想控制生成成本，做出一鏡到底的視覺效果，可以先用單一角色、同一個場景來嘗試 MiniMax H3 的影片延長。先確定人物和場景的起始畫面，生成第一段影片，再擷取這段影片的最後影格作為下一段的起始影格繼續生成。起始影格能把人物外觀、服裝和當前環境傳遞給下一段，幫助維持前後畫面大體一致。
H3 單次生成最長 15 秒，更長的內容需要分段生成後再拼接。採用最後影格續接時，最好減少角色數量，保持動作和運鏡連續，盡量不要讓多個角色陸續出場，也不要頻繁切換機位和景別。畫面變化越多，人物和環境就越容易走樣，需要重工核對的地方也會跟著增加。
用最後影格續接同一鏡頭
先看下面這個約 13.2 秒的真人案例：男生拿著筆記本走到教室門前，停下後抬手開門。播放時可以留意，走到門前和伸手開門這兩個動作之間，有沒有明顯的接縫。
整體看下來，動作比較連貫，第一眼不太容易看出它是由兩段影片續接的。我們再回到前半段，看看它是怎麼做出來的。
前半段先用文生影片生成，時長約 6.58 秒。男生走到教室門前就停了下來，還沒有伸手碰門把。
前半段的實際提示詞：
Photorealistic live-action cinema, natural human movement, 16:9. A young adult East Asian man with short black hair wears a charcoal zip-up hoodie over a light gray T-shirt and dark trousers. He holds a small black notebook in his LEFT hand throughout. His empty RIGHT hand remains relaxed beside his body. A closed wooden classroom door with a brass lever handle is on screen right. Over six seconds he takes two unhurried steps from screen left toward the door, then stops within reach of the handle. He does not touch or open the door yet. Hold his final standing pose briefly. Fixed medium-wide three-quarter side view from his right side, both hands and the handle clearly visible, warm afternoon sunlight from screen left. One uninterrupted shot, no cuts, no camera movement. Audio: natural footsteps, subtle clothing rustle and quiet empty-school ambience. No speech, music, titles or subtitles.
要讓他繼續開門，我們用程式擷取這段影片的最後一個影格，作為下一段影片的起始影格。下面這張圖，就是兩段影片交接時的畫面。
接下來的提示詞只往後寫：男生抬起右手，握住門把，再推門。前半段提示詞原本寫的是壓桿式門把，實際畫面卻生成了圓形銀色把手，所以續接時也按畫面中的把手來描述，保留人物的服裝、左手筆記本和走廊光線。
最後影格續接的實際提示詞：
Photorealistic live-action continuation from the supplied first-frame image. Preserve the same adult man, face, charcoal hoodie, gray T-shirt, wooden double door, round silver doorknobs, and warm afternoon light. Over six seconds he raises his empty RIGHT hand, reaches for the round silver knob closest to him on the left door leaf, turns it and gently pushes that door leaf inward into the classroom. The other door leaf stays closed. His LEFT hand keeps holding the same small black notebook beside his torso. He stays beside the doorway. Keep the camera fixed with the same framing and perspective. One uninterrupted shot, no cuts. Audio: subtle sleeve rustle, one soft latch click, a brief natural hinge creak and quiet school ambience. No speech, music, titles or subtitles.
後半段同樣約 6.58 秒，把兩段直接拼起來，就得到了開頭的影片。這個例子選在人物停下時續接，前後動作比較容易連起來。拼好後再完整播放一次，看看接頭處是否多了一次停頓。
擷取影格建議交給程式自動完成：讀取源影片的影格序列，按原始寬高匯出 PNG，並校驗輸出尺寸與解碼畫面一致，這樣可以避開手動截圖帶來的縮放、裁切和額外壓縮。本例匯出的圖片保持 1344 × 768，像素與源影片對應的解碼影格一致。不過擷取影格本身不能修復畫面變形；如果結尾出現動態模糊或肢體走樣，可以讓程式擷取稍早一點的清晰影格，拼接時再把原影片這個影格之後的部分裁掉，避免動作重複。
本例分別嘗試了起始影格生成和參考生成。使用起始影格生成時，不能同時追加人物或場景參考圖；如果要補充參考，可以改用參考生成。參考圖能提供人物、服裝、環境和構圖資訊，但不會固定影片的第一影格。
參考生成的銜接效果如何？
為了對比參考生成的效果，接下來把同一張最後影格用作 H3 的圖片參考，沿用相同的開門動作要求、解析度和設定時長。這裡不固定起始影格，也不追加其他參考圖。兩種模式各生成一次，直接比較這組畫面的銜接情況。
前半段與參考生成版直接拼接的效果：
參考生成版同樣約 6.58 秒。人物、連帽衫和門外環境大體保留了下來，但開頭的站姿、肩部和手臂位置，以及鏡頭構圖都與前一段末尾沒有完全對齊，直接拼在一起能看出明顯的畫面跳接。
分鏡轉場來解決銜接跳接
當參考生成在相近機位下直接拼接出現跳接時，可以在必要的位置插入一個特寫來過渡。這裡只用少量切鏡處理接縫，鏡頭仍然圍繞同一個開門動作展開。我們用程式從開門影片約 2.5 秒處擷取了一影格右手已經握住圓形銀色門把的畫面，把整張圖放進 H3 參考生成，作為環境、衣袖和手部的參考，直接要求生成門把手的近景特寫。這一步沒有另外繪製新的分鏡靜影格，也沒有把這張圖設為起始影格。
門把手特寫的實際提示詞：
Photorealistic live-action close-up insert. Use <Picture 1> as the reference for the SAME right hand already gripping the SAME round silver doorknob, the charcoal hoodie sleeve, wooden door and afternoon sunlight. Reframe to a TIGHT CLOSE-UP from the same corridor side. Show ONLY the hand-covered knob on the IMAGE-LEFT door leaf, to the LEFT of the vertical center seam. The other knob on the image-right door leaf must remain completely outside the frame. Start already close on his RIGHT hand gripping this knob exactly as in the reference. Over four seconds, the fingers tighten naturally and the wrist makes one small turn to release the latch. Keep the wooden door closed; hold the turned knob at the end, ready for the next opening shot. Show one anatomically natural right hand and one knob only. Locked camera, no zoom, no cuts, no face or full body. Audio: faint sleeve rustle, a quiet metallic turn and one latch click over quiet school ambience. No speech, music or text.
