同样是生成一条十来秒的视频，商品广告要保住外观，人物表演要看情绪和动作，对白镜头还要听清谁在说什么。选视频模型时，先找到与自己任务相近的样片，再看它完成了哪些要求，会比只看一条炫技混剪更有帮助。
MiniMax H3 值得关注的地方，是可以在同一任务里结合文字、图片、视频和音频：商品图规定外观，人物图规定角色，参考视频交代动作或运镜，音频提供声音方向。实际创作中，需要把这些素材各自负责什么写清楚。
本文结合官方演示和公开作者样片，分别看商品广告、人物表演、说话镜头、动态动作与镜头运动。文中的试拍提示词是为说明方法编写的教学示例，尚未生成验证；公开样片也不代表我们自己完成了同条件实测。
一、先确定任务，再决定给 H3 什么参考
准备素材之前，先写下这条视频最不能出错的地方。做眼镜广告，可能是镜框轮廓；做短剧，可能是角色身份与台词；做运动镜头，可能是动作顺序和物体接触关系。
| 创作任务 | 优先准备的素材 | 成片先核对什么 |
|---|---|---|
| 商品广告 | 清晰商品图、需要露出的细节图 | 外形、颜色、部件与商品信息 |
| 人物表演 | 人物造型图、必要的动作或声音参考 | 脸、服装、神态、手部与表演节奏 |
| 剧情对白 | 角色图、逐句台词、明确的说话顺序 | 说话人、漏字错字、口型与停顿 |
| 复杂动作 | 看得清起止状态的动作参考 | 支撑点、接触、运动方向与动作完成情况 |
| 运镜与场景展示 | 场景图、需要借鉴的镜头片段 | 主体位置、背景透视与镜头路径 |
H3 官方资料列出首尾帧和全模态参考两类模式。只有一张起始画面，可以从首帧生视频尝试；需要分别控制人物、动作和声音时，再看所用入口是否提供对应参考功能。
官方开源规格中，全模态参考支持最多 9 张图、3 段视频和 3 段音频，混合输入合计最多 12 个文件。音频不能单独作为唯一参考输入。这些是输入上限，实际应按任务需要选择素材，入口限制以操作页面为准。
二、商品广告：先检查商品，再看广告感
一条眼镜广告可以有面部特写、双人造型、全身走位和佩戴展示。对电商团队来说，这些镜头承担的任务不同：面部特写交代镜片与镜框，半身构图展示搭配，全身镜头建立风格。
官方广告演示采用了银色眼镜、黑白服装和简洁背景。下面的画面截取自同一条视频，能看到特写与人物展示之间的景别变化。
图：官方广告样片中的眼镜特写、双人佩戴展示与全身走位，适合用来观察商品在不同景别下的呈现。
这种形式可以作为穿搭广告的镜头参考。换成自己的商品时，应逐镜检查镜框弧度、镜腿连接、镜片颜色和人物接触位置。一个好看的佩戴镜头，不能证明眼镜具有某种防护性能，商品属性仍要依据真实资料表达。
第一次试拍，可以先做一个清楚的展示动作，再决定是否增加分镜。下面是一段尚未生成验证的教学示例，需要另行提供真实商品图与人物图：
生成一条 8 秒竖屏眼镜展示视频。商品外观参考商品图，人物造型参考人物图。人物已经戴好眼镜，以半身构图开始，缓慢向右转头，让镜框正面和侧面依次可见，再转回正面停住。镜头保持稳定，柔和侧光照出镜框轮廓，背景简洁。保留轻微衣料声，不添加台词与文字。
如果这一镜仍出现镜腿错接或商品形状变化，应先补足商品细节参考、调整角度或简化动作。先得到可用的商品展示，再继续尝试双人走位和多镜头广告，比较容易定位问题。
三、人物表演：外观、动作与声音分别交代
人物图能说明"长什么样"，却不能完整说明"怎么演"。角色是看向镜头还是看向对手，是唱歌、犹豫还是听到消息后露出笑意，都需要在任务中交代。
官方多模态演示把运镜视频、人物图片和音频放进同一任务，输出的是街边咖啡馆中的人物演唱画面。它提供了一个直观的参考分工方式：人物外观、声音和镜头运动可以分别指定。
图：官方多模态演示输出中的咖啡馆人物，画面包含张口演唱、表情与构图变化；声音与口型应结合视频核对。
完整官方演示任务原文
Reference the Hitchcock camera movement from Video 1, have the character in Image 2 sing, with the vocals matching Audio 3.
