一条动画提示词要交代两件事：画成什么样，以及画面怎么动。先说清线条的粗细、上色的方式、配色的取向，再用平实的语言描述发生了什么——身体哪些部位在动，这个动作又在哪里收住。
MiniMax H3 除文字之外，也接受图片、视频和音频。想要稳定的 2D 观感，就挑那些本身就呈现目标画风的参考图，并把线条与上色写清楚。如果结果看起来太像照片，参考图和视觉指令这两头都得回头查。
这篇指南依次讲：该选哪种模式、参考图怎么准备、四个提示词示例，以及动画创作者最常撞上的两类失败——画风对了但运动不对，和脸在不同镜头之间越跑越偏——分别怎么诊断。
从一段短到能迅速看完的戏开始：角色转头看向某人，一只手伸向一封信，一句台词之后安静的反应。等脸、画风、运动这三样能同时立住，再把同一套参考图和同一套视觉方向用到下一个镜头。
选文生视频、图生视频，还是参考生视频
手头有什么素材，决定了该用哪种模式。动笔之前，先看清你用的 MiniMax H3 生成器提供哪些选项。
| 你手头的素材 | 可考虑的模式 | 需要准备什么 |
|---|---|---|
| 一个全新场景或视觉风格的想法 | 文生视频 | 对角色、场景、画风与动作的描述 |
| 一张构图已经符合预期的成稿插画 | 图生视频 | 首帧图片，以及场景如何运动的描述 |
| 一个首尾明确的转场 | 首尾帧生成 | 两张取景相容的成稿场景图 |
| 让原创角色出现在新场景里 | 参考生视频，也称 Ref2VA | 角色参考图，以及对新镜头的描述 |
这几种模式解决的是不同问题，把它们混着用，是动画效果跑偏的常见起因。角色设定图是身份参考：它告诉模型这个角色是谁。场景插画是构图参考：它告诉模型第一帧长什么样。把一张多视角设定图塞进首帧的位置，设定图自己的版式往往也跟着进来，连分格一起。
模式名称和可接受的输入，各家服务商并不统一，有些界面还会多给几种组合。生成之前，先确认每一张上传的图会被用在哪里。
把 2D 画风和运动分开描述
「Anime style」这个说法，把太多视觉选择留成了空白。把对你这个镜头真正重要的细节写足：
- 线条： 干净利落的深色描边、纤细的铅笔线，还是粗粝的墨线。
- 上色： 平涂赛璐璐、双色分层阴影，还是柔和的绘画式阴影。
- 色彩： 克制的粉彩配色、低饱和的暮色，还是明艳的高饱和色。
- 光线： 横过面部的一道硬边阴影、温暖的侧光，还是均匀照明的室内。
「2D 赛璐璐动画，深色轮廓线保持一致，平涂上色，硬边阴影」——这样一句，能给模型的东西要比一串品质形容词多得多。「体积光」「浅景深」这类词则容易把画面往摄影质感上带。要做平涂赛璐璐，就去写光的方向和阴影的边缘。
把运动用平实的语言写出来：角色做了什么，哪些部位在动，动作又怎么收尾。对于一条连续的镜头，这些通常就够了——H3 会从描述里读出节奏。带时间码的动作分行在这里作用有限，模型也未必照着走；只有当你要排出几个分明的节拍，或者安排一处剪切时，它们才派得上用场，因为这时候序列本身就是信息。
静帧和片段，要分两次看。静帧看脸、看线条、看上色；播放看节奏、看你没要求过的运动，以及画面在帧与帧之间怎么变。先审静帧，再生成视频，然后确认运动过程中画风没有散掉。
为角色一致性准备参考图
从能解决问题的最小一组开始。一张清晰的头像加一张全身图，是第一次测试够用的起点。等到某个动作暴露出这两张图覆盖不到的细节，再补侧面或背面。
每一张参考图都要有明确的分工：
| 参考图 | 它应当约束的细节 |
|---|---|
| 角色头像 | 五官比例、发型、辨识度高的特征 |
| 全身图或转身图 | 身体比例、服装、鞋履、配饰 |
| 风格图 | 线条、上色、色彩处理方式 |
| 环境图 | 地点、空间布局、反复出现的物件 |
| 运动片段 | 某个特定动作或运镜方式 |
挑彼此不打架的图。如果某个视角的领子或发型对不上，生成前先把差异解决掉——设定自相矛盾，产出就会在细节上左右摇摆。碰上不对称的配饰，要写明是角色自己的左侧还是右侧。
大张的设定图适合用来审设计。它作为生成输入的效果，取决于镜头和工作流。把它放在一边，同时留好脸部和相关身体视角的干净裁切图；小细节丢失时，拿整张设定图和这些裁切图对照。
官方 H3 Ref2VA 规范允许最多九张图片、三段视频和三段音频，所有类型合计不超过 12 个文件，总数必须压在这个上限之内。视频与音频各自有 15 秒的合计时长上限，单条片段时长须在 2–15 秒之间。音频参考还需要搭配图片或视频输入。你所用的服务商可能另有额外限制。
参考图一张一张地加，每加一张就看结果有没有变好。重复的、互相冲突的参考图会占满名额，还可能把一致性拉低。
提示词与参考图如何分工
角色长什么样，交给参考图。文字里的外观描述要与这些图保持一致；某个特征有助于说清镜头时，可以再点一次。
下面的文生视频示例必须描述角色的样子，因为没有图来确立她的外观。参考生视频示例则把这件事全权交给上传的图片。两种情况都要检查一件事：文字和你想要的设计是否对得上。
当参考图已经承担了身份信息，提示词里剩下要写的就是：景别、动作、机位、光线、声音，再加上针对某个老被漏掉的细节的一句短提醒——角色左侧的发夹、应该一直挽着的袖子。
MiniMax H3 动画提示词示例
以下提示词保留英文，便于直接复制。教室场景的 A/B 提示词是实测时实际提交的原文，其余为示例提示词。
一条能用的动画提示词包含六件事：主体或参考、画风、取景、动作顺序、光线、声音。
把下面示例里的参考图标签，换成你所使用界面中的标签或资产引用写法。在 ArcLoop 里，通过 @ 引用选择器挑选已保存的资产。
文生视频：一个安静的动画场景
先用它找到想要的观感，再决定要不要把这个角色固定下来。没有参考图，外观描述就得独力承担全部工作。
A five-second 2D anime scene with flat cel shading, clean dark outlines,
and muted blue and amber colors. Medium shot of a young woman with short
