最近 MiniMax H3 在 AI 短剧制作圈里的讨论度上升得很快。很多人的第一反应是：AI 生成单条视频本来就难控，还要保证几十个镜头里的角色始终是同一个人，再把时长撑到几分钟，这听起来像是某个付费工具的广告语。但社区里确实已经有人用 MiniMax H3 加 ComfyUI 等开源组件，跑通了从分镜脚本到短剧样片的完整链路。

这件事真正值得关注的，不是某个特效镜头多炫，而是它把“单镜头出片”升级成“批量可控出片”的工程方法。传统 AI 视频工作流里，人物一致性靠抽卡，镜头衔接靠运气，长时长靠后期硬剪。MiniMax H3 的参考图驱动能力，配合提示词模板和开源工作流，让短剧制作第一次有了接近传统制片流程的“定妆照 + 分镜表 + 逐场拍摄”的节奏感。

这篇文章我会沿一条完整的短剧样片链路展开：MiniMax H3 解决了什么问题，为什么可以走全开源路线，如何在本地搭好工作流，提示词模板怎么沉淀，人脸一致性怎么维护，以及长时长视频如何分段生成、验收和拼接。末尾附上常见问题排查和工程化建议，建议先收藏再往下读。

1. 这篇文章真正要解决的问题

做 AI 短剧样片，最折磨人的往往不是模型不听话，而是角色不认人。你用一段提示词生成女主角近景，感觉很对；换一个机位再生成中景，五官变了，发型变了，连衣服都换了一套。于是只能反复抽卡、反复垫图，最后成品像“每个镜头找了一个高仿替身”。

站在实际项目角度，AI 短剧样片有三大痛点：

第一个是 一致性 。短剧靠角色驱动，观众对脸的记忆非常敏感。一个镜头换一张脸，再好的剧情也立不住。人脸一致性不是“长得像”就行，而是发型、五官比例、服装、光影氛围都要在可接受范围内连续。这是单图生成时代最难解决的问题。

第二个是 可控性 。模型生成有随机性，同一个提示词跑五次，五个结果差异可能非常大。放在短视频里没关系，多抽几次卡就行。但短剧是连续叙事，每个镜头都要为前后文服务，不能靠运气。如何用工作流约束随机性，把生成从“赌”变成“选”，是工程上必须解决的问题。

第三个是 长时长 。短剧样片虽然叫“样片”，时长通常也要三到五分钟。按每个有效镜头 5 到 8 秒算，至少需要几十个可用镜头。模型每次生成只有几秒到十几秒，如何分段、如何保证段与段之间风格统一、如何控制整体节奏，都是单镜头玩家不会想的事情。

这篇文章最值得读的读者有三类：正在尝试 AI 短剧制作的视频创作者，想用 ComfyUI 把 AI 视频生成工作流化的技术爱好者，以及关注开源视频模型的算法和工程同学。读完你至少能获得一套可以落地的分镜工作流、一组可复用的提示词模板，以及一套长视频质量验收思路。

2. MiniMax H3 核心能力与模型定位

在展开实操之前，先建立对 MiniMax H3 的基础认知。

2.1 视频生成模型正处在什么阶段

AI 视频生成大致走过了三个阶段。第一阶段是文生视频，给一句描述，模型生成一段画面，内容漂移严重，人物几分钟内在不同宇宙穿梭。第二阶段是图生视频，输入一张静态图，让画面动起来，单镜头里的人脸稳定性有所提升，但镜头一换，人物形象重新归零。第三阶段是参考图驱动生成，模型通过一张或多张参考图锁定人物外观，再根据提示词生成不同镜头下的动态画面。

MiniMax H3 之所以被短剧创作者注意，从社区讨论和使用反馈看，正是因为它把第三阶段的能力往前推了一大步。它不只是“长得像”，而是能在不同景别、不同角度、不同光线下维持角色的整体一致性。这个能力是短剧分镜制作的技术前提。

2.2 H3 的参考模式意味着什么

从多个社区反馈看，H3 有一个非常核心的功能叫 ref2va，也叫全能参考模式。简单说，你可以给模型提供角色参考图，模型会把这个角色的人物特征、服装风格、气质状态作为约束条件，再结合提示词去生成新的画面。

这个功能最直接的价值是： 它把“角色设定”从提示词里搬到了参考图里 。没有参考模式的时候，你要在提示词里描写“黑色短发的年轻女性，穿白衬衫，眼神坚定”，以模型每次生成的“黑色短发”可能都是不同版本。有了参考模式，角色长相由参考图负责，提示词只负责描述动作、情绪、光线和镜头，分工清楚，稳定性自然提升。

