从一句话到成片：MiniMax H3 完整制作流程（角色三视图→场景图→分镜脚本→逐镜生成）

很多人用 H3 出不了片，不是提示词写得不好，而是把「写提示词」当成了全部。真实的 AI 视频生产是一条流水线：定风格 → 写故事 → 做角色三视图 → 画场景概念图 → 拆分镜脚本 → 逐镜生成 → 剪辑成片。这篇教程把每一步的做法和可照抄的提示词全部给你，并用官方悬疑预告案例做贯穿实例——照着走，你也能从一句话想法做出一支成片。

先看你要做出的成片

这篇教程的贯穿实例，是官方手册里的悬疑预告案例。走完全部七步，你就能做出这样的片子（成片在线播放）：

官方成片：《THE STARS WERE LISTENING》悬疑预告（1080p 原片，本篇第七步的最终产物）

全流程一览

① 定风格 → ② 写故事 → ③ 角色三视图 → ④ 场景概念图 → ⑤ 分镜脚本 → ⑥ 逐镜生成 → ⑦ 剪辑成片

前三步是「前期」，决定片子气质；中间两步是「设计」，把故事翻译成模型能执行的指令；最后两步是「生产」，逐镜出片再组装。下面逐步展开。

开始前：入口、积分与素材规格

三个入口按需选：海螺 Web（hailuoai.com，功能最全）/ 海螺 App（手机端，同一账号）/ MiniMax Design（design.minimaxi.com，桌面端有专属权益：新用户 3000 积分 + H3 免费体验 3 次）。开发者走开放平台 API。本篇流程以 Web 端为准。

积分与费用：生成按次消耗积分，新用户有免费额度；每日登录也会补充。注意：任务失败积分可能不退（官方反馈群可申诉）——所以提示词先在文本里打磨好再点生成，别拿积分试错。本篇第五步的分镜脚本就是帮你「生成前想清楚」的。

素材规格速查：单个视频 ≤50MB、图片 ≤30MB、音频 ≤15MB（只限单素材）；提示词上限 7000 字符；输出时长 4~15 秒。

比例怎么选：16:9 = B站/视频号/YouTube 横版；9:16 = 抖音/快手竖版；1:1 = 朋友圈/信息流广告；21:9 = 电影宽银幕感；4:3/3:4 = 复古/海报感。用首尾帧模式时比例跟随输入图片的原始比例，所以生图阶段就把比例定对。

第一步：定风格（三件套，不许只写一个词）

风格不是「电影感」三个字，完整的风格定义=三件套：

要素	回答的问题	示例写法
视觉风格	画面长什么样	写实电影感 / 3D动画伪纪录片 / 复古日系赛璐璐 / 胶片快切时尚广告
情绪基调	观众什么感受	60%悬疑+40%爵士的神秘酷感 / 干燥荒诞喜剧 / 温柔怀旧微哀愁
技术质感	摄影和后期规格	高反差光影、35mm 胶片颗粒 / VHS 故障+扫描线 / 4K 60fps 干净CG感

禁忌：不要堆互相冲突的风格词（「电影、动漫、写实、水彩、赛博朋克」全上=全失）。定一个主风格，补一到两个质感特征就够。整条流水线的每一步（生图、分镜、视频提示词）都复用这三件套，保证全片气质统一。

第二步：写故事大纲（三句话模板）

不用写小说，三句话说清：

【世界】在哪、什么时代、什么规则。
【主角】谁、想要什么、遇到什么阻碍。
【转折】一个具体的画面时刻（能在30秒内演完的高潮）。

然后交给 AI 扩写成 30~60 秒短片大纲，提示词直接用：

你是短片编剧。把下面的想法扩写成一支 30 秒短片的剧情大纲：要求有开场钩子、一个转折、一个余韵结尾；全程「画面可执行」（每个情节点都能被拍出来）；不要旁白解说。我的想法：【填入三句话】。风格：【填入三件套】。

实例贯穿：想法是「一个女人面对一扇巨大的门」→ 扩写后：未来世界，一扇巨大圆形宇宙门矗立荒原，女人独自前来探查，门后传来回应，她举起手电——标题浮现《THE STARS WERE LISTENING》。