這段特寫原片約 4.46 秒。剪輯時，前半段保留約 3.75 秒，接上約 2.5 秒的門把手特寫，再切回前面的參考生成版開門影片，並裁掉其中重複伸手和轉門把的過程，直接從門被推開的位置接上。三段影片只做切鏡和時長裁剪，沒有做影格插補、變速或疊化轉場，合在一起約 9.83 秒。
插入近景後，兩次切鏡把開門動作接了起來，前後兩個中景之間也有了過渡。用這種方式處理接縫時，主要核對具體細節是否前後對應：是不是同一隻手、門把是不是在同一側、衣袖顏色和走廊光線有沒有明顯跳變，以及切回中景時有沒有把伸手動作再演一遍。頻繁增加新機位會讓前後畫面更難保持一致，這裡只保留推進動作所需的特寫。
30s 的長影片
同樣的最後影格續接方式，也可以用來製作更長的劇情片段。真人夜間怪談《門外無人》分三段生成：男人聽見敲門聲，走過去開門，發現門外沒人；等他回頭時，一個女人已經站在屋內。第一段用文生影片生成，後兩段都由程式擷取上一段的最後一個影格作為下一段起始影格繼續生成，每段約 10 秒。
第一段結尾停在右手握住門把，第二段從開門開始，結尾停在人物準備回頭，第三段接著完成轉身，露出屋內的女人。提示詞先交代上一段結束時的人物狀態，再寫下一段要發生的動作，續接時起點會更明確。
下面展示的是 26 秒剪輯版，使用 MiniMax H3、768p 生成。三段原片先拼成 30 秒，再裁掉開頭 4 秒的多餘畫面。裁剪開頭畫面時，原本的敲門聲也被一併切掉了，所以後製把這段敲門聲從原片裡單獨取出來，重新接回成片開頭，保留「先聽見敲門，再起身開門」的順序。
這個案例連續用最後影格接起始影格，沿用了男主角的衣服以及房間裡的窗簾、沙發和檯燈，最後一段只靠文字描述引入女人，沒有額外提供她的角色參考圖。由於這個女人只在結尾出現，這裡並沒有驗證她在後續鏡頭裡能不能保持一致。成片裡的聲音也經過了單獨剪輯，不能當作模型一次性直接生成的完整結果。
人物、場景與聲音的一致性
當畫面外的人物或物品重新進入鏡頭時，只靠上一段最後影格可能不夠。在 Reddit 關於 H3 影片延長的討論中，一位留言者舉例：第一段裡有三個角色，但結尾畫面只拍到兩個人，如果下一段沒有補充第三人的參考資訊，這個角色再次入鏡時外觀就可能變樣。遇到這種情況，可以在參考生成裡補上原始角色圖，或者先利用這些參考做出下一張分鏡圖。
連續多輪生成還可能逐步累積色差、臉部細節變化和畫面雜訊。在 Reddit 社群經驗分享中，有創作者嘗試用關鍵影格來約束畫面，也有人提醒多輪續接後畫面仍然可能走樣。每生成完一段，最好先檢查人物、服裝和光線；如果發現最後影格已經變糊或變形，就退回前面清晰的畫面重新調整當前片段，不要把問題帶到下一段。
Tips：聲音一致性需要後製處理
起始影格主要提供畫面資訊，單靠它很難維持多段影片之間的聲音一致。即便保留模型生成的原生音訊，前後片段也不一定能自然接上。接縫處可能出現音量變化、環境音不同、音樂節奏斷開或人聲聲線變化；在 Reddit 上的影片延長求助貼文中，也有用戶提到連續生成幾段之後音訊會逐漸走樣。
剪輯時在接縫處做簡短的音訊淡入淡出、讓前後兩段環境音稍微重疊，或者在底層統一鋪一條背景環境音，只能緩和一部分突兀感，也很難徹底解決聲音的連續性問題。如果遇到對白重複、聲線明顯變化或配樂接不上的情況，仍可能需要重新生成，或者單獨配音、替換環境音和音樂。
