MiniMax H3 對話與時間控制提示詞指南

MiniMax H3 提示詞指南：控制對話、剪輯與時間

本 MiniMax H3 提示詞指南說明如何控制說話者、唇形同步、剪輯、音效及產品一致性，而非僅依賴美觀卻模糊的場景描述。

一個社群 MiniMax H3 範例，展示有導向的對話、動作、可讀取的道具、鏡頭移動與定時反應鏡頭。

開場片段來自 Reddit 使用者 GrayingGamer 分享的結構化提示詞。它指示兩位說話者、多個動作、可讀取的道具、鏡頭移動、聲音，以及約在第十秒出現的反應鏡頭。商業專案應使用已獲授權的角色、聲音、產品與品牌資產。這個範例的重要啟示在於其拍攝腳本邏輯。

為何 MiniMax H3 提示詞指南很重要

簡短提示詞可適用於單一主體與單一動作。當有多位說話者、畫外音、多個鏡頭或需定時的產品動作時，結構便會變得實用。否則，正確的聲音可能播放時，卻由錯誤的角色動嘴唇。剪輯可能過早出現，產品也可能在鏡頭之間改變。

實用的 MiniMax H3 提示詞指南應減少這類模糊性。加入更多風格形容詞，無法取代明確的說話者身分或時間軸。

選擇正確的官方 MiniMax H3 提示詞指南

MiniMax 提供兩項官方資源：

官方資源	最適用於	主要結構
影片提示詞撰寫指南	文字生成影片、圖片生成影片、首尾幀及末幀任務	integrated_multimodal_description、overall_soundscape、non_diegetic_music
全參考模式指南	使用獨立主體、圖片、影片、動作或音訊參考資料的任務	從 subject_definitions 到 non_diegetic_music 的六個區段

影片提示詞撰寫指南

全參考模式指南

文字或畫面主導的生成，請使用第一份 MiniMax H3 提示詞指南。當圖片定義產品、影片控制動作，或音訊控制語音傳達時，請使用全參考指南。

目前的官方語法為說話者提供穩定 ID，例如 (S1) 與 (S2)。說話者身分與說話方式應置於 <d> 之外。只有語言與說出的文字應放在其中：

聲音清晰、自信的女性主持人 (S1) 問道：
<d>[English] 準備好進行壓力測試了嗎？</d>

對於畫外台詞，請將其標示為畫外旁白，並註明畫面中的角色嘴唇保持閉合。

可控時間軸的四項規則

1. 指定說話者與靜默角色。 每個聲音只介紹一次，跨鏡頭維持相同 ID，並指出誰不得說話。
2. 將剪輯放入時間軸。 從不含時間戳記的 [Shot 1] 開始。後續鏡頭請使用遞增的剪輯時間：

[Shot 1] 中景建立主持人、技術員與測試水槽的場景。
[Shot 2] At 00:04.000，鏡頭切換至手錶特寫。
[Shot 3] At 00:08.000，鏡頭切換至技術員舉起手錶。

3. 區分語音與聲音。 將對話放在 <d> 中，實體聲音放在 overall_soundscape，僅供觀眾聽見的音樂則放在 non_diegetic_music。
4. 使腳本符合輸出長度。 若對話重疊或產品動作進行得太快，請縮短腳本或延長片段。

本 MiniMax H3 提示詞指南不只控制剪輯，也控制節奏。時間戳記之間的間隔，就是每個動作與台詞可使用的時間。

MiniMax H3 提示詞測試：簡短版與結構化版

我們以兩種提示詞風格測試一個手錶壓力測試概念。它需要三個鏡頭、兩位人物、三句台詞、一句男性畫外台詞、兩次剪輯，以及一只外觀一致的潛水錶。這項 MiniMax H3 提示詞指南比較是實務展示，而非正式基準測試。

主要提示詞差異如下：

控制項目	簡短提示詞	結構化提示詞
說話者	在段落中以角色描述	固定為 (S1) 與 (S2)
畫外台詞	「技術員在畫外說話」	明確的畫外旁白加上閉嘴指示
剪輯	以一般時間指示撰寫	寫為 [Shot 2] At 00:04.000 與 [Shot 3] At 00:08.000
聲音	概括要求真實音效	分為 overall_soundscape 與 non_diegetic_music

