MiniMax H3 图生视频指南

先说结论

MiniMax H3 图生视频会把一张静态图片变成连续镜头。上传首帧，描述应该发生的变化，再选择时长和画幅比例。如果结尾必须精确，就补一张尾帧，让模型朝着你给的画面收束，而不是自己发明一个结尾。

同一个模型也能做文生视频，但两者的写法不同。有了首帧，主体和光线已经确定，提示词应该把字数花在运动、时间和声音上，而不是重新描述图片。

这套流程能控制什么

工作台提供了控制镜头所需的几个参数：

• 首帧：片段开始的图片，支持 JPG 或 PNG，最大 10 MB。
• 尾帧：可选。当结尾必须落在特定构图时使用。
• 时长：5、10 或 15 秒。
• 分辨率：768P 用于草稿，2K 用于最终输出。
• 画幅比例：21:9、16:9、4:3、1:1、3:4 或 9:16。
• 原生音频：立体声随画面一起生成。

五秒 2K 片段消耗 25 积分，同样长度在 768P 下消耗 15 积分；十五秒 2K 片段消耗 75 积分。价格页列出了完整的积分表。

什么时候用图生视频

当画面本身已经承载了想法时，用图生视频：产品照片、角色设定、勘景截图、客户确认过的构图。模型的任务是让画面动起来，而不是重新设计它。

当你想让模型一次性发明主体、环境和镜头时，用文生视频。它更适合概念片和空镜，但当品牌素材或特定人物必须保持可识别时，控制力会弱一些。

一个实用判断：如果生成结果改变了产品形状，你会直接弃用，那就从图片开始。

五步工作流

1. 选首帧。 主体清楚，画面里留一点运动空间。已经裁得很紧的图片，镜头没有地方可走。
2. 决定结尾。 如果镜头必须落在特定构图，准备一张与首帧主体、光线和风格一致的尾帧。
3. 写运动提示词。 描述变化：镜头运动、主体动作、光线变化和声音。只保留一个节拍。
4. 选时长和比例。 五秒适合循环或细节，十秒到十五秒适合揭晓或更长的镜头运动。画幅要匹配发布渠道。
5. 回看并迭代。 带上声音看一遍。运动对了但结尾漂移，就加尾帧；运动不对，先改动词，不要急着换参数。

只有首帧，还是首尾帧都给

只给首帧，模型可以自由决定结尾。环境镜头、肖像，以及自然收尾可以接受的片段，都适合这种方式。

首尾帧都给，等于约束了过程。产品揭晓、前后对比转场、logo 落版，以及必须干净切入剪辑的镜头，更适合这种方式。

给了尾帧，就要描述主体如何抵达。 “相机推近的同时，瓶子转动四分之一圈”是一条路径；“一个瓶子”不是。

围绕“变化”写提示词

图生视频的提示词有四个有效槽位：

• 镜头：推近、拉远、环绕、手持跟随、固定。
• 主体运动：转头、布料抬起、手入画、产品旋转。
• 光线变化：云层掠过、霓虹闪烁、阳光移过建筑。
• 声音：室内底噪、雨声、脚步声、低频配乐。

示例：“镜头缓慢推近香水瓶，标签随相机移动掠过光线，背景丝绸轻轻摆动，柔和室内底噪与一声玻璃轻响。”

注意，这条提示词没有解释瓶子长什么样。首帧已经完成了这件事。

三个使用场景

产品揭晓。 从细节开始，拉远到完整产品，最后落在干净的包装镜头。如果最终构图要匹配模板，就用尾帧。提示词写镜头运动和材质声音，产品自身动作要小，形状才稳定。

轻微转头的肖像。 一张静态肖像可以靠人物向镜头转头、窗帘移动或光线变化变成短片。大幅动作更难保持连贯，有动机的小动作通常更耐看。

转场镜头。 用首尾帧在两种构图之间移动。提示词应该描述转场本身：一道光扫过、镜头穿过门洞、用颜色完成匹配剪辑。

会改变结果的参数

时长决定能装下多少叙事。五秒只能承载一个节拍，十五秒可以放下铺垫和收束。更长不一定更好，尤其是运动本身很细微的时候。

分辨率改变细节，不改变构图。先用 768P 做草稿，确认后再用 2K 渲染。这是控制积分消耗最直接的方法，也不会牺牲最终画质。

画幅比例决定画面能容纳什么。21:9 有横向运动的空间，9:16 需要竖向构图，主体要留在中间区域。先选画幅，再写提示词。

常见错误

• 描述静态图。 图片已经包含主体和光线，提示词应该写变化。
• 要求切镜。 H3 生成连续镜头，切点留给剪辑。
• 五秒里塞太多运动。 推近、环绕和人物转头同时发生，画面通常会漂。
• 首尾帧不匹配。 光线或产品角度差太多，模型会被迫调和两张无关的图片。
• 忽略首帧构图。 主体已经贴在画面边缘，推近很容易把它裁掉。选图时留出空间。

常见问题

任何图片都能当首帧吗？

使用你有权使用的图片，主体清楚，分辨率足够支撑输出。支持最大 10 MB 的 JPG 和 PNG。尽量避免严重运动模糊，或主体已经被裁到边缘的图片。

一定要提供尾帧吗？

不一定。只有结尾必须精确时才需要。环境镜头和肖像，通常首帧加一条清晰的运动提示词就够了。

一条图生视频要多少积分？

五秒 2K 片段 25 积分，十秒 50 积分，十五秒 75 积分。768P 下同样时长分别是 15、30 和 45 积分。生成失败会自动退回积分。

图片也能生成声音吗？

可以。原生立体声会随画面一起生成。在提示词里描述你想要的环境声或效果声，然后检查结果。如果场景需要特定音轨，也可以在剪辑软件里替换。

结语

MiniMax H3 图生视频是一套控制型工作流：你提供画面，模型提供运动和声音。提示词围绕变化来写，结尾重要时加尾帧，先在 768P 做草稿，再决定是否上 2K。

打开 MiniMax H3 视频生成器上传首帧，或者继续读 MiniMax H3 提示词指南，用五段式结构写第一条运动提示词。

资料来源

• MiniMax H3 发布公告：2026 年 7 月 31 日官方发布信息。
• Hailuo AI MiniMax H3 页面：官方产品页，包含分辨率、时长与音频说明。