对短剧或品牌内容来说，可以借鉴这种分工，但要把情绪写成可看见的表演过程。例如"听完后先停顿，再抬眼微笑"，比单写"情绪细腻"更方便与成片对照。若手里没有动作参考，也可以先尝试文字描述，再根据输出决定是否补素材。
下面是尚未生成验证的教学示例：
生成一条 6 秒横屏人物反应镜头。人物外观和服装参考人物图。她坐在桌边，起初低头看着杯子，听见画外的一声招呼后停顿，抬眼看向画面左侧，露出克制的微笑。双手自然放在桌面，镜头保持中近景。环境为安静的咖啡馆，保留轻微环境声，她不说话。
验收时，先看这个情绪变化能否被读懂，再检查脸型、服装、视线和手部。若只关心人物表演，第一轮可以固定镜头，让动作问题更容易被发现。
四、剧情对白：先试一人一句，再测试轮流接话
H3 的原生音画生成给说话镜头提供了创作空间。要用于短剧或口播，仍需逐句核对声音内容、角色归属和口型，不能只看人物有没有张嘴。
官方模型仓库提供了一条人物说话编辑示例：粉色西装男子在草地上抱着黑色小羊。请求中要求保留源视频的人物与场景，加入一句英文台词，并分别处理背景音乐与声音参考。
图：官方人物说话编辑样片中的粉色西装男子与黑色小羊。该例属于单人说话任务，双人轮流对白需另行测试。
为自己的项目试拍时，先把角色名、逐字台词和说话顺序写清。假如只想让人物说"这边光线更好"，就先核对这一句是否完整、声音是否自然、嘴部与面部是否协调。加入第二个人后，还要检查有没有抢话、串声、角色互换，以及听话人的反应是否合适。
下面的双人任务是尚未生成验证的教学示例：
生成一条 8 秒横屏双人对白。角色甲与角色乙分别参考两张人物图，坐在窗边的桌子两侧。固定双人中景，甲在画面左侧，乙在右侧。甲先看向窗边，用自然中文说："这边光线更好。"甲说完后，乙转头看一眼窗外，再回答："那就在这里拍吧。"两人轮流说话，听话时保持自然反应。保留轻微室内环境声，不添加字幕和背景音乐。
对白变长后，应根据实际语速、停顿与表演留出的时间调整镜头。若一句话反复漏字，先缩短台词或拆成不同镜头，再判断能否满足项目需要。漫剧还需单独检查角色画风、口型变化与配音是否协调，真人样片不能直接证明漫剧对白效果。
五、复杂动作与运镜：看清动作怎样完成
赛车、跑跳、舞蹈和物品交接都容易带来速度感，但它们的验收重点不同。赛车要看相对位置、车身和行驶路线，人物跳跃要看起跳、腾空和落地，递东西则要看物品由谁拿着、接触何时发生。
302.AI 的公开赛车测试提供了航拍、追踪和车载视角等画面，可以用来观察多镜头运动场景的组织。
图：302.AI 公开测试视频中的赛道全景、车辆追踪与车载视角，画面同时包含赛事图形和不同拍摄位置。
这类画面适合启发运动广告和赛事风格的创意预演。涉及真实车型、赛道、赛事信息时，仍要逐项核实；画面的速度感不能代替对这些细节的检查，也不能据此判断所有复杂人体动作都能完成。
把动作与运镜写成两句话，通常更方便检查。例如，"人物从矮台阶迈到地面，站稳后停住"交代人物动作；"镜头从侧面平稳跟随，完整保留双脚"交代观看方式。生成后，可以分别问：人有没有落地站稳？镜头有没有拍到这件事？
下面是一段尚未生成验证的教学示例：
生成一条 6 秒横屏动作镜头。人物穿平底运动鞋，从一层矮台阶缓慢迈到地面，身体重心随步伐移动，双脚依次落地，站稳后停住。镜头在人物侧面平稳跟随，始终包含全身和地面接触位置。场景为平整、明亮的户外步道，保留脚步声，不添加台词和文字。
如果要借用参考视频的运镜，应说明借鉴的是推近、横移还是环绕，以及参考中的人物、物体是否需要进入新画面。官方咖啡馆演示也可作为这种素材分工的参考，但一段示例不足以保证所有镜头轨迹都能精确迁移。