black hair and a teal jacket at a school rooftop railing. She looks toward
the stairs, pauses, and gives a small smile. Static camera. Warm side light
creates a clear shadow across her jacket. Distant traffic and a brief gust
of wind. No dialogue or music.
如果打算反复使用这个角色，在继续搭后面的场景之前，先准备好经确认的参考图，有助于减少镜头之间的差异。
参考生视频：同一个角色出现在新镜头里
上传一张头像和一张全身参考图，然后在提示词里给它们分配角色。注意，外观描述已经不见了。
Image 1 defines Rin's face and hairstyle. Image 2 defines her body
proportions and teal school uniform. Keep these details consistent.
Five-second medium shot of Rin standing beside a classroom window.
2D cel animation with the linework and shading shown in Image 1.
She hears someone at the door, turns her head, and pauses with an attentive
expression. Her body stays in place. Static camera, soft afternoon light.
Sound: quiet classroom ambience and one door knock. No music.
在相关的几个镜头之间，沿用同一套参考图说明。改动动作、取景和光线，角色细节保持一致。
图生视频：一次简单的动画转头
我们把这张原创的教室插画用作一段五秒 MiniMax H3 动画镜头的首帧。
A ——自然语言提示词：
Animate the supplied classroom illustration as a five-second 2D anime shot.
Preserve the character design, clean dark outlines, flat cel shading,
and afternoon lighting shown in the image.
Rin turns her head toward the doorway and stops with an attentive
expression. Keep her shoulders in place. Allow a small amount of movement
in the loose strands of her hair.
Static medium shot. Quiet classroom ambience. No dialogue or music.
B ——同一个镜头，改用带时间码的节拍。 开头的画风指令与结尾的机位、声音指令都没有改动，只有动作那一段不同：
Animate the supplied classroom illustration as a five-second 2D anime shot.
Preserve the character design, clean dark outlines, flat cel shading,
and afternoon lighting shown in the image.
0-2 seconds: Rin holds her starting pose.
2-4 seconds: She turns her head toward the doorway, keeping her shoulders
in place. The loose strands of her hair follow the turn.
4-5 seconds: She holds an attentive expression as her hair settles.
Static medium shot. Quiet classroom ambience. No dialogue or music.
两条片段都保住了赛璐璐的上色、温暖的窗光，以及转头过程中清晰可见的头发运动。A 的自然语言描述产出了一条可用的单镜头。B 在 1.5 秒的采样点上就已经转过头了，比它自己要求的「保持两秒」结束得更早。B 里还看得出肩膀在动，尽管提示词写了肩膀保持不动。
对于单条镜头，写清观感、动作和机位，然后看结果就够了。那些时间码只是把平实描述里本就隐含的先后顺序又说了一遍，模型并没有因此跟得更紧。真正需要靠时间传递信息的时候——一条片段里有几个节拍，或者两个镜头之间要接一处剪切——才把序列写出来，并在拿到片段后专门检查有没有提前运动、有没有多余的身体旋转。这是每个提示词三次运行中的第三次，整组运行之间时间点本来就有出入。
对白：一个短反应
Use the supplied character portrait for Rin's identity. Five-second
close-up in 2D anime style, with flat shading and consistent dark outlines.
She looks toward the person just off camera, takes a small breath, and says
quietly, "You came back." After the line, she lowers her eyes and pauses.