2.3 模型能力决定工作流上限

工作流设计得再好，模型托不住上限，一切都是空谈。H3 之所以适合做短剧样片，本质上是因为它的参考能力、动态质量和中文提示词理解能力都能满足短剧的基本要求。技术选型中最重要的判断不是“哪个模型参数最大”，而是“哪个模型的失败模式你最能接受”。

如果模型对人脸一致性的处理偏弱，再牛的提示词模板也救不回来；如果模型对运动表现偏弱，武打、追逐、情绪爆发这些短剧高能场面就没法拍。因此，本文所有工作流设计都默认建立在 H3 这类具备参考图驱动能力的模型之上。

2.4 本地部署为什么成为关注点

从热搜词可以看到，minimax h3 本地部署、comfyui minimax h3 整合包、3060 这类关键词热度很高。这说明很多人希望把创作链路掌握在自己手里，不依赖在线平台。社区讨论中常见的版本规模在 33B 左右，对显卡有一定门槛，但并非遥不可及。后面第 4 章会详细展开环境准备。

3. 全开源链路：为什么这条路可以走通

什么叫“除封面全部由开源实现”？拆开看，指的是短剧样片制作过程中，除了最开始的发布封面可能用了在线设计工具，其余环节——分镜脚本管理、提示词生成、模型推理、素材校验、视频拼接——都通过开源工具和开源模型完成。

3.1 开源到底开源在哪一层

很多初学者对“开源”有误解，以为开源就是一个大模型文件走天下。实际上，一套完整的开源 AI 制作链路由四层组成：

层级	代表工具	作用
模型层	MiniMax H3 开源权重	负责视频生成
工作流层	ComfyUI 及社区自定义节点	负责节点编排、参数控制、批量执行
脚本层	Python 脚本	负责分镜管理、文件整理、质量校验
后处理层	FFmpeg	负责视频切片、拼接、转码、音频合成

这四层缺一不可。模型层决定生成效果的上限，工作流层决定可控程度，脚本层决定批量效率，后处理层决定最终成片质量。很多人在开源社区下载了模型文件就开始跑，结果发现工作流一塌糊涂，问题往往出在后面三层。

3.2 闭源工具的替代路径

早期 AI 短剧制作高度依赖在线平台。在线平台的优点是省心，缺点是可控性差：提示词要等着平台审核，参数不能完全自定义，一致性维护全靠平台的“角色自定义”功能，一旦某个能力没开放，整个镜头方案只能推倒重来。

开源路线把这些环节全部本地化。所以从材料看，“除封面全部由开源实现”这个说法不是在喊口号，而是指向一条真实的工程链路：ComfyUI 承担节点编排，开源模型承担推理，FFmpeg 承担后期拼接。只有封面设计这种极其依赖审美模板的环节，才暂时由在线工具完成。这不是“不会用开源”，恰恰是对开源和闭源边界的清醒判断。

3.3 选型背后的风险意识

走全开源链路不等于零成本。模型权重需要下载，ComfyUI 依赖需要安装，显卡显存需要评估，创作者还需要具备基础的命令行能力。但换来的是： 生成过程可复现、参数可调、角色设定可沉淀、批量可扩展 。对短剧这种多镜头、多批次、高迭代的制作类型来说，这几点价值远远超过初期的学习成本。

4. 环境准备与本地部署

4.1 硬件评估：3060 到底行不行

从热搜词能看出，很多人在问 comfy ui minimax h3 3060 能不能跑，或者 H3 能不能在 AMD CPU 上本地部署。回答这个问题要看具体分支：

• 3060 12GB 显存 ：从社区反馈看，可以尝试运行整合包，但通常需要在分辨率、批次大小、缓存策略上做妥协。建议先从低分辨率、短片段开始验证流程，再逐步拉高画质。
• 3060 8GB 显存 ：非常紧张，大概率只能跑很小分辨率或需要依赖模型量化方案。
• 纯 CPU 推理（含 AMD CPU） ：理论上可行，但推理速度会非常慢，视频生成任务对并行计算要求极高，CPU 方案主要用于验证代码逻辑，不适合正式生产。如果只有 CPU，更推荐使用云 GPU 实例。

这里要强调一个原则：本地部署一切的前提是合法合规。下载模型前确认开源协议，使用整合包时遵循作者文档说明，不要修改协议或绕过授权限制。对于生产项目，建议在测试环境验证通过后再投入正式素材制作。

