Skip to main content
提示词是 H3 多模态训练最能发挥价值的地方：镜头、镜头运动、对话和音效全部集中在一个提示词块中。本页汇总了 ComfyUI 中 MiniMax H3 的提示词编写资源：MiniMax 官方指南、适用于所有工作流的通用技巧，以及用于风格效果的提示词嵌入。

​
官方指南

MiniMax 发布了两份官方提示词编写指南：
  • 基础生成模式（T2VA、I2VA、FL2VA、L2VA）：将提示词组织为带时长的镜头，并配合镜头运动与音频（对话、音效、音乐），每种模式都配有示例
  • 全参考模式（R2V）：重写输出的结构，包括主体定义、参考标签和保留分析，以及如何为每个参考在目标镜头中分配角色
MiniMax 还发布了可安装的 H3 skills，其中有提示词编写技能，可将这些指南打包供智能体使用。 各工作流页面展示了这些指南在每个模板中的应用：文生视频与图生视频、参考生视频、多帧参考 和 Fun ControlNet Union。

​
通用技巧

  1. 描述整个场景：先交代整体场景（地点、人物、正在发生什么），再将其拆分为带时长的各个镜头
  2. 镜头、镜头运动与音频：在一个提示词块中描述镜头、镜头运动以及相应的音频（对话、音效、音乐）
  3. 分辨率：H3 的原生画布短边为 768px，16:9 下为 1344x768，分辨率会取整为 32 的倍数。参见设置输出分辨率
  4. 时长：时长输入会吸附到模型在 24fps 下的每块 17 帧（17k+5）网格上
  5. 屏幕可见文字用引号：画面中实际可见的文字（招牌、横幅、字幕、霓虹文字）都要用英文双引号包裹，并逐条单独列出。社区实测：把每段文字都用引号枚举出来能保持文字清晰可读，未定义的文字则容易变成乱码符号。这符合官方基础指南的屏幕文字规则。对白请改用 <d> 标签：引号用于印刷文字，<d> 用于角色说的话
  6. R2V 中的音频复用标记：在全参考（R2V）提示词中，用标记声明音频与目标视频的关系，写进保留分析：fully_copy 表示源音频 1:1 用作最终音轨，reference 只沿用音色和语气。社区实测：标记不正确时，H3 只把音频当音色参考，口型会与歌词脱节。参见官方全参考指南的关系标记表
各工作流专属的提示词方法（参考标签、时间轴锚点、控制视频长度）会在各工作流页面中另行说明。

​
提示词嵌入

Comfy-Org/ComfyUI#15697 为 MiniMax H3 加入了提示词嵌入支持。你可以在 H3 提示词中使用 ComfyUI 标准的 embedding: 语法。 将嵌入文件放在 ComfyUI/models/embeddings/ 中，然后在提示词中按名称引用即可，例如 embedding:my_embedding。该嵌入会像其他任何 ComfyUI 模型一样被加载并混入文本条件中。 Comfy-Org/MiniMax-H3 仓库的 embeddings 文件夹中托管了 10 个风格嵌入。这些文件并非官方文件：它们由社区成员 silveroxides 通过 Hugging Face PR #50 贡献，并非由 Comfy-Org 或 MiniMax 制作。原始文件位于 silveroxides/MiniMax-H3_tests 仓库中。文件名描述了预期效果，触发词是不带扩展名的文件名：