Static camera. Evening light from the window. Clear dialogue, faint cicadas
outside, no music, and no additional speech.
H3 能把画面和声音一起生成，对白和房间底噪都算在内。要听清字句，也要看口型。跨多条片段的对白，界面支持的话就沿用同一个声音参考；而且每次生成后都要比一比音色，别默认它自己就延续下来了。
让同一个角色贯穿多个动画镜头
在投入整场戏之前，先跑一小段测试序列：
- 确认参考图。 看脸、看服装、看侧面，以及任何会出现在画面里的配饰。
- 挑三个「错法不同」的角度。 中景、侧脸、特写，各暴露一类一致性问题。
- 沿用同一套设计参考和画风描述。 只改动作、取景和光线。
- 把结果放在一起看。 比对五官比例、发型轮廓、服装和色彩，再看运动是否像同一个人的表演。
- 只修失败的那一处。 侧脸不对，就改善侧面参考图，或者把转头改简单些——然后单独重跑这一个镜头。
在 ArcLoop 里，把已确认的角色图放在 My Assets 中，在相关的镜头里选用，提交前检查每一次生成挂上了哪些资产。需要新的角色设定图时，AI 动画生成器是个顺手的起点。
镜头拆得短、拆得开，某一个镜头失败就不必重搭整场。若要拍一段连续的对话，不妨也测一次单条更长的生成——把对话拆到多条片段里，声音或语气容易在片段之间发生偏移。哪种方式拿到的素材可用、审起来又扛得住，就用哪种。让脸在多个镜头之间保持稳定的那套办法，在这里原样适用。
解决 MiniMax H3 动画视频的常见问题
| 问题 | 检查什么 | 下一步试什么 |
|---|---|---|
| 画面看起来像 3D 渲染 | 参考图的上色方式，以及提示词里有没有摄影味的布光词 | 换成明确的 2D 参考图；用平涂色块和硬边阴影替代体积光的说法 |
| 画风对了，运动却太顺滑 | 一次动了多少东西，动作里有没有停顿 | 机位定住，砍掉次要运动，加一个短暂的定格 |
| 转头过程中脸变了 | 参考图是否覆盖了这个角度 | 补一张经确认的侧面或四分之三视角；把转头的幅度改小再测 |
| 设定图的分格出现在了视频里 | 是不是把角色设定图当成了首帧 | 改用参考模式，或者为首帧单独做一张场景图 |
| 几个动作叠在一起，或者都没做完 | 动作的顺序和复杂度 | 写成有明确收尾的短序列，或者拆成多个镜头 |
| 参考图越多，结果反而越不一致 | 服装、画风是否冲突，参考图的分工是否含糊 | 删掉多余的输入；新图一张一张加回来 |
每轮对比只改一个变量。模型版本、模式、时长、参考图集，除非正是你在测的那一项，否则一律固定；并且把提示词和结果一起存下来，之后才判断得出这次修改究竟有没有用。
常见问题
MiniMax H3 做动画需要写负面提示词吗？
是否支持单独的负面提示词字段，取决于界面。先从正面描述观感开始——平涂赛璐璐、硬边阴影、不要摄影式的景深。如果某个不想要的特征反复冒出来，再针对它补一句简短指令，并与上一版结果作对比。
写「12 fps」能得到传统动画的节奏吗？
提示词里提帧率，并不能可靠地决定输出文件的帧率。官方 H3 规范列出的是 24 fps。把你想要的运动用平实的语言写清楚，让描述本身承担节奏，而不要指望一个帧率数值或者逐秒的时间码来控制它。写完再看片段。确实需要指定交付帧率时，在输出设置或后期里处理。
测试时该用多长、多高的分辨率？
先用五秒片段，分辨率选你所选模式支持的一档，并在比对提示词期间把这两项都固定住。画风和运动都对了之后，再去试更高分辨率的选项，并重新看一遍结果——尤其是脸、头发和手，这些地方的小差别最容易被一眼看出。H3 时长与分辨率指南列出了每一档的上限。
用同一个 seed 能让动画角色保持一致吗？
在其他条件都不变时，seed 有助于控制对比。可一旦改了提示词、取景或参考图，角色照样会变。沿用经确认的设计参考图，并在扩展序列之前从多个角度检查角色。
在 MiniMax H3 上做动画需要 LoRA 吗？
社区已经有针对 MiniMax H3 训练的风格适配器，有些专攻特定观感，比如循环的线稿动画。想试的话，先确认它需要哪个基础模型、支持哪种生成模式，以及你本地的工作流或托管服务跑不跑得起来——为一种工作流做的适配器，换到另一种往往要另配一套环境。清晰的参考图是可靠的起点，而且能随设计变化随时更新。
检查画风，也检查运动
按清楚的顺序写动作、机位、光线和声音，外观细节则要与参考图对得上。
先在静帧上看画风，再在运动里看节奏和角色一致性。改掉出错的那一处细节，然后对比下一次的结果。
