提示词
说话人归属	男声配合可见的女性嘴部动作	没有明显的错误人物口型同步
剪辑时序	约 3.54 秒和 6.79 秒	约 3.92 秒和 7.88 秒
产品一致性	手表保持可辨识性	手表保持可辨识性，且特写更突出
遗留问题	可见的说话人不匹配	技术员衬衫上出现轻微伪文字

简短提示词在 4.5 秒时的画面	结构化提示词在 4.5 秒时的画面

在 4.5 秒时，简短版本显示画面中可见的主持人随着技术员的画外声音动嘴。结构化版本避免了同样明显的不匹配。

两个片段看起来都具有商业可用的可信度。这项 MiniMax H3 提示词指南 测试并不表明更长的提示词总能生成更漂亮的画面。它说明，正确的结构可以提升控制力。

可复用的 MiniMax H3 提示词指南模板

integrated_multimodal_description:
[Shot 1] 风格、构图、产品、说话人 (S1)、动作和对话。
[Shot 2] At 00:SS.mmm, 新构图、产品动作、说话人 (S2)、
画外或画内表达、准确对话，以及谁保持静默。
[Shot 3] At 00:SS.mmm, 最终动作、产品一致性和结束画面。

overall_soundscape: 按播放顺序排列的环境声和物理声音。
non_diegetic_music: 仅供观众听到的配乐，或 N/A。

对于参考模式，请改为遵循第二份官方 MiniMax H3 提示词指南。在编写时间线之前，先定义每个 <Subject N>、<Picture N>、<Video N> 或 <Audio N> 所控制的内容。

商业质量检查清单

在批准电商或社交视频前，请检查：

• 每句台词均由预定说话人发出，静默角色不会产生错误口型同步。
• 剪辑发生在接近要求的时间点，并为对话和产品动作留出充足空间。
• 产品的颜色、结构、标志、纹理和比例保持稳定。
• 手部、面部、反射、阴影、接触点和可见文字均通过审核。
• 构图适合目标产品详情页、平台商品列表、Reel、TikTok 或广告。

将提示词转化为 WeShop AI 工作流

在 WeShop AI 中打开 MiniMax H3 工作流，并选择适合您资产的输入模式。使用文本从零开始构建，使用首帧锁定开场构图，或者在独立资产控制产品身份、动作或声音时使用全参考模式。

然后遵循以下五个步骤：

1. 定义交付内容和时长。
2. 分配说话人、参考资料和锁定的产品细节。
3. 编写符合实际的 MiniMax H3 提示词指南 时间线。
4. 生成一个草稿，并检查控制失败问题。
5. 仅在基础视频通过审核后再创建营销活动变体。

对于对话广告、演示、讲解视频和多角色视频，这份 MiniMax H3 提示词指南 的经验很简单：更多细节不会自动产生更漂亮的视频。正确的细节会带来更可控的视频。

编辑说明：发布任何第三方素材、角色肖像或声音参考前，请确认已获得许可。