【项目】MiniMax-H3,15秒,16:9,一个照片级写实真人电影音乐剧流行抒情歌曲测试。使用@Audio1作为主时间基准:女声共鸣嗓音,柔和开场,管弦乐渐强,短暂回落,爆发式最终高潮,干净收尾。将剪辑、呼吸、目光、手势和文字与实际音频同步。不要虚构不同的歌曲或歌手。 【参考】@Image1锁定歌手可辨识的面部、长卷发、富有表现力的表演、无袖黑色服装、银色首饰和比例。@Audio1是上传的15秒歌曲;保留其人声乐句处理、持续音、动态推进和最终重复高潮。全程仅一位女性表演者。 【创意】一位孤独的歌手穿行于一个连贯的戏剧世界:阴影中的后台走廊、天鹅绒舞台、亲密聚光灯。渴望变为对抗,然后释放。照片级皮肤和头发,真实织物,黄铜麦克风,天鹅绒,轻薄雾霭,精致棚拍画面,电影感管弦流行氛围,无胶片颗粒。 【表演/音乐】展现呼吸准备、受控的下颌与喉部张力、富有表现力的眼睛、细微的抬头、一只手靠近胸骨,以及从脆弱到胸腔主导力量的逐渐扩展。口型和面部咬合与上传人声匹配;不要泛泛的无声唇动。无对白、说唱、人群合唱、喜剧或舞团。保留自然呼吸间隙。最终强度仅在最后一个持续乐句到来。 【视觉/文字】黑色天鹅绒,暖象牙色聚光灯,深酒红色织物,哑光金属银色首饰和麦克风。超黑压缩 grotesk 字体,全大写,紧凑字距;辅助窄体无衬线字体少量使用。编辑式舞台排版,不是字幕或卡拉OK。使用纸边揭示、克制的双重影像回声、半色调偏移和一个短暂黑帧词。文字必须真实、简短、在变形前可读;绝不乱码或标志。 【镜头1 — 0.0–1.8秒】中近景,缓慢横向跟拍穿过后台门口。歌手从阴影中进入,肩膀前倾,手靠近胸骨,准备呼吸。动作:跨过门槛。空间:后台走廊。头发和礼服边缘晚一拍跟随。排版:“LONGING”;A层大型压缩主视觉在墙上,B层较小银色印刷在门口接缝处,C层细前景字母部分被她肩膀遮挡。节奏/剪辑:开场人声揭示该词;纸边擦入她的面部。 【镜头2 — 1.8–3.6秒】她转向麦克风时身旁的近景跟拍。动作:肩部带动半转身。空间:走廊通向舞台。目光抬向观众;呼吸在胸部和喉部显现。排版:“STAY”;A层大词在头后,B层窄字母在玻璃反射上,C层裁切下框字母避开眼睛和嘴。节奏/剪辑:人声辅音硬切侧面到四分之三视角。 【镜头3 — 3.6–5.5秒】中近景,缓慢推向复古麦克风。动作:扎实伸手与接触。空间:舞台门槛。她握住支架并倾身进入情感乐句;在持续音上闭眼,然后重新睁开。排版:“ENOUGH”;A层主视觉在天鹅绒面板上,B层半色调复印偏移在麦克风后,C层细字体反射在黄铜网罩中。节奏/剪辑:手部接触落在节拍上,伴随克制的金属共鸣。 【镜头4 — 5.5–7.3秒】中景,幕布打开时四分之一弧线。动作:幕布释放与胸腔扩张。空间:前舞台。她松开支架,打开肋廓进入渐强;礼服晚一拍跟随并落定。排版:“HEAR ME”;A层分裂主视觉横跨幕布,B层偏移印刷套准,C层撕纸前景短暂遮住下躯干。节奏/剪辑:管弦乐抬升打开幕布;文字在折叠离开前保持可读。 【镜头5 — 7.3–9.1秒】眼睛、脸颊和上唇的极近景,几乎锁定并伴随呼吸漂移。动作:静点眼神表演。空间:中央聚光灯。音乐回落;目光从地面移向镜头,不确定变为决心。排版:“WAIT”;A层重词在视线旁,B层淡淡镜像印刷在其后,C层面部上方无遮挡。节奏/剪辑:半秒视觉悬停,无冲击变焦或歌词字幕。 【镜头6 — 9.1–11.0秒】中近景,她刻意迈一步进入全光时镜头后拉。动作:前步力量转移。空间:中央舞台。后脚蹬地,肩膀落定,下巴抬起;麦克风留在身后。排版:“I RISE”;A层投影主视觉背景,B层窄印刷碎片晚一步拖尾,C层前景黑色字母退出画面。节奏/剪辑:回归脉冲触发步伐和短暂双重影像回声,最终收束为一位清晰表演者。 【镜头7 — 11.0–13.0秒】中景到近景,弦乐扩展时受控倾斜。动作:向上抬头、开臂释放,然后转身定格。空间:前舞台聚光灯。她抬起头并从胸骨打开一只手臂;头发和礼服扫动并落定。她转为四分之三到正面,并在高音人声上定格。排版:“FOR ME”;A层大型主视觉在黑色舞台板上,B层银色套准偏移,C层窄条仅横跨下框。节奏/剪辑:人声峰值触发转身;保持一次呼吸,嘴部清晰。 【镜头8 — 13.0–15.0秒】极正面近景,缓慢最终推入面部和麦克风网罩。动作:持续音专注与呼吸释放。空间:亲密中央舞台余晖。眼睛湿润;恳求变为自我掌控;下颌和嘴匹配最终持续人声。排版:“ENOUGH”然后“FOR ME”;A层同一压缩主视觉清晰回归,B层淡淡银色副本在其下,C层无面部遮挡。节奏/剪辑:最终p
本片段由 MiniMax 的 MiniMax H3 生成,页面上的提示词就是生成它的原始文本。
示例由 MiniMax H3 生成,参数:16:9 · 0:15 · Dramatic · Cinematic · Music Video。沿用这些参数可获得最接近的效果。
先原样复制提示词,只改主体、保留镜头/运动/光影描述。视频模型对措辞很敏感,多试几次为佳。
当然可以。提示词最适合作为起点——替换场景、调整节奏词或宽高比,适配你的项目。