用 MiniMax H3 做一支 AI 電影預告（並且拿到一張真的看得懂的字卡）

如果你試過做 AI 電影預告，你已經知道它會在哪裡垮掉。鏡頭都還好。 然後你要一張字卡，拿回來的是 THE LAST FLEEF LFFT EARTH， 配上一套沒有人選過的字體。

一般的建議是放棄生成的字——算成無聲的，拿進剪輯軟體，自己排標題。 在接受這個建議之前，我把 MiniMax 那兩支官方預告範例一格一格拆開來看。 兩支加起來帶著十二張字卡，而只要動畫停下來，那十二張全部拼寫正確。

這不是在保證你的也會；展示影片是挑過的。但它確實說明天花板比截圖看起來高， 而且它剛好解釋了那些截圖裡有很大一部分是哪裡來的。

十五秒、七張字卡、一段配樂，全部來自一次呼叫。做法如下。

一次 MiniMax H3 呼叫做出來的 AI 電影預告長什麼樣

這是 H3 在單次呼叫裡產出的一支預告。十五秒、五個機位、硬切、 從頭到尾同一個角色、一段配樂，還有七張字卡：

它開場停在 THE LAST FLEET LEFT EARTH，底下排著 SHE WAS NOT ON BOARD，接著切開，然後依序跑 THE FINAL DEPARTURE → EARTH SENT THE LAST FLEET → FINAL COUNTDOWN → WITHOUT HER → SHE KNEW WHY → THE MISSION WAS A LIE， 最後回到開場那組主標，停在上面收尾。

每一個字都對。沒有剪輯軟體、沒有字幕外掛、沒有第二次處理。

值得停下來看看那裡沒有發生什麼。目前做 AI 電影預告的建議是一套五個工具的組合： 一個對話模型寫節拍表、一個圖片模型做定格、一個影片模型做運動、 一個服務做配樂、另一個做旁白，然後一個剪輯軟體把它們組起來。 那套組合之所以存在，是因為多數影片模型交給你的是無聲的鏡頭。

H3 在同一次運算裡生出畫面和 32 kHz 立體聲，而且它預設就會在鏡頭之間切， 所以配樂落在切點上，不是落在切點附近。五個工具的組合塌成一次呼叫加一張靜態圖。

那份 MiniMax H3 預告提示詞，以及它裡面缺了什麼

全文就是這樣：

Faster rhythm, grand but not dragging. Quick hard cuts, bridge
vibrations, intense light flashes, short black screens, jump shock
transitions. Text is movie trailer-style wide letter-spacing title
packaging, font not pure white, should have restrained glow and
texture, faint edge glow. Text animations include fading in from deep
space darkness, being swept by starlight, letter-spacing expansion,
motion trails, faint glow, black screen flashes.

再讀一遍，注意缺了什麼。沒有角色。沒有場景。沒有鏡頭表， 那七串字裡也一個都沒有。MiniMax 給整份東西標的是 (Not a complete prompt, details can be added independently)， 所以把它當成一份片段——那幾行裡有些很可能被打進了他們沒有公布的那一部分。

但其中有一張字卡不可能是任何地方打出來的，而那正是值得你注意的那一張。

那一張該放在參考圖裡、而不是提示詞裡的字卡

這次請求帶了一張參考圖。就是這張：

那是一張標題已經排好的完成主視覺。現在看它在片子裡出現在哪裡。

最前面八個影格——0.000 秒到 0.292 秒——就是那張圖，帶著一次緩慢的推進。 然後硬切到黑。到 12.5 秒它回來，而預告停在它上面結束。

所以那組兩行的主標不是 H3 拼出來的。它就是那張靜態圖本身， 在頭尾兩端出現在畫面上，攝影機在它上面移動。那行拉開字距的副標、 它用的那個灰白色、那個字距——沒有一樣是被生成出來的， 所以沒有一樣有機會出錯。

這給你的規則

在下那個顯而易見的結論之前，先看看另一支範例，因為它切向相反的方向。 MiniMax 第二支預告片帶著五張字卡，而它的標題就在提示詞裡—— 明明白白寫出來，還附帶一條顏色指示：

