产出明信片而不是场景的提示词

你写道：一位旅人在日落时分穿过沙漠山脊，电影感，漂亮的光线。出来的结果技术上没错，却完全没有生气。他在山脊上。光线是暖的。十二秒里什么都没发生，而出现的任何声音都是模型选的，不是你选的。

这个提示词并没有错。它是一张照片的说明文字，却交给了一个生成时间的系统。MiniMax H3，也写作 Hailuo 3 或简称 H3，可生成最长15秒、带原生立体声音频的片段，其中的每一秒，要么由你来指导，要么被你拱手让出。H3 现已在 Atlabs 上线，这意味着解决办法就在模型所在的同一个地方。

为什么按时间的指导比描述更重要

大多数创作者带到 H3 的习惯，是在图像模型上养成的，在那里提示词是一串特质的列表，输出是一个凝固的瞬间。给图像提示词加形容词确实会让它更好。给视频提示词加形容词，大多只会让“什么都没发生”变得更漂亮。

视频需要三样描述无法提供的东西。它需要随时间的变化，也就是写明第十二秒与第二秒有什么不同。它需要镜头行为，因为不动的画面会像一台固定的监控摄像头，除非你另有说明；而没有指令的运动，则是模型想怎么动就怎么动。它还需要声音，因为无论你是否要求，H3 都会在同一次生成中产出原生立体声音频，所以未指定的配乐不是静音，而是别人替你挑的配乐。

参考的处理遵循同样的逻辑。H3 接受多张图片，通常最多约九张，外加数量有限的视频和音频参考，视界面而定。数量远没有分配重要。一个没有说明用途的参考仍然会影响输出，只是它影响的是模型自己认为应该影响的东西，而大多数身份漂移的抱怨正是从这里开始的。说明图一锁定面部和服装，图二只负责光线，身份漂移就不再神秘了。

在 Atlabs 中的工作流程

与 H3 提示词最契合的工作流是脚本转视频，因为它把这套纪律转化成了你来填写的字段，而不是你必须记得正确组织结构的一整段文字。

脚本转视频分三步。第1步提供两种输入模式：“添加你的脚本”适用于以旁白为主的作品，“添加你的剧本”适用于结构化的创作。粘贴任何带有剧本格式的内容，Atlabs 就会显示“检测到剧本”，并打开专门的视图：左侧面板显示AI分析出的旁白声音、场景地点和演员，右侧面板把作品拆分成场景，并给出地点类型、地点和时间。每个场景内部是各自的镜头描述和对白块，包含角色名、台词和语气。

这份镜头清单就是按时间节拍的界面版本。角色面板就是参考角色锁定的界面版本。你写的是同一份简报，只不过结构由系统强制保证，而不是靠你记着。

分步教程

1. 在打开任何东西之前先写好节拍。 决定每个阶段发生什么变化。对于15秒的片段，通常是三个段落：0秒到5秒、5秒到10秒、10秒到15秒。每段一个动作、一种运镜。如果某一段包含两个不相关的事件，就拆开它，或者删掉一个。H3 的片段很短，一个有力的节拍始终胜过三个仓促的节拍。

2. 在第 1 步中选择你的输入模式。 当作品以旁白为主、你希望借助语言选择器和 AI 脚本写手按钮时，使用“添加你的脚本”。当你已经知道自己的镜头时，使用“添加你的剧本”。如果你更喜欢修改而不是面对空白输入框，推荐脚本面板会提供三个生成好的起点。

3. 构建场景拆解。 将地点类型设为室外或室内，然后设置地点和时间。按先后顺序添加镜头描述，每个节拍一条，把每一条写成运动，而不是构图。“在腰部高度缓慢横向跟拍，保持侧面”能给模型可执行的东西。“漂亮的电影感镜头”则什么都没给。在角色说话的地方添加对白块，填写角色名、台词和语气。

4. 在第 2 步中设置你的风格。 宽高比提供：适用于 TikTok 和 Instagram 的 9:16，适用于 YouTube 的 16:9，以及适用于 LinkedIn、Twitter、Facebook 和 Pinterest 的 1:1。视频风格提供 AI视频（推荐）、AI分镜，以及用于上传自己素材的上传。请在定稿取景之前选好比例，因为在 16:9 中读起来很好的缓慢弧线，在 9:16 中裁切后会变成完全不同的东西。

