H3 Max 怎么用：从第一次生成到可用视频的实操流程

学习 H3 Max 最快的方法，不是第一条就写一段很长的“电影级”提示词，而是一次只验证一个决定：先用 5 秒草稿检查动作和镜头，再决定是否增加时长或分辨率。

五分钟上手版

1. 只有想法、没有素材时，选择文生视频。
2. 已确定构图、商品外观或角色设计时，选择图生视频。
3. 只有在结尾构图很重要时，再上传结束帧。
4. 第一次测试先选 5 秒、480P。
5. 提示词写清主体、可见动作、镜头、光线和声音。
6. 看结果中最弱的一项，下一次只修改这一项。
7. 方向确定以后再升级到 768P。

这套流程不花哨，但能让两次生成形成有效对照，而不是得到一堆互不相关的视频。

第一步：根据素材选择模式

文生视频

还在寻找构图时用文生视频。H3 Max 根据文字决定场景，比例选项可以测试横屏、方形、竖屏和宽画幅。

图生视频

第一帧必须保留真实物品、插画、色彩或版式时，用图生视频。图片已经告诉模型“画面是什么”，提示词应该重点描述第一帧之后发生什么，而不是把图片重新描述一遍。

首尾帧视频

镜头必须停在指定构图时，再增加第二张图片。两张图的景别和视角越相容，中间过程越自然。具体准备方法见首尾帧指南。

第二步：写镜头说明，而不是堆关键词

一条容易执行的 H3 Max 提示词通常有五部分：

• **主体：**观众在跟随什么。
• **动作：**时长内真正看得见的一次变化。
• **镜头：**景别和一个有目的的运镜。
• **视觉处理：**光线、质感、媒介或制作风格。
• **声音：**对白、环境、音乐和与动作同步的音效。

例如：

蓝调时刻，一台小型黄铜气象仪立在公寓楼顶。风杯先缓慢转动，雨越过天际线时逐渐加速。腰部高度缓慢推进，50mm 镜头，冷色城市光，只有一盏暖色检修灯。声音：逐渐增强的风、风速仪干脆的咔哒声、远处车流，无音乐。单个连续镜头，无字幕。

它给出了事件顺序，没有同时要求十种运镜和三种互相冲突的风格。需要对白、商品或转场范式时，可继续看H3 Max 提示词指南。

第三步：有目的地选择时长和分辨率

本生成器支持 5–15 秒的整数时长。

• **5 秒：**验证一个动作或一个镜头想法。
• **8–10 秒：**让开始、变化和收尾都能读清。
• **12–15 秒：**只有提示词中确实有足够内容时再使用。

480P 每秒 1 积分，768P 每秒 2 积分。因此 5 秒草稿分别为 5 积分和 10 积分。提交按钮会提前显示总数，完整表格见成本与积分指南。

第四步：把声音写进同一条提示词

H3 Max 返回同步的音画结果。不要只写“电影感音乐”，而要说明声音来源、出现时机以及是否需要音乐。

弱：电影感音效

更有效：箱子打开时锁扣啪地弹开，随后是布料摩擦声，房间归于安静。无音乐。

有对白时，把一句简短台词放在引号内，写清谁在说，并给表演留出时间。同步音频指南里有更具体的写法。

先看什么，再看什么

不要只盯着清晰度，按这个顺序检查：

1. 核心动作发生了吗？
2. 镜头是否按要求运动？
3. 主体是否保持可识别？
4. 声音是否对上画面事件？
5. 最后一帧能否进入后续剪辑？

动作错了，提高分辨率也不会修好。可以收紧动词或删掉竞争动作；构图错了就换成图片输入；结尾失控时则增加相容的结束帧。

常见的第一次生成错误

“汽车到达、人物下车、进店、点咖啡、与朋友交谈再离开”是一段剧情，不是一个短镜头。只保留真正需要观众看到的瞬间。

也不要同时要求固定机位、手持抖动、环绕、变焦和无人机拉远。一个清楚的镜头动作才便于判断成败。

图生视频时，输入图已经规定外观与构图。提示词应把篇幅留给动作、节奏、镜头和声音。创意仍在变化时先用 480P，停止改创意之后再用 768P。

当前界面实际支持什么

目前生产界面支持文生视频、图生视频、可选结束帧、5–15 秒、480P/768P、提示词扩展、安全检查，以及文生视频的六种画幅。我们只描述已经连接并验证过的功能，不用更大的供应商功能清单制造错误期待。

本页模型事实于 2026 年 9 月 5 日根据官方 H3 Max 产品页核对。模型能力和供应商可用性可能变化；本站为独立生成服务，与 MiniMax 无关联。