A large title fades in from the dark edge, blurry first then clear: "THE STARS WERE LISTENING" font extremely narrow, heavy, all caps, dark red mixed with rust red

它回來是對的，而且回來就是它要的那個暗鏽色。同一支片子還交出了 NO ONE WAS MEANT TO HEAR IT——兩行七個字——一個錯都沒有。

所以兩支官方片子加起來的成績是十二張字卡，全對， 描述的和提供的都一樣。把標題打進提示詞是有效的。 真正要緊的分別不是「描述」對「提供」：

所以你的過場字卡照寫。不會有壞事發生，而且你留住了那個參考位子。 但是那一張每一次都必須正確的字卡——一個品牌、一個產品名、真正的片名—— 根本就不該是一次生成。 把它放進圖片裡，就是把它拿出這場樂透。

而如果你把那張圖當成一個完成的畫面、而不是一張情緒板來構圖，你就拿到它兩次。 注意這是你交出去的東西的性質，不是 Ref2VA 本身的性質： 另一支片子的參考素材是一張氣氛板和一張角色肖像，而它開場哪一張都不是。

這件事把工作順序翻了過來。你不是先寫一支預告再加上標題。 你先設計最後一格，再去要那到達它的十五秒——而它同時兼任你的開場閃格。

不是設計師，那主視覺怎麼做

這是每個人都跳過去的一步，所以講具體一點。你需要一張靜態圖， 用你最後的畫面比例，裡面有四樣東西：

1. 標題，照你要的方式排好。 字距拉寬、全大寫，而且不要純白。 我在官方那張靜態圖上取樣了字的那一列，峰值是 #bcc0c6—— 一個微微偏冷的灰，大約 78% 亮度。這一個選擇就佔了「這張卡看起來像設計過 而不是打上去的」的大半，也是為什麼 MiniMax 自己的提示詞寫 「font not pure white」。把你的標題從 #ffffff 往回壓一點， 它就不再像一行字幕了。
2. 想要的話，加一行副標。 SHE WAS NOT ON BOARD 做的是實事； 它把一個標題變成一個前提。
3. 你要的、頭尾兩端都成立的構圖。 字後面的那個東西， 既是你的預告開場的那一格，也是它落下的那一格， 所以把你的主體放進去，當成一個完成的鏡頭來構圖，不是當成背景。
4. 氣氛。 調色、顆粒和光線都會跟著圖片一起過去。

任何圖片工具都做得到，Figma 或 Canva 裡的一張投影片也可以—— 那些字不必是生成的，它們必須是可讀而且定稿的。長邊 1280 或更高輸出。

在你做這張圖之前，有一件事值得知道：一張參考圖會帶著它自己的光線過來。 如果那張靜態圖冷而陰鬱，整支預告回來就是冷而陰鬱，不管提示詞怎麼寫。 挑你要在成品裡看到的那個光，不是在海報上最好看的那個光。

十五秒是一支前導，而那正是值得做的格式

在你規劃任何東西之前先大聲說一次：一支 MiniMax H3 片子的上限是 15 秒。 一支戲院預告是 90 到 150 秒。如果你是來一次做出一支兩分鐘預告的， 今天沒有任何模型做得到。

十五秒確切是什麼，是那個社群版的縮短剪—— 在 TikTok、Reels 和 Shorts 上跑的前導格式， 而那才是現在預告真正被看的地方。它同時也是那套五工具組合最不擅長的格式， 因為組一支十五秒的東西，前置成本跟九十秒的一樣。

如果你需要長度，做法不是一次更長的生成。是做好幾支這種東西， 每一支到達它自己的字卡，再剪在一起——而每一支仍然是一次呼叫，不是十二次。

要八秒或十五秒，中間的都別要

小事，很容易搞錯，而且它只在一個地方現形：最後那一拍。

H3 以固定區塊算圖——24 fps 下的 17n + 5 個影格—— 所以你打進去的長度會被吸附到最近的合法值。 兩支官方預告片回來都是 362 影格，也就是 15.083 秒，不是 15。

那個小數在一般鏡頭裡無害。在預告裡你是在算一張字卡落在哪一拍上， 所以它有影響。8.000 秒是唯一可用的整秒，而 15.083 是這個範圍的頂。 挑這兩個其中一個，照它寫你的時間點，最後那張卡就會落在你放的地方。

