MiniMax H3 官方使用手册：一个三段公式，把提示词从描述画面改成给素材派活

但先得知道 H3 能吃什么、吐什么

动手写之前有个前提：模型的能力边界直接决定提示词该怎么写。比如提示词上限 7000 字符这一条，就解释了为什么官方给的范例动辄上千字，它是真的鼓励你把话说满。

输入这边分两个入口，能力差得很远，选错入口，提示词写得再好也没用：

手册给 H3 划的三大能力

知道模型能干哪几类活，写提示词时才知道该往哪个方向使劲。手册开头给了个官方分类，原话如下：

前两项各自还拆了四条细分能力，后面的案例就是按这些条目组织的：

第一段：先给每个素材派活

这是全篇最需要转过弯来的一处。过去写视频提示词，第一件事是描述画面；现在第一件事变成了逐个交代你上传的每个素材是干什么用的。

两件事：写清编号（按你上传的顺序，@图片1、@音频2、@视频3），写清用途。

官方把「用途」列成了一张词表，一共 13 个标签。这张表本身就可以照抄，写第一段时对着挑就行：

@图片1 提供了xx角色的形象（如果有多个角色，需要能指代清楚），@视频2提供了动作参考。

还有两条补充规则很实在。素材里有特别想保住的特征，明确写出来，一致性会更好。做音频复刻时，如果对白或歌词内容必须保住，官方强烈建议把歌词原文一起补上，比如「@音频1 作为目标视频的音频复刻素材，具体歌词是：'ABCDEFGHIJKLMN'」。

「音色参考」这个标签实际长什么样，看一眼就懂：给一段音频当音色参考，再给一句要说的台词，人物就用那个嗓子把话说出来。

词表最后那个「视频编辑」标签，管的是改片子。最简单的一条提示词就是一句大白话，「把视频中的猫换成狗」：

没传素材的时候，这一整段跳过。

第二段：一句话锁住全片

素材派完活，接着定这条片子是什么。核心创意要用一句话锁住全片，官方要求它必须包含四样东西：主体（谁／什么）、地点（在哪）、事件（在做什么）、题材风格（写实／动画／电影感／广告片……），另外可以补一个特殊运镜（航拍／一镜到底／慢动作）。

一位穿汉服的年轻女子（@图片1）在樱花纷飞的庭院里舞剑，古典国风，电影质感，一镜到底。

这一段里藏着两条外面很少讲的硬规矩。

官方还把「题材风格」和「切镜风格」各列了几个具体选项，写的时候直接挑：

题材/风格：写实 / 动画 / 电影感 / 广告片 / 纪录片……
特殊风格列举：赛博朋克 / 霓虹灯美学 / 涂鸦风 等

特殊运镜：航拍 / 一镜到底 / 慢动作……
  · 默认会切镜
  · 运镜风格：写清即可；注意环绕运镜，建议用 truck left + pan right
    或者 truck right + pan left，而非直接说环绕运镜
  · 切镜风格：
    · 普通切镜（cut）
    · 叠化切镜（fade）
    · 随着节奏卡点切镜
    · 快切

如果任何元素有直接和引用素材的关联，都欢迎用 @图片1 / @音频1 / @视频1 等方式强调。

还有一条跟文字有关：你想让视频里出现具体的文字、Logo、标题、按钮文案，必须把原文一字不差写出来。比如「手机屏幕上显示标题：'AI Video Creation'，按钮文字为：'Start Now'」。手册里那些满屏文字动效的案例，提示词里都老老实实把每个字写死了：

第三段：按时间轴写想要和不想要

定完全片调性，所以最后才写每一秒发生什么。这一段按时间轴分块，以「切镜」为时间戳，每一块要写六项。

0-3 秒：全景，女子（@图片1）从画面左侧缓步走入樱花庭院（@图片2），背景虚化，没有对白，只有脚步声。
3-8 秒：切镜到女子（@图片1）的中景，她拔出长剑（@图片3），缓缓起势，樱花瓣从树上飘落。镜头推进。
8-12 秒：切镜到特写，剑光一闪，慢动作，樱花被剑气激得四散。
非叙事性音乐：N/A

最后那行就是「不想要」的写法。想让视频里没有背景音乐，光说「不要 BGM」不管用，得写这句：

非叙事性音乐：N/A

或者用英文格式：
"non_diegetic_music": N/A

另外两条：尽量少写比喻句，多写看得见的画面，H3 擅长的是明确的画面指令，抽象比喻它接不住；有台词就必须写出具体内容，不能只写「她说了句狠话」。

这一段写到极致是什么样？手册里有条提示词一口气要求改四处东西，每一处都写得死死的：

台词跟镜头对不齐，口型就崩

但写分镜还有个官方特意强调的坑。手册在这条后面专门加了句「这个得强调下，很多口型问题会来自于这个」，

相关的还有三条：

跨镜头的台词，要写明它跨了哪些镜头。H3 能响应 J-cut 和 L-cut，但你得说清楚。

说话的人是谁、在不在画面里，要交代清楚。手册给了个复杂例子：

一个画外音响起说：Wake up Wake up。之后切镜到一个中年妇女的近景，她是画外音的主人，她继续说道：It's time to go to school！

切镜的时候写清切到什么景别、主体是前面哪个角色，跨镜头的一致性会保持得更好。

三种模式，提示词写法不一样

那么同样一套公式，喂法不同写法也不同。手册把它分成三种模式：

中间那条容易踩：很多人传首尾帧是想让 H3 在两张图之间「演一段」，结果发现它老老实实只补了中间的动作，没有任何镜头切换。这是设计如此，不是失败。

官方自己列了六个最常踩的坑

写法讲完了，接着看官方替你总结的错题本。这张表可以直接贴在手边：

两条上千字的成品，可以直接抄

但光有规则还不够，官方在手册末尾给了两份写满的范文，都是上千字的完整提示词，结构严格按三段式排。

第一条：大字幕 MV

trap 音乐录像带风格。这条最值得学的是它有一整段「律动规则」，把音乐节拍和画面动作绑死：

hi-hat roll → 快速微震、跳帧、文字细碎重组
snare → 文字猛然放大、画面硬切、人物肩膀下压
808 bass hit → 低频压屏、画面短暂变形、文字纵向拉伸或横向压缩
vocal 关键词 → 嘴型同步、下颌动作、头部点拍、手势推进