4.2 安装 ComfyUI 与整合包

ComfyUI 是当前最主流的开源节点式工作流工具。以整合包方式安装是最省事的路径：下载整合包、解压、按说明放置模型文件，然后启动。

# 进入 ComfyUI 目录后，启动服务
python main.py --listen 127.0.0.1 --port 8188

启动成功后在浏览器访问 http://127.0.0.1:8188 ，能看到节点编辑界面，说明基础环境正常。接下来把 H3 对应的模型权重放到 models/checkpoints 或文档指定的目录，并在工作流中正确引用。

用 Anaconda 管理 Python 环境的同学，可以按下面的方式隔离依赖：

conda create -n minimax-h3 python=3.10
conda activate minimax-h3
# 依赖安装命令以项目官方文档为准，不要照抄旧版本
pip install torch torchvision torchaudio

版本选择上，不要盲目追求最新版。ComfyUI 和自定义节点之间存在版本匹配问题，出现节点加载失败时，优先查看启动日志里缺失的包名，再补装指定版本。

4.3 验证安装的最小测试

环境配好后，不要直接跑短剧分镜，先跑一个最小测试。用一张人物参考图，一段 5 秒的简单动作提示词，低分辨率生成一次，确认模型能正常推理、参考图模式能生效、输出视频能保存。

最小测试通过后，再进入正式分镜制作。这一步能帮你把“环境问题”和“创作问题”隔离开，避免在分镜做到一半时才发现是部署问题。

5. 核心工作流：从分镜脚本到人脸一致的视频片段

短剧制作的核心不是“用 AI 生成一条视频”，而是“用 AI 批量生成一整场戏”。差异在于：后者需要一套结构化的分镜管理方法。

5.1 分镜脚本的数字化

传统剧本分镜是给人看的，AI 分镜是给“人 + 模型 + 脚本”三者协作的。因此分镜表必须包含模型需要的全部字段。

字段	说明	示例
scene_id	场次编号	S01
shot_id	镜头编号	C01
location	场景	老城天台
subject	主体角色	女主角阿夏
action	动作描述	转身看向镜头
emotion	情绪状态	紧张但克制
reference_img	参考图路径	ref_axi_01.png
prompt_id	使用的提示词模板编号	scene_emotional_v1
duration_sec	目标时长(秒)	8

推荐用 CSV 管理分镜表，方便脚本读取：

scene_id,shot_id,location,subject,action,emotion,reference_img,prompt_id,duration_sec
S01,C01,老城天台,女主角阿夏,转身看向镜头,紧张但克制,ref_axi_01.png,scene_emotional_v1,8
S01,C02,老城天台,女主角阿夏,看向远处,落寞,ref_axi_01.png,scene_emotional_v1,6
S02,C03,雨夜街道,女主角阿夏,撑伞快步走,警觉,ref_axi_02.png,scene_action_v2,7

5.2 参考图的准备策略

人脸一致性链路中，参考图的质量决定了生成结果的上限。给角色准备参考图时，有几个原则：

第一， 正脸清晰 。参考图是模型锁定人脸结构的关键，面部被遮挡、分辨率过低都会导致生成结果漂移。

第二， 同一角色准备多张角度图 。近景用正脸参考，中景可以用半身参考，动态镜头可以用全身参考。不要试图用一张图约束所有景别。

第三， 环境光线不要和最终镜头差异过大 。如果参考图是室内暖光，分镜却要求黄昏天台，模型会努力让角色“看起来像参考图”，又被迫调整光线，结果可能出现肤色或整体风格突变。此时应该准备一张同一角色在相近光线条件下的辅助参考图。

5.3 按分镜批量生成与筛选

分镜表做好后，在 ComfyUI 里把 prompt 字段替换成模板变量，循环读取 CSV，就能批量生成。这里要强调一点： 不要一次疯狂批量全部镜头 。建议每批只生成 3 到 5 个镜头，生成后人工检查，再把有问题的镜头单独重跑。

固定种子是工程化的重要习惯。调好一个镜头后，记录 seed 值；如果是同样场景下微调，保持 seed 不变，只改动少量提示词，可以降低随机波动。种子不是万能药，但至少能让你的“试错结果”可复现。