那一格讓我以為 H3 不會拼字的畫面

我從另一支範例裡抓了一格出來檢查字，拿到的是這個：

THE STARS W RE LISTEN

缺字母、尾巴掉了。看起來完全就是大家在警告的那種失敗—— 直到我去看隔壁幾格。一秒之後，同一張卡讀起來是 THE STARS WERE LISTENING，連副標都在，完美。

那些字卡是靠拉開字距做動畫的，所以每一張都有幾十分之一秒是處在半成形的狀態。 沒有任何東西壞掉。我是拿一張還在到達途中的卡的截格去下判斷。

這件事值得多想一下，因為那幾乎肯定是「H3 不會拼字」那些截圖裡 有一部分的來源。一張半成形的卡，看起來跟一張壞掉的卡一模一樣， 而在時間軸上拖曳，落在那些畫面上的機率遠高於隨機—— 它們正是那些看得出有事情在發生的畫面。

由此推出兩件事。 從穩定下來的那一格判斷字，不要從拖曳判斷。 還有，當你要抓一張縮圖，等卡鎖定之後再抓—— 不然你就是自己把那個瑕疵交了出去，然後被別人截圖。

追這件事追出了另外一篇：跨六支片子， 每一串提示詞真的點名過的字都拼對了，而有趣的是那些沒人點名的字。 MiniMax H3 拿你沒指定的文字怎麼辦 有那些影格計數。

提示詞那一半管的是什麼：剪接節奏和字的處理

一旦圖片扛起了主標，那段文字就做兩件事，而兩件都值得照抄：

它定剪接節奏。 「Quick hard cuts, bridge vibrations, intense light flashes, short black screens, jump shock transitions」是一張五項的菜單， 而模型五項都用。我不會拿掉的是 short black screens—— 一支預告需要一個地方在最後那張卡之前喘一口氣，而黑畫面是最便宜的買法。 把它拿掉，十五秒的切就讀起來像雜訊。

它一次定下每一張卡的字處理。 從黑暗中淡入、被星光掃過、字距拉開、 運動殘影、黑畫面閃爍。就是這一半讓那六張生成的卡看起來跟那一張設計過的卡 屬於同一個東西——同樣的輝光、同樣的字距、同樣的入場。 換參考圖的時候把它一字不動留著，你自己的六張就會跟你自己的主標對上。

跑一支 MiniMax H3 預告要多少錢

一支十五秒的預告，768P 是 62 點數，2K 是 122。 八秒的版本是 34 和 66。你的參考靜態圖免費——前五張都是。 每一個方案的燒法都一樣，所以換檔次這些數字都不會動。

這筆帳裡有兩個部分是預告特有的。

解析度花的錢比比例多。 從 768P 換到 2K，每秒的燒法翻倍； 從 16:9 換到 21:9，多加一半。十五秒的 2K 寬銀幕是 182 點數， 同一顆鏡頭在 768P 寬銀幕是 92。寬銀幕是預告這個格式的家常樣式， 所以要有意識地設它——但如果一定要讓步，比較便宜的那根槓桿是解析度，不是形狀。

草稿是第二次執行，不是折扣。 沒有升級按鈕——一條 768P 和一條 2K 是兩次生成、兩筆錢。所以讓草稿把它的錢賺回來：八秒、768P、16:9， 也就是 34 點數，不到一條 2K 全長 21:9 的五分之一。 你的切有沒有落在拍子上，在 768P 完全聽得出來， 而那個拍子是唯一值得反覆調的東西。等節奏站住了，再去花那條長的。

完整的表在價格頁上。

試試看

上面那份提示詞、那張參考靜態圖，還有做完的片子，全部在同一頁： MiniMax H3 科幻預告提示詞。

帶著你自己的主視覺，把那套語法貼進參考圖生影片。 如果你想在做圖之前先摸一摸剪接節奏， 文字轉影片 用八秒就能給你節奏，只是沒有那張卡。

範例片段、提示詞和參考圖都是 MiniMax 自己的，以 CC BY 4.0 發布於 awesome-minimax-h3-prompts。 上面的影格計數、時間點和標題字串是從檔案上讀出來的。