面向需要将 AI 视频接入电商内容生产的开发者、AIGC 创作者与内容技术团队。本文不做主观模型横评而是给出一套可复现的 12 秒双参考图工作流如何定义参考图职责、如何编排多镜头 Prompt以及如何把成片验收转化为可执行的质量检查。1. 问题定义让“人物喝水”成为可交付的商品视频本次任务不是生成一个人物饮水片段而是生成一条可用于商品详情页或信息流首测的电商生活方式短片。它至少要同时满足三项约束商品外观可追溯杯身颜色、杯盖、金属细环、波浪浮雕和底部竖纹在关键镜头中可辨识。人物身份可连续正脸、侧脸、发型和服装在镜头切换、拿杯和饮水动作中保持稳定。镜头有转化顺序先建立商品再建立人物与商品的关系最后以完整产品收束人物不能抢走商品信息。这三个目标分别对应“参考图”“动作设计”和“镜头时序”。把它们混写成一句“生成高级感电商广告”通常只会得到不可控的结果。2. 实际生成配置与素材契约项目本次设置模型MiniMax H3参考方式全能参考参考素材2 张商品图 人物卡画幅 / 分辨率9:16 / 768p成片时长12 秒本次素材不是可随意替换的“灵感图”而是输入契约。输入在生成中的职责必须锁定的信息商品图图片1道具外观锚点暖象牙白磨砂杯身、圆角蘑菇盖、香槟金细环、浅金波浪浮雕、底部竖纹人物卡图片2角色身份锚点脸部、发型、浅蓝色连衣裙、正侧背多视角特征文本分镜时序与镜头锚点每段的景别、人物动作、商品朝向、运镜与声音人物卡同时包含近景、正面、侧面与背面信息。对于需要转身、侧脸、手持产品的片段这比单张肖像更有价值它提供的不是“更漂亮的人像”而是更完整的角色条件。3. 12 秒的镜头预算先分配信息再写文案短视频的时长不是一个界面参数而是镜头的资源预算。此处把 12 秒划为四段每段只承担一个核心任务时间镜头任务商品信息目标人物动作目标0.0–3.0 秒产品建立完整外观、金色细环、波浪浮雕无人物干扰3.0–6.0 秒建立使用关系杯身朝向镜头、装饰不被遮挡入画、拿杯、旋开杯盖6.0–9.2 秒使用情境杯身位于前景、材质可见侧身自然饮水9.2–12.0 秒产品收束完整正面作为可用尾帧放回桌面、自然虚化这个分配的原则是人物动作需要连续时间产品展示需要稳定画面收束镜头需要留出足够的尾帧。不要把“拿起、开盖、饮水、放下”压进同一个镜头也不要把产品展示全部放在人物动作之后。4. 可直接复用的 H3 分镜 Prompt将商品图作为图片1、人物卡作为图片2上传在 H3 中选择全能参考、9:16、768p、12 秒。实拍电商生活方式广告清晨通勤氛围。竖版91612s。角色为 图片2保持人物面部、发型、浅蓝色连衣裙和整体气质一致道具为 图片1保持暖象牙白磨砂杯身、圆角蘑菇盖、香槟金细环、杯身浅金波浪浮雕和底部竖纹完全一致。 镜头 10.0–3.0 秒产品建立 浅木色办公桌中央保温杯完整竖直放置。背景是轻微虚焦的笔记本电脑和米白色通勤包。清晨侧光从左侧掠过杯身镜头由中近景缓慢推近清楚展示金色细环、波浪浮雕和底部竖纹。安静的室内晨间环境声。 镜头 23.0–6.0 秒人物与产品建立关系 图片2 中的人物从画面右侧自然入镜坐在桌前伸手拿起保温杯并缓慢旋开杯盖。镜头以中景轻微向右平移跟随手部杯身波浪浮雕始终朝向镜头人物不抢画面。保留真实、轻微的杯盖旋开声。 镜头 36.0–9.2 秒饮水动作 人物侧面中近景自然举起保温杯喝一口水晨光勾勒侧脸和杯身轮廓。镜头缓慢推近焦点优先保持在保温杯的暖白磨砂质感和香槟金细环上。轻微饮水声人物表情放松不看镜头。 镜头 49.2–12.0 秒产品收束 人物将保温杯轻放回桌面中央背景人物自然虚化。镜头以极小幅度向右环绕最后停在保温杯完整正面金色细环、波浪浮雕和底部竖纹均清晰可见。杯底落桌轻响后环境声自然收弱。 全片保持同一个人物、同一只保温杯、同一套服装和同一晨间办公场景。不要文字、Logo、价格、水印、额外人物或额外商品不要改变杯子颜色、装饰、比例和杯盖结构不要手部畸形、快速摇镜、夸张滤镜或卡通化效果。这里的关键不是提示词写得长而是每个镜头都重复了与该镜头相关的约束。例如“波浪浮雕始终朝向镜头”只出现在手持镜头中因为这是最可能被手部遮挡或因转动而消失的阶段。5. 用关键帧建立验收而不是凭主观观感建议从成片截取第 1 秒、第 4 秒、第 7 秒和第 11 秒并按下面的检查项验收。每项以 0–2 分记录0 为不可用1 为可后期修复2 为可进入候选素材库。minimax h3双参考图、多镜头生成视频测试结果维度检查点失败时的优先修复方向商品属性保留杯身颜色、杯盖、金色细环、波浪浮雕、底部竖纹提升商品图清晰度减少遮挡与大幅环绕角色连续性正侧脸、发型、服装在不同镜头保持一致补足人物卡侧脸/背面减少转头幅度交互可信度拿杯、旋盖、饮水、落桌动作符合物理直觉一个镜头只保留一个主要动作减少手部遮挡商品可见性前 3 秒完整出镜尾帧可独立用作封面调整主体位置与镜头定格位置时序完整性四个镜头按建立—交互—使用—收束完成信息闭环重分配镜头时长而不是追加无关描述如果需要把验收交给多人协作可用以下最小评分公式记录结果Q 商品属性保留 角色连续性 交互可信度 商品可见性 时序完整性 满分 10 分低于 8 分的素材不直接进入投放候选池。这个分数不是通用模型基准只是团队内判断“是否值得继续修 Prompt 或进入后期”的一致标准。6. 如何做下一轮迭代通过首条视频确认参考图与分镜可以协同后不要一次更改所有条件。建议建立小型测试矩阵版本保持不变只改变A商品图、人物卡、分镜结构办公桌通勤场景B商品图、人物卡、分镜结构咖啡馆阅读场景C商品图、人物卡、分镜结构人物将产品放入通勤包的动作这样商品结构漂移时可以判断问题来自动作、场景还是参考图而不是面对多项同时变化的结果只能继续随机抽样。结语MiniMax H3 的价值不只是将两张图片变成一段视频而是允许把“商品外观、人物身份、镜头调度、声音氛围”放入同一生成任务中。真正决定电商内容是否可交付的仍然是输入定义与验收机制。商品图锁定外观 → 人物卡锁定角色 → 分镜锁定动作 → 时长锁定节奏 → 后期模板承载文字与转化信息MiniMax H3 支持统一处理文本、图像、视频和声音等多模态上下文可用于广告、品牌和电商等内容生产场景。参考工具【1】一站式AI电商与内容创作平台技灵AI功能支持AI脚本解析策划、视频生成复刻、案例参考。【2】MiniMax H3 官方资料MiniMax H3 官方介绍说明用于查看模型能力与官方应用说明。