六、动态海报：看主视觉，也要放大小字
品牌内容并不总需要人物完成一套长动作。已有角色主视觉时，可以先试角色出场、画面层次展开和标题停留，制作活动预热短片或动态封面。
图：官方动态海报样片从简洁画面过渡到角色与版式完整出现，可观察角色大小、画面层次及文字区域的变化。
这类任务里，主标题醒目和小字准确是两项不同要求。生成后应放大检查活动日期、价格、型号和品牌文字；需要固定保留的信息，可以在剪辑或设计软件中排版。角色动态也要检查四肢、道具与画面边缘的关系。
动态海报可以为漫剧宣发提供形式参考。若要制作连续剧情，还需额外测试同一角色在不同场景、景别和情绪下的表现，不能用一张海报的完成度代替多镜头验证。
七、性价比怎么判断？记录可用镜头的成本
公开测试标题里的"便宜"，不足以直接回答一个团队能省多少钱。不同入口、分辨率、参考方式和权益会影响费用，重复生成、挑片和修复也会占用时间。
更有用的做法，是选一条真实业务任务试拍，提前写明"可用"的条件：例如商品外形正确、人物身份一致、指定动作完成、台词准确、目标镜头可以接入剪辑。每次生成都记录设置、费用、等待时间与未采用原因，再统计得到一条可用镜头总共花了多少。
单条可用镜头成本＝本轮相关生成费用总和 ÷ 可用镜头数。 如果这一轮没有可用结果，就记录本轮支出和失败原因，不计算可用镜头均价。人工挑片、修复和剪辑时间另列，便于比较整个制作过程。
官方资料区分了 H3-Base 的 768p 输出与 H3-Regenerate-2K 再生成流程。做模型比较时，应把入口、分辨率、时长和处理流程写清。本文没有进行付费生成，因此不提供自测价格、耗时、成功率或模型排名。
常见问题
只有一张商品图，能开始吗？
可以从与这张图角度接近的展示镜头尝试。若需要看到背面、开合结构或细小部件，应补充对应参考，避免要求模型凭一张正面图还原看不见的细节。
参考素材越多越好吗？
先看素材是否有用、是否互相冲突。同一件商品出现两种颜色或不同部件，应该先选定要展示的版本。每增加一份参考，都说明它负责外观、动作、声音还是镜头，便于检查任务是否明确。
能直接用来做整条短剧或漫剧吗？
可以先用短镜头测试角色、对白和表演，再决定怎样组织连续剧情。公开演示没有提供你的角色跨镜头保持情况，也没有替你验证每句台词。需要在自己的素材和任务上逐步检查。
看完样片，第一条应该生成什么？
电商团队可以先选一个商品展示动作，短剧团队先选一句台词或一个反应镜头，品牌团队先选一个动态主视觉。保留原始素材、完整提示词和生成设置，下一轮根据具体问题调整，才能知道改动是否有效。
H3 的多模态输入给了创作者更细的表达方式。把最重要的画面要求说清，再用成片逐项核对，才能判断它适合接进自己的哪一段制作流程。
技灵AI营销助手------AI 电商内容生产平台
技灵AI营销助手是一站式 AI 电商内容生产平台，提供图片生成与视频生成。图片模型包括 Mimage、Seedream 5.0，视频模型包括 Wan 3.0、Seedance 2.5、Seedance 2.0 满血版、Seedance 2.0 Fast、MiniMax H3 等，可用于制作商品图、人物展示与产品视频素材。具体模型、规格和权益以页面实时展示为准。
制作商品内容时，可以先用图片生成功能准备场景图或人物造型图，再根据任务选择视频模型。平台也提供电商主图与详情长图、商品图换背景和换模特，以及视频解析、视频混剪与视频高清处理。
围绕内容策划，还可使用产品营销报告、市场洞察、爆款案例和智能策划；制作品牌 IP 或系列内容时，可使用 IP 吉祥物设计和无限画布，团队版支持多人协作与素材共享。