5. 在第 3 步中定稿角色阵容。 从你的脚本中提取的角色会出现，并带有“点击编辑”，旁边还有“添加角色”选项，以及国家口音和旁白声音的下拉菜单。在这里定义角色，作用就相当于把你的身份图放在参考堆栈的第一位。模型得到的是“这个人是谁”的一个固定答案，而不是每个镜头都即兴创造一个新的。

6. 生成，然后修复，而不是重来。 当某一段出了问题，把片段带入视频修改，上传它，在提示词中以 @Video1 引用它，描述你想要的最终视频，并附上最多四张风格参考图。保留原始音频有开关切换，所以修复画面不会让你失去本来满意的声音。

为什么 Atlabs 非常适合做这件事

第一个原因是模型路由。提示词的纪律可以在模型之间通用，而美学不行，擅长风格化角色特写的模型，很少同时擅长广阔的海岸外景。Atlabs 在运行 MiniMax H3 的同时，也提供 Kling 3.0 和 Kling 2.6（用于电影感运动和流畅动作）、Google Veo 3.1（用于写实画面和建立镜头）、Seedance 2.0（用于风格化内容、动漫和角色特写）、Hailuo 2.3（用于高强度运动和近动漫风格的画面），以及 Wan 2.6（用于开源电影感输出）。你只需写一次场景并选择引擎，而不必在六个独立账号中重建同一份简报。

第二个原因是动作与身份保持可分离。动作控制接受一段3到30秒的参考视频，把它的动作应用到你上传的角色图片上，并让动作完全由参考片段而不是提示词来控制，另有一个可选的提示词字段用于背景和场景细节。这与告诉 H3“视频一只控制动作”是同一条指令，只不过由工具来强制执行，而不是靠措辞去信任。

第三个原因是，这套结构经得起截止日期的考验。由镜头和对白块构成的镜头清单，不会在晚上十一点悄悄塌缩成一整段不分层次的文字，而这正是大多数令人失望的长提示词的失败模式。对于以音乐为主导的作品，同样的逻辑体现在音乐视频中：创意方向步骤会根据你的曲目检测到的节奏、情绪和流派生成六个场景创意，每个都有标题、描述和情绪标签，所以节拍从一开始就与曲目匹配。

示例提示词

1. 电影感单镜头。 一位身穿饱经风霜外套的孤独旅人在日落时分穿过风沙肆虐的沙漠山脊，迎风前倾，外套和围巾在身后飘扬，每一步都带起靴子周围细细的沙粒。镜头保持在腰部高度缓慢横向跟拍，维持侧面轮廓，一镜到底。温暖的逆光，长长的影子，克制的青橙调色，细微的胶片颗粒。以他停下脚步、望向远方的城市作为结束。音频为风的呼啸、衣物的飘动、轻柔的沙粒摩擦声、远处低沉的嗡鸣，没有对白。没有字幕，没有水印，没有多余人物。 在 Atlabs 脚本转视频中试试这条提示词

2. 主角产品短片。 一个半透明的橙色香水瓶立在蓝调时刻的湿润黑石上，冷凝水珠沿着玻璃滑落。镜头做一个缓慢而小幅的顺时针弧线运动，一束窄窄的暖光掠过标签，随后定格为干净的正面主视觉构图。轻柔的城市夜晚环境音，细微的水珠滴落声，一个克制的低音弦乐音符在最后定格时微微渐强。完整保留瓶身设计和标签，没有文字叠加，没有多余道具。 在 Atlabs UGC产品广告中试试这条提示词

3. 按时间节拍的双人戏。 晨光中一家温馨的手工面包坊。0秒到5秒：广角建立镜头，面粉灰尘悬浮在窗光中，托盘在架子上冷却。5秒到10秒：中景双人镜头，学徒在揉整面团，师傅在一旁看着，双手伸入画面纠正她的握法。10秒到15秒：特写刚出炉的面包被转向镜头。温暖的实景光线，浅景深。音频为烤箱的嗡鸣、面团的拍打声、安静的室内环境音，以及一句轻声说出的对白。没有身份漂移，没有字幕，画面中没有多余的工作人员。 在 Atlabs 脚本转视频中试试这条提示词