測試 1：簡短提示詞

簡短版本建立了令人信服的攝影棚場景，並讓手錶保持可辨識性。然而，在技術員的畫外台詞期間，女性主持人明顯動著嘴唇，彷彿在用他的聲音說話。剪輯約在 3.54 秒與 6.79 秒出現，因此最後的揭示鏡頭開始得太早。

測試 2：結構化 MiniMax H3 提示詞指南格式

結構化的 MiniMax H3 提示詞指南版本使用了說話者 ID、畫外旁白、閉嘴指示與定時鏡頭。其剪輯約在 3.92 秒與 7.88 秒出現，接近要求的四秒與八秒時間點。

未出現明顯的錯誤唇形同步。手錶佔據前景，而主持人留在背景。她的嘴部部分被遮擋，因此這並不能證明執行完全正確。儘管如此，結構化的 MiniMax H3 提示詞指南避開了測試 1 中可見的不一致問題。

結果	簡短提示詞	結構化提示詞
說話者歸屬	男聲搭配可見的女性嘴唇動作	未出現明顯的錯人唇形同步
剪輯時間	約 3.54 秒與 6.79 秒	約 3.92 秒與 7.88 秒
產品一致性	手錶保持可辨識性	手錶保持可辨識性，且特寫更突出
尚存問題	可見的說話者不一致	技術員襯衫上出現輕微的偽文字

簡短提示詞在 4.5 秒時	結構化提示詞在 4.5 秒時

在 4.5 秒時，簡短結果顯示可見的主持人隨技術員畫外聲音動嘴唇。結構化結果避免了同樣明顯的不一致。

兩段影片看起來都具備商業應用的合理性。這項 MiniMax H3 提示詞指南測試並不表示較長的提示詞總能產生更美的畫面；它證明了正確的結構能改善控制力。

可重複使用的 MiniMax H3 提示詞指南範本

integrated_multimodal_description:
[Shot 1] 風格、構圖、產品、說話者 (S1)、動作與對話。
[Shot 2] At 00:SS.mmm，新的取景、產品動作、說話者 (S2)、
畫外或畫內傳達方式、精確對話，以及誰保持靜默。
[Shot 3] At 00:SS.mmm，最終動作、產品一致性與結尾畫面。

overall_soundscape: 依播放順序排列的環境與實體聲音。
non_diegetic_music: 僅供觀眾聽見的配樂，或 N/A。

若使用參考模式，請改為遵循第二份官方 MiniMax H3 提示詞指南。在撰寫時間軸之前，先定義每個 <Subject N>、<Picture N>、<Video N> 或 <Audio N> 所控制的內容。

商業品質檢查清單

在核准電商或社群影片前，請檢查：

• 每句台詞均來自指定的說話者，且靜默角色不會產生錯誤唇形同步。
• 剪輯接近要求的時間點，並為對話與產品動作保留足夠空間。
• 產品的顏色、結構、標誌、材質與比例保持穩定。
• 手部、臉部、反射、陰影、接觸點與可見文字皆通過審核。
• 取景適合預定的 PDP、電商平台商品頁、Reel、TikTok 或廣告。

將提示詞轉化為 WeShop AI 工作流程

在 WeShop AI 開啟 MiniMax H3 工作流程，並選擇符合資產的輸入模式。使用文字從零建立內容、使用首幀鎖定開場構圖，或在獨立資產控制產品身分、動作或聲音時使用全參考模式。

接著依照五個步驟進行：

1. 定義交付內容與時長。
2. 指派說話者、參考資料及鎖定的產品細節。
3. 撰寫符合實際節奏的 MiniMax H3 提示詞指南時間軸。
4. 生成一個草稿並檢查控制失誤。
5. 僅在基礎影片通過審核後，再建立行銷活動變體。

對於對話廣告、示範影片、說明影片及多角色影片，這份 MiniMax H3 提示詞指南的教訓很簡單：更多細節不會自動產生更漂亮的影片；正確的細節才能產生更可控的影片。

編輯註：發布任何第三方影片素材、角色肖像或聲音參考資料前，請先確認已取得授權。