第三步：角色三视图（跨镜头一致性的命根子）

AI 视频最大的坑是「跨镜头变脸」。解法是先做一张角色设定图（三视图或六视图）：同一个角色正面/侧面/背面的全身站立图，作为所有镜头的人物参考。

三视图（正面/侧面/背面）够大多数剧情用；六视图（再加 3/4 侧面、表情包、服装细节）用于主角或系列剧。看官方的实际做法——悬疑预告女主的设定图就是标准三视图+细节特写：

官方案例的角色设定图：全身三视角 + 面部/靴子细节特写（手册1.1 悬疑预告案例输入）

在即梦/Midjourney 等生图工具里，角色设定图的提示词模板：

角色设定图，character sheet，同一个角色的三视图：正面全身、侧面全身、背面全身，站姿标准，纯浅灰背景，均匀柔光，【风格三件套】，【角色描述：性别/年龄/发型发色/服装/配饰/气质】。九头身比例准确，三视图为同一角色同一服装。

要点：①背景必须纯净（后续要做参考图，杂物会干扰）；②一次只做一个角色；③角色描述写到「发色+服装材质+标志配饰」颗粒度。多个角色就做多张，一人一张。

第四步：场景概念图（定调性，也是首帧备选）

场景概念图=片子主视觉。它既是生成视频时的场景参考/首帧，也是全片调色的锚。官方悬疑预告的概念图：

官方案例的场景概念图：标题+世界观+色调一张图定完（手册1.1 悬疑预告案例输入）

场景概念图提示词模板：

电影概念艺术图，【主要场景描述：地点/时间/天气/光线】，【风格三件套】，画面中出现【标志元素：门/建筑/道具】，电影构图，留出标题排版空间，【色调：如冷蓝墨绿低饱和】。

有几个重要场景就画几张（一般 2~4 张：主场景+次要场景+高潮场景）。注意每张都带同一套风格三件套。

第五步：分镜脚本（LLM 代劳，给全提示词）

把大纲+素材清单交给 AI 拆分镜，提示词整段复制：

你是视频分镜师。根据下面的剧情大纲，输出一支 30 秒短片的分镜脚本表，Markdown 表格，列=【镜号 | 时长 | 景别 | 画面内容（主体位置+一个动作）| 台词 | 镜头运动 | 环境声】。规则：①总时长控制在30秒；②每镜只安排一个主要动作；③第1镜为超广角建立镜头；④最后一镜留给标题或余韵画面；⑤台词注明说话人。剧情大纲：【粘贴第二步结果】。已有素材：主角三视图1张、场景概念图1张。

产出长这样（官方悬疑预告的实际分镜）：镜1 超广角建立：宇宙门占满画面，人物小小背影站在下方偏右，镜头慢推，深低频脉冲；镜2 特写：门中心一片黑暗，标题渐入……拆完手动过一遍：每镜动作是不是只有一个？台词时长和镜头时长是否匹配（口型对不齐多半是这里）？

第六步：逐镜生成（H3 三段式，每镜一条提示词）

进海螺，把角色三视图+场景概念图上传为参考，逐镜生成。每镜一条提示词，套官方三段式：

【参考素材说明】@图片1 是主角人物参考（锁定脸部、发型、服装，不要改变形象）；@图片2 是场景与风格参考（锁定色调与光线氛围）。
【核心创意】一位穿黑色长风衣的女人（@图片1）走向荒原上的巨大圆形宇宙门（@图片2），写实电影感，高反差光影，节奏克制，悬疑基调。
【画面过程描述】0-5秒：超广角，巨大宇宙门几乎占满画面，人物只是门前很小的背影，站在画面下方偏右，地面潮湿反光，门中心一片黑暗，镜头缓慢向前推进，深低频脉冲环境声。

规则：①镜1 生成后，如果画面完美，可以把它的末帧截下来当镜2 的关键帧（首尾帧模式），保证镜头衔接；②台词镜头用引号写法「她说："……"」并确保镜头时长≥台词时长；③人物出场镜头必带 @图片1 人物参考——这就是三视图存在的意义；④一个镜头崩了就单独重roll，不要整片重来。