4. 卡点表演。 一位身穿红色缎面夹克的歌手在蓝调时刻雨后湿滑的屋顶上演唱，霓虹招牌在她身后晕开，城市的薄雾捕捉着光线。镜头在主歌部分缓慢环绕，到副歌时切换得更加有力，每一次切换都落在节拍上。浅景深，冷调高光对比暖调肤色，电影感调色。音频为曲目本身加上轻微的屋顶风声，不添加任何与人声竞争的环境音。（最适合通过 Kling 3.0 生成） 在 Atlabs 音乐视频中试试这条提示词

5. 动感追逐。 黄昏时分，恰好两名车手骑着两辆摩托车沿着湿润的海岸公路飞驰，涂装为哑光黑与信号黄，画面中没有其他车辆。全程保持持续的前进速度：先是后方跟拍，再是侧方平行，最后是低角度收尾，领先的摩托车在最后一个弯道中漂移而过。水花飞溅，脚踏上迸出火花，倾斜中有真实的重量感。音频为引擎负载声、湿润柏油路上的轮胎嘶嘶声、风的冲击声，没有音乐。没有慢动作打断，没有字幕，没有额外的车手。（最适合通过 Hailuo 2.3 生成） 在 Atlabs 脚本转视频中试试这条提示词

6. 动作迁移。 一位身穿宽松亚麻衬衫的舞者在空旷的混凝土美术馆中表演，高大的窗户在地面投下一块块生硬的午后光斑，光束中可见灰尘。动作完全来自参考视频，背景和光线来自提示词。广角固定画面，没有运镜，自然的房间混响，没有音乐。完整保留角色的面部、发型和服装。 在 Atlabs 动作控制中试试这条提示词

专业技巧

给每个参考一项任务，并说明它不负责什么。 图一锁定面部和服装。图二只设定光线和氛围。视频一只控制动作和节奏。排除说明与指令同样重要，因为一张没有限定的光线参考，也会很乐意把它里面的服装借给你的角色。

写画面的同时就把声音一起写好。 写明环境音，写明动作音效，标注台词的语言，并按乐器编配以及它在片段中如何变化来描述非画内音乐。如果你希望场景下方什么都没有，就写明“仅现场收音”，而不要把这个字段留空，因为留空不是模型能够兑现的请求。

把“不要”用在漂移真正会发生的地方。 无身份漂移，无画面文字，无镜头抖动，无多余肢体，无水印。在提示词结尾详尽列出保留规则，只需要花你三十秒，却能省下一次重新生成，而且比在开头再多加一句描述更有效。

常见问题

Atlabs 上有 MiniMax H3 吗？ 有。它与其他模型运行在同一套工作流中，所以你可以在脚本转视频或音乐视频中搭建场景，并将生成路由到 H3，无需另外注册账号。

MiniMax H3 的片段最长能有多长？ 通常为4到15秒，生成中包含原生立体声音频。请按这个上限来规划你的节拍，而不要试图把一分钟的故事压缩进去。

我可以使用多少个参考？ 多张图片，通常最多约九张，外加数量有限的视频和音频参考，视界面而定。请在提示词中为每一个参考分配一个角色，因为未分配的参考仍会以你没有选择的方式影响结果。

初学者最好的起点是什么？ 文字生成视频，只用一个清晰的动作、一种明确的运镜和基本的声音描述。先把这个做稳，再加入按时间的节拍，然后再加入参考。三者同时加入，就无法分辨是哪项改动起了作用。

我可以只修复片段的一部分而不重新生成吗？ 可以。视频修改接受一段3到10秒的现有片段，在提示词中以 @Video1 引用，并配合对最终视频的描述以及最多四张用于风格的参考图。保留原始音频可以保持开启，这样修复画面不会让你失去声音。

最终结论

H3 奖励的是制作简报，而不是描述。决定什么在何时变化，写明运镜而不是情绪，指导音频而不是接受随便出现的东西，并明确告诉每个参考它控制什么。这四个习惯可以延续到下一个发布的任何模型，因此现在就值得养成。

不那么容易延续的，是围绕提示词的一切：分镜清单、角色阵容、宽高比、模型选择，以及某一段出错时的修复环节。脚本转视频给你结构，音乐视频给你以曲目为主导的版本，UGC产品广告负责主打产品的镜头，动作控制则让动作由参考而不是提示词来掌控。