5.4 质量检查原则

每个镜头生成后，至少问三个问题：

• 人物的轮廓、发型、服装是否与参考图一致？
• 动作是否符合提示词描述？
• 光线和情绪是否符合分镜脚本要求？

三个条件都满足，才进入素材库；只要有一个不满足，就要决定是调整提示词还是换参考图。不要抱着“后期能修”的心态把不合格素材留下来，后期修复成本通常比重新生成高得多。

6. 提示词模板：把短剧剧本翻译成模型语言

为什么短剧制作需要提示词模板？因为短剧是批量生产，不是灵光一现。你在深夜为某个镜头写出惊艳的提示词，但如果不沉淀成模板，下一个镜头又要从头开始写。模板的核心价值是把提示词从“灵感”变成“可复用资产”。

6.1 一个标准提示词的结构

从大量短剧生成实践看，一个合格的分镜提示词应该包含六个维度：

维度	作用	示例
镜头景别	告诉模型镜头距离	中景、近景、特写、全景
主体描述	补充参考图之外的角色动态状态	女主角，白衬衫，发丝微乱
核心动作	画面里正在发生什么	转身看向镜头，手扶栏杆
情绪氛围	角色的心理状态和画面情绪	紧张但克制
光线环境	场景的光线类型和方向	黄昏侧逆光，天台边缘
风格限定	整体质感控制	电影感短剧，纪实质感，浅景深

6.2 短剧分镜提示词模板示例

下面是一组可以直接改用的模板，以场景情绪模板为例：

场景：老城天台
景别：中景
主体：女主角阿夏，参考图锁定角色外观，黑发齐肩，白色衬衫
动作：从栏杆边转身看向镜头，停顿半拍
情绪：紧张但克制，眼神里有犹豫
光线：黄昏侧逆光，边缘泛暖色
镜头：固定机位，缓慢推进
风格：电影感短剧，纪实质感，浅景深，4K 高清

另一类短剧高频需求是动作戏模板：

场景：雨夜街道
景别：全景到中景
主体：女主角阿夏，参考图锁定角色外观，深色外套
动作：撑伞快步穿过街道，身后车辆灯光闪动，突然停下回头
情绪：警觉，身体紧绷
光线：夜晚路灯冷光，湿地面反射霓虹
镜头：手持跟拍感，轻微晃动，速度变化明显
风格：短剧高能场面，动作流畅，背景虚化

模板用多了之后，你会发现自己最常用的不是一两个“万能模板”，而是一组按镜头类型拆分的模板库：情绪戏模板、动作戏模板、对话模板、转场模板。每个模板都可以用变量替换的方式导成表格或脚本，批量生成时效率极高。

6.3 模板迭代方法

提示词模板不是一次写完就完事。每次生成后记录调整记录：这个镜头加了什么词才让动作自然？去掉哪个词后人物更像参考图？同一模板在不同场景下的表现如何？

建议用简单的 Markdown 或 CSV 维护一个“提示词模板版本记录”，长期积累后，你会拥有比任何公开模板都适合自己项目的资产。这也是 AI 短剧制作中最容易被低估的积累。

7. 人脸一致性的实现思路与常见误区

7.1 参考模式的本质

人脸一致性不是靠提示词写出来的，而是靠参考图约束出来的。ref2va 这类全能参考模式的工作逻辑，是把参考图的角色特征提取成强约束条件，让后续生成的每一帧都向参考图靠拢。这意味着， 你不需要在提示词里反复描述五官，而应该把提示词留给动作和情绪 。

实际操作中，角色参考图会在每个镜头中反复使用。S01 的 C01 用这张图，C02 也用这张图，S03 换个场景依然可以用同一张正脸参考图，只需要补充场景和光线信息。这就是为什么说参考图是短剧项目的核心资产。

7.2 维护一致性的关键链路

面部一致性的产出，并不是单靠模型一次生成完成的，而是一套链路的结果：

• 定妆照环节 ：为每个主要角色生成一张或多张高质量定妆参考图，锁定五官、发型、服装。
• 分镜阶段 ：每个镜头都明确指定 ref 图，不随意混用。
• 生成阶段 ：参考图 + 提示词模板 + 固定种子，批量产出候选镜头。
• 校对阶段 ：逐镜头对比角色细节，有偏差的镜头进入“修复模式”。
• 素材归档 ：确认合格的镜头统一命名，进入后期拼接。

7.3 新手最常见的三个误区

误区一： 把所有希望压在参考图上 。参考图能锁定人物外观，但不能完全代替动作和光影描述。如果提示词只有“女主角，保持参考图”，模型可能在动态表现上乏力，生成结果像一张会动的图，而没有戏剧张力。

