一条提示词里同时用图片、视频和音频参考
MiniMax H3 一次生成最多可以接收 9 张参考图、3 段参考视频和 3 段音频,而且是把它们放在一起理解,而不是逐个处理。MiniMax 自己举过一个例子:用一句话让模型照搬一段视频里的运镜、让一张图里的角色唱歌,并让歌声对上一段音频。每份参考素材用来做什么,要在提示词里写清楚:「保留肖像里的脸和那件藏青色毛衣,按参考视频里的推轨运镜走,让他在黄昏的港口唱出音频里的旋律」。没有这句话,模型只能猜哪份素材管什么。参考素材和首帧、尾帧不能在同一次生成里一起用,所以每条视频只选一种方式;靠参考素材生成的视频,在模型菜单里选 H3。请使用你自己的素材或已获授权的素材,涉及人脸和声音时尤其要注意。

电影感 16:9 视频关键帧,用细细的深色间隔分开的三联画:左边是一张朴素的棚拍肖像,一位穿藏青色针织毛衣的年轻男子站在灰色背景前;中间是一张铅笔分镜草图,画的是镜头沿港口码头推轨移动;右边是同一位穿同一件藏青色毛衣的年轻男子在黄昏的港口码头上唱歌,镜头在他身旁跟着移动,身后是系泊的船和路灯。三格里的脸和衣着保持一致,深蓝与珊瑚色配色,无文字,无标志。






