MiniMax H3 人物一致性：多个镜头里锁住同一张脸

为什么换个镜头脸就变了

这篇写给要拍一组镜头、里面反复出现同一个人的人：短剧、剧情短片、固定主播的带货视频。适用于 MiniMax H3（MiniMax 开源权重的视频模型，海螺 App 里也能用），思路和海螺此前的「主体参考」一脉相承。

只给一张首帧，模型只知道这个人的一个角度。镜头一转到侧面、人一走远、或者推到特写，缺的那些角度只能靠模型猜，每一镜猜得都不一样——于是三个镜头以后，同一个人看起来像他的表亲。

参考照的作用，就是把模型要猜的角度直接给它。在 XXT 上，只要画面里有人，就带上参考照或角色，首帧生视频、对口型也一样。文生视频没有图，拍反复出现的人物不要用它，用自由镜头。

第一步：准备照片

• 同一个人的 3–5 张清晰近照。 少于 3 张可能不稳；一条最多 8 张（同时给尾帧时 7 张）。
• 至少一张正对镜头的正面照，这是认人的主要依据。
• 有的话再加左右四分之三侧、正侧面；要拍全身的镜头，加全身正面、背面。
• 背景干净、光线均匀、脸上没有遮挡。
• 不要用从首帧里裁出来的小脸，也不要用 AI 合成的中景照：模型放大以后是糊的，糊也会被当成长相的一部分。

第二步（一）：单次使用，把照片直接挂在这一条上

每张照片标上角度，角度只有这几种：front（正脸）、three_quarter_left / three_quarter_right（左 / 右四分之三侧）、side（侧脸）、full_front / full_back（全身正面 / 背面）。

h3 submit --mode ref2v --aspect 16:9 --seconds 8 \
  --ref front=mia_front.jpg --ref three_quarter_left=mia_left.jpg --ref side=mia_side.jpg \
  --prompt "A medium shot frames the woman sitting at a café window on a rainy afternoon, both hands around a cup of coffee. She looks out at the street, then turns toward the camera and smiles. The camera pushes in with small amplitude at slow speed in one continuous shot." \
  --wait --out ./out

提示词用英文写最稳：平台能把中文翻成英文，但每翻一次都可能走样。同样的 --ref 在首帧生视频（i2v）和对口型里也能用，从你自己的首帧开拍，脸也能锁住。

第二步（二）：反复出现的人，建成角色

一个人要出现在好几镜里，就建一次角色反复用。一个角色放 1–8 张照片，可以配一个声音；照片和声音一直留在账号里，直到你删掉。

h3 character create --name 小美 \
  --photo front=mia_front.jpg --photo three_quarter_left=mia_left.jpg --photo side=mia_side.jpg \
  --description "二十八九岁的女性，黑色齐肩发" \
  --voice-description "二十八岁左右的女声，音色温暖、略带气声，音调中等偏低，语速中等，语气轻松"

没有录音时，平台按 --voice-description 设计一个声音。用 h3 character voice 小美 拿到试听链接听一听，不合适就改描述重做。之后每一镜选这个角色：

h3 submit --mode ref2v --aspect 16:9 --seconds 8 --character 小美 \
  --prompt "小美傍晚走进一家安静的书店，手指划过书架，抽出一本旧书。中近景，镜头从侧面慢慢跟着她。" \
  --line "小美:翻开书笑了=这本书我找了好多年。" \
  --wait --out ./out

角色能用在自由镜头（ref2v）、首帧生视频（i2v）、对口型（选一个角色）和带货视频里。提示词里直接写角色名，平台会对上照片。完整命令见角色库说明（英文）。

第三步：每一镜挑对角度

默认会带上角色的全部照片。拍某一镜时，挑少而准的角度比全塞进去好：--character 小美=front,side 只用她的正面和侧面照。永远带上 front。

第四步：提示词别和照片打架

• 不要描写脸、发型、身材。 照片已经定了，文字描写长相反而和照片抢；字数花在动作和运镜上。
• 远景里脸小，最容易糊。 按这一镜人物的朝向挑角度（正对镜头用 front，侧脸用 side），带上这个角度的高清近景照，远景的脸也清楚。没有对应角度的照片时，脸只放在近景、中近景，远景用背影或四分之三背影。
• 只有一个人就写明：the same single woman throughout。不写明的话，人转身、从镜头前走过、出画再入画时，容易冒出第二个她。
• 近景里别提画面外的衣服（裤子、鞋），否则模型会拉成全身镜头去画它们。这条我们实测过。

通用的写法见 MiniMax H3 提示词指南。

衣服和场景

• 衣服默认跟着提示词走，照片只管脸、发型和身材。自由镜头里想保留照片里的衣服，加 --wardrobe 小美，提示词里就别再写她的衣服。
• 多个镜头锁住同一个地方：每一镜都带同一张场景图，比如 --ref "other:客厅=living-room.jpg"，提示词里写「客厅」就行。场景、道具图和角色照片共用 8 张的名额。

声音也一致

角色每次开口都用同一个声音（--line "小美:…=…"），一镜最多 3 个人说话。一部片里有几个人时，让他们在年龄、音色、语速里至少两项不同，观众才分得清谁在说话。重新设计声音的试音免费，每天 20 次。常见的人设也可以直接选现成的声音模板（孩子、少年、青年、中年、老年、强人设、主播解说，每组一女一男，h3 character voice-templates 列出来，建角色时写 --voice-template），免费，不算试音次数。

还是出问题怎么办

要花多少积分

带参考照、用角色都不额外收费。视频按秒计：夜里（新加坡时间 22:00–次日 10:00）每秒 ¥0.06，白天每秒 ¥0.09；一条夜里提交的 8 秒 768P 是 48 积分（¥0.48）。1080P 两倍。

成片、歌曲和上传的素材在任务结束后保存 8 小时，之后自动删除，请及时下载。角色的照片和声音例外，一直保留，直到你删掉。

常见问题