误区二： 每个镜头都重新换一张参考图 。有些人担心不换图会重复，于是每个镜头从不同角度找参考图，结果角色越生成越不像。正确做法是：同一个角色尽量稳定使用同一套参考图，只在场景光线、服装变化时才换新的定妆图。

误区三： 忽略光线和服装的一致性 。短剧样片里，S01 在白天，S03 在同一地点变成晚上，但角色穿同一身衣服，光线却不同。模型如果无法理解这种变化，可能把角色肤色、服装颜色也一起改掉。建议在场景变化大的场次，提前准备对应光线下的角色参考图，而不是临时让模型自由发挥。

8. 长时长视频的分段生成、拼接与全局把控

8.1 为什么不能一次生成完整视频

受到模型生成时长和显存限制，一次性生成几分钟的完整视频并不现实。即便未来模型支持，从导演思维看，分段生成也更合理：每个镜头独立控制，质量不合格可以单独重做，不影响其他镜头。短剧样片的制作本质上是“先拆散，再组装”。

8.2 分段粒度怎么选

建议按“场”为单位组织素材，按“镜头”为单位生成。一个镜头 5 到 8 秒，一场戏通常 3 到 6 个镜头，一场戏完成后先检查本场戏的连贯性，再继续下一场。

生成时不要一次性把几十个镜头的全部参数提交到队列。代码层面可以先把分镜表读出来，按场景分组，逐个场景执行验证：

import csv

scenes = {}
with open("storyboard.csv", encoding="utf-8") as f:
    for row in csv.DictReader(f):
        scenes.setdefault(row["scene_id"], []).append(row)

for scene_id, shots in scenes.items():
    print(f"=== {scene_id} 共 {len(shots)} 个镜头 ===")
    for shot in shots:
        print(f"  {shot['shot_id']} | {shot['action']} | ref={shot['reference_img']}")

这个脚本不直接调用模型，但能帮助你把分镜表结构看清楚，也方便后续对接自动生成脚本。

8.3 用 FFmpeg 拼接成片

所有镜头生成完毕后，进入后期阶段。先把合格素材按顺序写入列表文件，再调用 FFmpeg 拼接。这是一套完全开源的方案，脚本如下。

首先准备一个 list.txt ：

file './clips/S01_C01.mp4'
file './clips/S01_C02.mp4'
file './clips/S02_C03.mp4'

然后执行拼接：

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

-c copy 表示不重新编码，速度快，不会额外损失画质。但如果各镜头分辨率、帧率不一致，直接 copy 可能失败，此时需要先统一转码，再拼接。

为了保证成片流畅，建议在写分镜表时就固定分辨率、帧率和时长，例如统一为 1280x720、24fps。这样后期拼接出问题的概率会低很多。

8.4 自动化校验素材时长

长时长视频最怕某些镜头生成时长不足或缺失。可以用下面这个 Python 脚本，配合 ffprobe 批量检查素材时长，第一时间发现太短的片段：

import os
import subprocess
import json

clip_dir = "./clips"
min_duration = 5

for fname in sorted(os.listdir(clip_dir)):
    if not fname.endswith(".mp4"):
        continue
    path = os.path.join(clip_dir, fname)
    cmd = ["ffprobe", "-v", "quiet", "-print_format", "json", "-show_format", path]
    result = subprocess.run(cmd, capture_output=True, text=True)
    try:
        info = json.loads(result.stdout)
        duration = float(info["format"]["duration"])
        status = "OK" if duration >= min_duration else "TOO_SHORT"
        print(f"{fname}: {duration:.2f}s -> {status}")
    except Exception:
        print(f"{fname}: 无法解析，请检查文件")

运行后，所有时长异常的镜头一目了然。建议把这条命令作为每批次生成后的固定检查步骤，再进入人工审片。

8.5 全局一致性验收清单

成片拼接完成后，不要直接交付。通看一遍整片，回答以下问题：

• 主角在每一个镜头里都是同一个角色吗？
• 同一场戏里的光线、服装、道具是否连贯？
• 镜头切换后，人物的空间位置是否合理？
• 每一段的情绪节奏是否符合剧本？
• 是否有明显的时间跳跃感或风格突变？

