AI 视频怎么做长：MiniMax H3 分段生成再拼接
MiniMax H3 单条最长 60 秒，也没有「续写」按钮，长视频都是分几段生成再拼起来的。先把视频拆成一个个镜头，每个镜头带同样的角色、同一张场景图、同样的画面比例；要么镜头之间直接切，要么用上一段的最后一帧当下一段的首帧，接成一个连续的长镜头。最后用 h3 concat 按顺序拼起来。
单条的上限
MiniMax H3 每条 4–60 秒，XXT 上也没有接着已有视频往下续的功能。现在的视频模型，包括 MiniMax H3，出的都是短片段；长一点的 AI 视频，包括在海螺 App 里做的，都是分段生成、再剪到一起的。
这没听起来那么受限。电影本来就是一个个镜头组成的，大多数镜头也就几秒。一分钟的视频至少是 4 条 60 秒，通常拆成更多、更短的镜头效果更好。
第一步：拆成一张分镜表
- 一个镜头只做一件主要的事。 一条里想做三件事，三件都做不好。
- 每个镜头的提示词当成独立的一条来写。 每一段都不知道别的段发生了什么，所以每条都要重写一遍：谁在、在哪、穿什么、什么光线。
- 格式一开始就定好：每段用同样的
--aspect、同样的清晰度，拼起来才干净。 - 想好哪里要连续的长镜头（用尾帧接，见下文），哪里直接切就行（每个镜头单独拍，可以同时提交）。
办法一：分镜头拍，剪到一起
适合讲故事、对话，以及电影里本来就会剪开的段落。每个人建成角色，同一个地点的每个镜头都带同一张场景图，几个镜头同时提交：它们互不依赖。
h3 submit --mode ref2v --aspect 16:9 --seconds 10 --character 小美 \
--ref "other:书店=bookstore.jpg" \
--prompt "A wide shot from behind frames 小美 walking into a quiet bookstore in the evening, warm lamps over tall wooden shelves. She slows down and looks along the rows. The camera tracks her slowly from behind in one continuous shot." \
--wait --out ./part1
h3 submit --mode ref2v --aspect 16:9 --seconds 8 --character 小美=front,three_quarter_left \
--ref "other:书店=bookstore.jpg" \
--prompt "A medium close-up frames 小美 at a tall wooden shelf in the bookstore, warm lamp light on her face. She runs her fingers along the spines, stops, and pulls out a worn paperback. The camera pushes in with small amplitude at slow speed." \
--wait --out ./part2
h3 concat film.mp4 part1/*.mp4 part2/*.mp4注意景别：远景拍小美的背影，近景才拍脸。脸在近景、中近景里最稳。角色和角度怎么用，见人物一致性。
办法二：连续长镜头，用尾帧一段接一段
动作必须连贯、不能切的时候，把上一段的最后一帧当下一段的首帧。--first-frame job:<上一段的任务 id> 一步做完：下载那一版成片、用本机的 ffmpeg 抽最后一帧、当首帧上传。想先看一眼那一帧，用 h3 frame 把它存成图片：
h3 frame job:<第一段的任务 id> # 存成 h3-<编号前 8 位>-A-last.png，先看一眼
h3 submit --mode i2v --first-frame job:<第一段的任务 id> --aspect 16:9 --seconds 10 --character 小美 \
--prompt "A medium shot frames 小美 holding the worn paperback in the bookstore aisle. She opens it, turns a few pages and smiles, then tucks it under her arm and walks toward the counter. The camera tracks her slowly from the side in one continuous shot." \
--wait --out ./part2- 每段结尾停在一个平稳的瞬间，别停在动作中间：糊掉的最后一帧当首帧效果不好。最后一帧刚好在眨眼或糊了，用
h3 frame <成片> --at <秒数>换一帧，再用--first-frame <图片>。 - 每一段都带同一个角色或同一组参考图。 接得多了，脸、颜色、细节的小变化会越积越多；参考照会把每一段都拉回同一个人。
- 想完全控制接缝，就用首尾帧：每段既给首帧，也给它必须停在的那一帧。见首尾帧。
- 接龙的各段只能一段一段做，因为每段都要用上一段的结尾。
办法三：带货长视频分段做
带货视频（一个角色出镜介绍商品）本身就支持分段。每段 4–15 秒；每段用同样的主播、商品和场景，加上 --part <第几段>/<共几段>，平台写台词时会在第一段开场、中间几段讲卖点、最后一段号召下单。一分钟的带货视频大约 4 段，可以一次全部提交。
h3 submit --mode promo --aspect 9:16 --seconds 10 --character 小美 \
--product "面霜=cream_front.png" --scene "直播间=room.png" \
--selling-points "24 小时保湿，敏感肌也能用，今天下单送小样" \
--part 1/3 --wait --out ./promo1
# ……同样的命令再用 --part 2/3、--part 3/3 各提交一次，然后：
h3 concat promo.mp4 promo1/*.mp4 promo2/*.mp4 promo3/*.mp4带货视频的完整规则见角色说明。
第二步：拼起来
h3 concat <输出文件> <第一段> <第二段> …按给的顺序拼接，用的是你本机的 ffmpeg（macOS 上brew install ffmpeg）。- 各段尺寸、编码一样时无损拼接；不一样就按第一段的尺寸重新编码。输出文件已存在，加
--force覆盖。 - 平台不给拼好的视频加字幕和音乐。每段的声音是各自生成的，切点处环境声可能会跳一下；在剪辑软件里给整条配一段音乐，就听不出来了。
长视频要花多少
每段单独计费，按秒计（每段各自向上取整到整秒）：夜里（新加坡时间 22:00–10:00）每秒 ¥0.06，白天每秒 ¥0.09。一分钟的 768P 成片，夜里大约 ¥3.60，白天大约 ¥5.40，重拍的另算。失败的段全额退回。
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。 段数多的时候，每段出完就下载。
常见问题
MiniMax H3 一条视频最长多久？
每条最长 60 秒（大多数模式 4–60 秒）。更长的视频由几条拼成。
MiniMax H3 能续写、延长视频吗？
没有续写按钮，但 h3 submit --first-frame job:<任务 id> 会用那一条的最后一帧当新一条的首帧，再用 h3 concat 把两条拼起来；要接得准就用首尾帧。
分好几段，怎么保证人物一直是同一个？
把这个人建成角色、每段都选上它；同一个地点每段都带同一张场景图；每条提示词里都重复关键的描述。
一分钟的 AI 视频要多少钱？
在 XXT 上，一分钟 768P 视频夜里大约 ¥3.60，白天大约 ¥5.40，因为每段都按秒计费。