从参考素材开始

MiniMax H3 参考生视频怎么用

参考生视频是 H3 区别于单输入模型的地方。它不把图片、视频片段和音频当成三个独立工具，而是连同你的文字描述一起读成一个整体上下文。这意味着你可以从照片里锁住角色的脸、从视频里借来运镜方式、让画面踩住音轨的节奏——在同一次生成里完成。

每种参考各自控制什么

1. 1

   图像参考：身份与风格

   用来锁定一张脸、一套服装或一种视觉风格。正是这个参考让角色能跨多个镜头、多次生成保持不变。

2. 2

   视频参考：运动与镜头

   给一段你想借用其运动方式的片子。H3 会沿用它的镜头行为和节奏，但不会复制里面的主体。

3. 3

   音频参考：节奏与时机

   给模型一条音轨，它会把剪切点和动作对齐到音乐上。适合画面必须踩点的音乐向剪辑。

组合参考而不让模型混乱

参考之间相互矛盾时会打架。下面几条能让它们配合而不是冲突：

• 一个参考负责一件事。图像管身份、视频管运动、音频管时机——不要用两张图去争同一张脸。
• 让文字提示词当裁判。参考和提示词冲突时，提示词要写明以哪个为准。
• 图像参考要裁紧到你真正想保留的部分。参考图里的背景细节会渗进成片。
• 要跨镜头保持角色一致，每次生成复用同一张图像参考，而不是每次用文字重新描述这个角色。

一个完整示例

以一张裁紧的人像作为图像参考，这条提示词能在全新场景里保持角色一致：

参考中的角色穿过被雨打湿的夜市，侧面缓慢跟拍，霓虹招牌倒映在湿漉漉的路面上，面容与夹克与参考图一致，环境雨声与远处摊贩叫卖。

明确点名参考（"参考中的角色""与参考图一致"）告诉了 H3 哪些要沿用、哪些要重新生成。不这么写，模型就得自己猜参考里有多少是指令、多少只是灵感。

常见问题

MiniMax H3 支持哪些参考类型？

图像、视频和音频。图像参考锁定身份与风格，视频参考引导运动与镜头行为，音频参考驱动时机与节奏。可以在同一次生成中组合使用。

怎么让多个视频里的角色保持一致？

每次生成都复用同一张图像参考，而不是每次用文字重新描述。裁紧、光线好的人像特写比整个场景效果更好。

可以同时用多个参考吗？

可以，但要给每个参考分配不同职责——图像管身份、视频管运动、音频管时机。两个参考争夺同一个属性会得到模糊的折中结果。