用MINIMAX H3 做港风影片

【MiniMax H3 官方提示词写作规范】

以后帮我写 MiniMax H3 视频提示词时，请严格按照 MiniMax-AI 官方
h3-prompt-writing 规范编写。

一、先判断生成模式

T2VA = 纯文字生成视频
I2VA = 图片作为视频首帧
FL2VA = 首帧图片 + 尾帧图片
L2VA = 图片作为视频最后一帧
Ref2VA = 人物 / 场景 / 视频 / 音频等多模态参考生成

如果我上传一张图片并要求“让这张图片动起来”，默认使用 I2VA。

━━━━━━━━━━━━━━━━━━

二、T2VA / I2VA / FL2VA / L2VA
正文固定使用三个字段，而且顺序不能改变：

integrated_multimodal_description:
overall_soundscape:
non_diegetic_music:

正文描述使用英文。

人物实际说出的对白、歌词以及画面中要求出现的文字，
保持我提供的原始语言，不要擅自翻译或改写。

━━━━━━━━━━━━━━━━━━

三、I2VA 首帧图生视频

如果我上传一张图片作为首帧，提示词第一行写：

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

然后空一行，再写：

integrated_multimodal_description: [Shot 1] ...

overall_soundscape: ...

non_diegetic_music: ...

Picture 1 就是视频 0 秒的真实首帧。

从原图自然发展动作，不要重新设计人物。

尽量保持：
人物身份
五官
发型
服装
颜色
身体比例
主要物体
空间位置
场景布局
光线
整体画风

推荐动作逻辑：

首帧状态
→ 动作开始
→ 连续动作发展
→ 最终动作 / 表情反应

━━━━━━━━━━━━━━━━━━

四、镜头写法

第一个镜头：

[Shot 1]

Shot 1 不需要写开始时间。

如果发生真正的切镜，再写：

[Shot 2] At 00:03.500, the camera cuts to ...

后续时间必须递增，而且不能超过视频总时长。

如果只是轻微改变距离或者角度，
优先使用摄影机运动，不要随便切镜。

常用摄影机运动包括：

Push In / Pull Out
Zoom In / Zoom Out
Pan Left / Pan Right
Truck Left / Truck Right
Tilt Up / Tilt Down
Pedestal Up / Pedestal Down
Arc Shot
Tracking Shot
Static Shot
POV

如果需要控制幅度和速度，可以写：

with small amplitude
with large amplitude
at slow speed
at fast speed

例如：

The camera pushes in with small amplitude at slow speed toward her face.

━━━━━━━━━━━━━━━━━━

五、人物对白写法

每一个会说话的人必须固定 Speaker ID。

第一个人物：
(S1)

第二个人物：
(S2)

同一个人物从头到尾保持同一个 ID。

人物第一次说话时，要描述：

人物身份
性别 / 年龄感
声音音色
音高
语速
口音
说话情绪

这些信息写在 <d> 外面。

真正说出的台词写进：

<d>[Chinese] 台词</d>

例如：

The young woman with a soft, sweet, breathy voice,
slightly fast speaking rate and natural Mandarin pronunciation (S1)
says: <d>[Chinese] 成叔，什么时候回来呀？我好想你。</d>

注意：

<d> 内只能放真正说出来的话。

我的中文台词必须保持原文，
不要润色、翻译、删字或擅自增加台词。

需要嘴型同步时明确描述：

Her lip movements remain accurately synchronized with every spoken syllable.

━━━━━━━━━━━━━━━━━━

六、旁白

如果人物只是旁白，而画面中的人物没有张嘴，
使用：

says in an off-screen voiceover

并明确：

while her lips remain completely closed.

━━━━━━━━━━━━━━━━━━

七、动作和表演

按照真实时间顺序写。

不要只写抽象词，例如：

“她很可爱”
“她很撒娇”
“她很伤心”

而要写成可以直接看到的动作和微表情，例如：

she slightly tilts her head
she blinks naturally
she softly purses her lips
she raises her eyebrows slightly
she gives a small pleading smile
her eyes soften
her loose hair shifts subtly
she gently sways her feet

动作尽量少而明确。

短视频尤其是 5～10 秒，
不要塞太多动作。

人物说长对白时，
优先保证：

嘴型
表情
眼神
自然眨眼
呼吸
轻微头部动作

不要让人物为了“有动作”一直乱动。

━━━━━━━━━━━━━━━━━━

八、overall_soundscape

这里只写视频世界中真实存在的环境声音，例如：

房间环境声
呼吸声
衣服摩擦
脚步
雨声
风声
汽车声
碰撞声
床单摩擦声

不要在这里重复人物对白。

一般写 1～4 句英文。

例如：

overall_soundscape:
Quiet bedroom room tone continues underneath.
Soft fabric rustling accompanies her small movements,
with faint natural breathing close to the microphone.

━━━━━━━━━━━━━━━━━━

九、non_diegetic_music

这里只写“人物听不到、只有观众听到”的背景音乐。

例如：

non_diegetic_music:
Sparse piano notes at a slow tempo with soft sustained strings.

如果不要背景音乐：

non_diegetic_music: N/A

不要把人物能听到的手机音乐、电视音乐、
现场演奏等写在这里。
这些属于场景内部声音，应写进 integrated_multimodal_description。

━━━━━━━━━━━━━━━━━━

十、写人物说话视频时

尤其是我经常制作的：

单个人物
一张首帧图
5～10 秒
人物面对镜头说话

默认优先：

单镜头
Static Shot 或非常轻微 Push In
保持人物一致性
保持场景一致性
自然眨眼
自然呼吸
轻微头部动作
细微表情
准确中文嘴型
少量真实环境声
无字幕
无文字
无突然镜头运动
无夸张动作
无人物身份漂移

不要为了丰富画面随便切镜头。

━━━━━━━━━━━━━━━━━━

十一、时长

必须根据我要求的视频时长设计动作和对白节奏。

例如我说“8秒”，
所有动作、台词和镜头都必须能够在 8 秒内完成。

如果台词比较长：
可以适当提高 speaking rate，
但不要让人物像赶台词。

如果最后一句需要撒娇、强调、停顿，
要给它预留时间。

━━━━━━━━━━━━━━━━━━

十二、输出要求

最终直接给我一个完整、可以复制到 MiniMax H3 的英文提示词。

不要把提示词拆成很多零散解释。

如果需要解释，可以放在完整提示词后面。

对话保持中文原文。

默认不要字幕、不要画面文字，
除非我明确要求。

如果我给了参考图片，
必须围绕参考图片写，
不要擅自重新设计人物和场景。