多角色怎么指代：一张参考图里有多个角色时，必须分别指认，不能笼统写「图中人物」——「@图片1 左侧穿红衣的女性角色」「@图片1 右侧黑衣男性角色」，每个角色的服装/发型特征写进指代里，模型才能分清谁是谁。

镜头衔接的具体操作：镜1 满意后下载视频，用剪映或播放器截取最后一帧存为图片；做镜2 时改用「首尾帧」模式，把这张图设为首帧，再写镜2 的运动描述——两个镜头的画面就能无缝接上。同理做转场时，把镜2 的首帧图也用来反喂镜1 的尾帧。

声音层怎么写：台词、环境声、BGM 三层一次说清

H3 是音画同生的模型——声音和画面一起生成，不需要后期配音。但前提是提示词里把声音写清楚。声音分三层，各管各的：

层	是什么	写在哪
台词层	角色说的话/唱的歌	画面过程描述里，用引号+说话人
环境声	画面世界里真实存在的声音	每个镜头描述的结尾
BGM 层	只有观众听见的配乐	整段提示词的收尾，单独一句

台词层标准写法=说话人+音色+引号台词：

她说："看那远方的星星。"

进阶写法（指定音色和情绪）：「她用疲惫但温柔的女声轻声说："看那远方的星星。"」。两条铁律：镜头时长必须 ≥ 台词时长（口型对不齐的元凶）；台词放引号里，不要转述。

环境声写画面里真实存在的声音，让画面「有质感」：

……镜头缓慢向前推进。Audio: 深低频脉冲，远处金属轻震，地面潮湿的反光声。

常用环境声词库：风声/雨声/室内底噪/脚步声/纸张沙沙/木椅吱呀/衣物摩擦/人群远噪/电流嗡鸣。

BGM 层交代乐器、节奏、情绪、音量变化：

BGM: 中慢速拨弦喜剧配乐，音量克制，在最后一句台词前停顿一拍，结尾一记短促木琴收尾。

三条官方提醒：①不想要 BGM 就整句不提，千万别写「不要背景音乐」——负向指令反而容易触发（官方评论区实锤）；②「想用音乐」和「不要 BGM」同时出现=互相矛盾，删一个；③只想要参考某段音频的音色/节奏而不复制原声，上传音频素材并在素材说明里写「@音频1 是音色参考」，不要把原音频的台词带进新片。

复杂音乐需求（完整编曲/热门歌曲）H3 只适合铺底，成片级的音乐轨建议剪映后期叠加——生成时把 BGM 那句删掉，留干净的台词和环境声即可。

第七步：剪映成片

所有镜头下载后进剪映：按分镜表顺序排列 → 卡点转场（悬疑片用硬切，不要叠化）→ 字幕/标题包装（概念图留的排版空间这时候用）→ 音效层（环境声铺底+关键动作一记 hit）→ 调色统一（套同一个 LUT）。成片导出前检查：角色脸是否全片一致、镜头衔接是否跳变、口型是否对上。

合规提醒：AI 生成的视频在抖音/快手/B站等平台发布时，按平台要求添加「AI 生成」内容标识；商用（广告/带货）注意参考素材的版权——用自己拍的或 AI 生成的素材最稳。

新手七个坑（对应七个步骤）

• 风格只写一个词 → 用三件套（视觉+情绪+质感）
• 故事写成小说 → 三句话模板，画面可执行优先
• 跳过三视图直接生成 → 跨镜头必变脸，主角必须先做设定图
• 场景图带杂物 → 纯净背景+明确光线，它还要当首帧
• 分镜一镜塞多动作 → 一镜一动作，复杂事件拆镜头
• 台词比镜头长 → 口型对不齐的元凶，先对齐时长再生成
• 整片一把梭 → 逐镜生成逐镜验，崩了单镜重roll

收尾

这条流水线的前期（风格/故事/三视图/场景图）是一次性投入，越攒越厚——角色设定图和场景概念图留好，做系列剧时直接复用。单点技巧的深度见我们此前篇目：品牌大片五大案例拆解、大字幕 MV 复刻、全参考六段式指南。

海螺工具详情：海螺AI视频 - 奇链产品库。

流程框架与提示词模板为原创整理；贯穿实例与配图取自 MiniMax 官方手册案例（版权归原作者所有）。