任何一条不满足，都要回到对应镜头重新生成，而不是试图用剪辑技巧掩盖。短剧受众对“出戏”非常敏感，一次明显的角色漂移，就可能让整支样片的可信度崩塌。

9. 常见问题与排查方法

问题现象	可能原因	排查方式	解决方案
ComfyUI 启动后节点缺失	缺少自定义节点或依赖包	查看启动日志，根据提示安装缺失包	在 Python 环境中执行对应包安装命令，版本以项目文档为准
H3 模型迟迟不加载	显存不足或权重路径错误	检查模型目录和显存占用	调低分辨率、降低批次大小，或开启缓存和量化方案
生成结果和参考图不像	参考图质量问题或提示词干扰	对比参考图和分镜角色细节	换更清晰的参考图，减少提示词中对五官的过度描写
多个镜头间角色漂移	参考图不统一或光线差异过大	检查各镜头引用的 ref 图是否一致	统一参考图；场景光线变化时准备新的定妆图
视频拼接失败	各镜头分辨率/帧率不一致	用 ffprobe 检查各文件参数	统一转码后再拼接，或修改分镜参数强制统一
生成视频太短	提示词动作过少或模型参数限制	查看生成日志中的时长信息	调整动作描述段，适当增加动态过程，或调整采样参数
纯 CPU 推理太慢	硬件算力瓶颈	查看推理耗时和 CPU 占用	降低分辨率，减少总帧数，或改用云 GPU 实例

排查时遵循“先看日志，再看配置，最后看提示词”的顺序。环境问题不解决，怎么调提示词都是白费。

10. 最佳实践与工程建议

10.1 项目管理规范

短剧样片项目涉及大量生成素材、参考图、临时脚本。不做好项目文件管理，十几个镜头过后就会陷入混乱。

建议目录结构如下：

project/
├── storyboard.csv           # 分镜表
├── refs/                    # 角色参考图
│   ├── axi_front.png
│   ├── axi_side.png
│   └── axi_evening.png
├── clips/                   # 原始生成片段
├── selected/                # 合格素材
├── output/                  # 拼接成片
├── prompts/                 # 提示词模板库
└── scripts/                 # 批量处理脚本

命名建议遵循 场次_镜头_版本 格式，例如 S01_C01_v2.mp4 。每次修改模板或种子时，在分镜表里同步记录，方便回溯。

10.2 生成策略建议

不要把一个镜头的“最终版”寄托在第一次生成。合理的节奏是：先用低分辨率跑一遍分镜表，确认剧本节奏和动作描述正确；再对重点镜头提高分辨率，做精细生成。这样既省时间，也避免高分辨率跑出的镜头在剧本层面就有硬伤。

固定种子、固定参考图、固定分辨率，是保证单镜头可复现的三件套。任何一次生成后，都应该能回答“这个镜头的所有参数是什么”。做不到这一点，后续迭代就是黑盒。

10.3 后期与声音的补全

AI 视频生成解决的是画面问题，短剧还需要配音、音效、字幕和节奏控制。开源工具链里，可以用剪映等免费工具完成包装。但要注意一点：画面做了全局拼接后，重新剪辑会破坏原有的镜头顺序，建议在分镜表中预留时间码列，方便后期与音轨对齐。

10.4 合规与版权提醒

使用开源模型时，务必确认模型权重、项目代码和素材的授权条款。生成内容是否可用于商业用途，取决于模型本身的协议，不能默认“开源就等于可商用”。参考图如果来自真实人物照片，也要获得相应授权。短剧样片虽然常用于方案提案，但在对外展示时，最好在片头或片尾注明“AI 生成样片，仅用于技术演示”。

11. 总结与下一步方向

MiniMax H3 带火 AI 短剧样片，表面上是模型效果升级，本质上是一次生产方式的切换。过去做一条 AI 短片，核心能力是“写提示词”；现在做短剧样片，核心能力变成了“搭工作流”：分镜表设计、参考图管理、提示词模板沉淀、批量生成、质量校验、后期拼接，每一步都可以工程化、可复用。

如果你正打算上手，建议按下面的顺序推进：先准备好角色定妆参考图，用最少的两个镜头跑通参考模式；然后扩充到一场戏三到五个镜头，验证提示词模板的稳定性；确认流程稳定后，再把分镜表扩充到整部样片，并用 FFmpeg 完成拼接。每一步都要留下参数记录，你会发现自己越做越快。

下一步值得深入的方向包括：多角色同时出现的镜头怎么保持双重一致性，同一角色跨场景跨情绪时的参考图升级策略，以及如何把声音和口型生成嵌入当前工作流。AI 短剧制作离“万能”还很远，但“让角色从头到尾不换脸”这件事，在开源链路里已经可以用工程手段做到。希望这篇文章能帮你省掉第一个坑。