The project's README from github.com/LIUFelix2004/God-minmax-H3. As one markdown file: README.md.
本视频由opnai.top生成
把参考片拆成提示词,把提示词拼成成片。
一个 MiniMax H3(海螺 3.0)的视频提示词库 + 可安装的 Agent Skill。 每条提示词都是从真实参考片逆向拆解、再用 H3 跑通验证的, 附带成片预览、API 参数和踩过的坑。
H3 单次生成上限 所有「30 秒成片」的需求,本质上都是三件事:
这个库把这三件事写成了标准流程,外加 5 个已验证的分镜提示词模板。
2026 年 7 月 31 日发布。原生 2K / 24fps,4–15 秒任意整数时长, 音画同一次生成——环境声、动作音效、对白都落在你指定的那一拍上, 不是后期贴的音轨。
全能参考单次最多吃 9 张图 + 3 段视频 + 3 段音频, 用来锁角色的脸、服装、产品外观、运镜节奏和音色。
最重要的能力跃迁:一条 prompt 里可以写多个分镜,H3 会自己切。 2.x 是单镜头模型,H3 不是。本库的实测是:15 秒一条 prompt 塞进 11 个镜头, 包括结尾的英文标题卡,H3 完整还原。
| 路径 | 内容 |
|---|---|
SKILL.md |
Agent Skill 入口。丢给 Claude / Cursor 等支持 Skill 的客户端直接用 |
prompts/ |
5 条提示词模板,含 15 秒版与 29 秒分段版 |
references/h3-api.md |
API 速查:四种调用模式、限制、Context-IR、2K 再生成 |
references/prompt-grammar.md |
提示词语法:四块结构、运镜标记表、音频指令写法 |
references/stitching.md |
分段策略、一致性接力、ffmpeg 拼接 |
scripts/ |
尾帧导出、音轨抽取、一键拼接锁时长 |
assets/previews/ |
成片预览图 |

正红 / 纯黑 / 纯白三色限定,日式角色 + 瑞士平面设计构图,网点半调质感。
15 秒里 11 个镜头,结尾自带 FINAL BET · PLAY YOUR FATE 标题卡。
已验证 · 15s · 1344×768 · 文生视频 · 完整提示词 →

技术核心是「手机自拍取景框 UI + 电影级动态范围 + 日落逆光」这套组合。 前半段伪 UGC 自拍,后半段取景框消失转客观镜头,落差就是钩子。
已验证 · 15s · 1344×768 · 文生视频 · 完整提示词 →

核心手法是「版面即画面」:报纸拼贴、侦查板、六格分屏动作页, 平面排版语言直接当镜头用。午夜蓝 + 铬黄 + 警灯红。
已验证 · 15s · 1344×768 · 文生视频 · 完整提示词 →
贴地低机位固定镜头,纵深压迫感全靠骑队由远及近产生。 很多人做史诗开场会本能地加推轨,反而把张力做没了。
待验证 · 29s(15+14)· 完整提示词 →
越肩构图,零切点。考的不是运镜,是口型、微表情和眼神移动。 分段时接缝必须落在换气或转开视线的瞬间。
待验证 · 29s(15+14)· 完整提示词 →
支持 Agent Skill 的客户端,把整个仓库放进 skills 目录即可:
git clone https://github.com/LIUFelix2004/God-minmax-H3.git ~/.claude/skills/minimax-h3-video
之后提到「海螺」「H3 生成视频」「帮我做个 29 秒的片子」就会自动触发。
直接翻 prompts/,复制 prompt 到海螺 App 或 Open Platform。
建议 768P 试错 → 满意后走再生成接口出 2K,省钱。
./scripts/extract_last_frame.sh segA.mp4 # 导出尾帧作下段 first_frame
./scripts/extract_audio.sh segA.mp4 # 抽音轨作下段 reference_audio
./scripts/stitch.sh 29 final.mp4 segA.mp4 segB.mp4 # 拼接 + 淡化 + 锁死 29.000s
从这几条片子的反复试错里总结的:
[推进] [横移] [跟随]。完整版见 references/prompt-grammar.md。
本库只收录自创设定的提示词,不收录指向具体商业 IP 角色的提示词。
逆向拆解参考片时,真正值钱的是画面语言——配色方案、运镜逻辑、 剪辑节奏、构图法、材质质感。人物换成自己的设定,这套语言照样成立, 而且能拿去商用。
需要注意的是:有些角色特征组合在模型训练分布里高度指向某个知名 IP,
即使你写的是自创设定也会被画成那个样子。对策是主动加差异化特征并在
负面约束里排除,具体案例见 prompts/03-night-comic.md。
跑通了新的模板,欢迎提 PR。请附上:完整 prompt、API 参数、成片预览图、 以及失败过的地方——坑比成功案例有用。