Hailuo 3 Prompt 指南：MiniMax H3（與 H3 Max）提示詞怎麼寫

大多數 Hailuo 3 prompt 失敗的原因很無聊：大家寫的是圖說，不是導戲的指令。「一個女人在雨中走路，電影感」這種句子，幾乎沒給模型任何可以抓時間、抓構圖、配音的東西。MiniMax H3 的設計前提，就是一段更像分鏡腳本、而不是圖說的 prompt 結構——一旦看懂這個結構，輸出的差距立刻看得出來。

這篇指南講的是模型真正回應的格式：鏡頭、運鏡、對白標籤、音場欄位，附上文字生影片和圖片生影片的範例，可以直接複製。所有內容同時適用 H3 和我們在 Epochal 上跑的高速版 H3 Max。

先搞清楚：你在對什麼下 prompt

Hailuo 3 是 MiniMax 現在的影片模型。它生成影音同步的片段：畫面、環境音、音樂、口說對白一次出齊，不是事後再自己拼接的軌道。前一代 Hailuo 2.3 做的是無聲影片；H3 把聲音視為同一份 prompt 的一部分。

H3 Max 是同家族的速度優先版本。prompt 格式相同，生成更快，解析度選項較少。還在反覆試 prompt 階段，Max 回饋得更快；下面的寫法原封不動通用。

在 Epochal 上，H3 Max 以文字 prompt 或圖片（起始影格，或起始＋結尾影格一組）生成 480p、768p、1080p 的 5 到 15 秒片段。以下範例都假設這個畫布。

三個欄位

H3 的 prompt 格式有三個帶標籤的欄位。兩個可省略，但三個都看懂，第一個欄位的寫法就會不一樣：

integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...

• integrated_multimodal_description 是 prompt 的本體。時間軸上所有看得到、聽得到的東西都歸它管：鏡頭、運鏡、動作、對白。
• overall_soundscape 是整段影片的背景聲音：雨聲、車流、房間底噪、腳步聲。對白和音樂絕對不寫這裡。
• non_diegetic_music 是配樂——只有觀眾聽得到的音樂。如果劇中角色可能聽得到（收音機、街頭藝人、手機鈴聲），就該寫進第一個欄位。

影像部分怎麼寫：鏡頭與運鏡

先用風格和構圖開場，再描述發生什麼事。下面是一則完整格式的 prompt，以及它實際生成的片段（用 MiniMax H3 生成，2026 年 9 月）：

integrated_multimodal_description: [Shot 1] An extreme close-up macro shot of a whole pomegranate carved from transparent ruby-red crystal glass, centered on a wooden cutting board, studio backlight scattering refractions and internal reflections through the seeds. A polished steel cleaver enters the frame and presses down in one slow, clean cut. The glass splits with a fine network of cracks before the two halves separate and rock gently on the board.

overall_soundscape: Quiet room tone; the only sound is the blade's crisp contact and a bright, crystalline crunch as the glass pomegranate splits, with tiny shards scattering across the wood.

non_diegetic_music: N/A

這個例子裡真正在做事的是三件事。

風格詞決定渲染方式。 實拍、電影感、2D 動畫、3D CG、黏土動畫、水彩、復古底片。挑一個放在最前面。這個例子裡，「極端特寫微距」加上材質詞（「透明紅寶石色水晶玻璃」）比任何「電影感」都有用。同一個 prompt 混用「photorealistic」和「watercolor」，模型會把兩者平均——通常平均得很難看。

運鏡要寫成句子，不是形容詞。 H3 認得一組具體的運鏡詞彙：Zoom In、Zoom Out、Push In（推鏡）、Pull Out、Pan Left/Right（橫搖）、Truck Left/Right、Tilt Up/Down（俯仰）、Pedestal Up/Down、Arc Shot、Tracking Shot（追蹤鏡頭）、Static Shot、POV、Roll。還可以加幅度（「with small amplitude」）和速度（「at fast speed」）。寫「鏡頭緩慢推鏡」永遠勝過「電影感運鏡」，因為模型執行得了推鏡，執行不了氛圍。

聲音有自己的欄位。 注意那聲清脆的碎裂寫在哪：overall_soundscape，不是音樂欄位，也不是描述裡的散文。角色可能聽得到的聲音寫進描述；場景本身的物理聲響，音場欄位才是它的家。non_diegetic_music: N/A 讓片段不帶配樂，就沒有東西會蓋過玻璃碎裂的聲音。

多鏡頭需要時間戳。 第一顆鏡頭從零秒開始。剪接（切換）長這樣：

[Shot 2] At 00:05.000, the camera cuts to a close-up of the split halves rocking on the board.

切換時間點必須落在片段長度之內。在 5 秒的 Max 片段裡，00:09.000 的鏡頭永遠不會發生。而且，只有當新鏡頭真的帶來新東西（新主體、新場景、新狀態）時才切。如果只是想換個角度看同一瞬間，動鏡頭就好，不要切。

對白：<d> 標籤

H3 會生成音訊，所以對白要用標籤寫進 prompt。重點如下：

The young woman with a quiet, breathy voice (S1) says: <d>[English] I get off at the next station.</d>

• (S1)、(S2) 是說話者 ID，按角色開口順序編號。第一次出現時描述聲音：年齡、音高、語速、口音。
• <d> 裡的文字會逐字唸出。不要改寫，語言標籤也要誠實：日文台詞就用 <d>[Japanese]…</d>。
• 旁白（說話者不在畫面上）要寫明這一點，並加上說話者的嘴唇保持閉合，否則模型會試著幫畫外音做嘴型同步：

An older man in a wool coat says in an off-screen voiceover: <d>[English] Nobody remembered the lighthouse that winter.</d> while his lips remain completely closed.

• 畫面中的文字（霓虹招牌、手機螢幕）用雙引號寫在描述裡：A red neon sign reading "OPEN" hums above the doorway.

音場欄位，講重點

各寫一到三句。具體勝過抽象：

overall_soundscape: Steady rain taps against the café windows; low room ambience continues underneath.

non_diegetic_music: Sparse piano notes at a slow tempo, joined by sustained low strings that swell before fading out.

音樂欄位別寫情緒詞。「憂鬱」無法演奏；「慢板稀疏的鋼琴，配持續低音弦樂漸強後淡出」可以。兩個欄位都接受 N/A，想要除了場景聲之外全靜音就用它。

圖片生影片：錨定影格

I2V 是 Hailuo 3 真正展現價值的地方，prompt 寫法也跟著變。你的圖片是時間軸上的一格影格，文字 prompt 必須和它一致：

• 只給起始影格。 描述圖片「之後」發生的事。圖片錨定第零秒；prompt 從那裡往前發展。
• 起始＋結尾影格。 描述兩者之間連續的路徑，最好寫成一顆鏡頭。模型的工作是過渡，所以給它一個明確的變化去搭橋（潮水漲上來、門打開、素描被畫完）。
• 運鏡紀律： 一則 I2V prompt 只用一次運鏡。在一張靜態圖上堆橫搖、變焦加剪接，是跟錨點作對。

做首尾影格時，完整結構化格式會在描述上方加一列對齊行，說明哪張圖位於哪個時間戳。這是模型自己的 prompt expander 產出的格式。手寫 I2V prompt 沒有那一列也完全可用，只要你的描述清楚從起始影格敘事到結尾影格。

以下是一則實際的起始影格 I2V：一張港口棧橋的錨定圖、一台固定攝影機、一個跨越五秒的變化（用 MiniMax H3 生成，2026 年 9 月）：

[Shot 1] A static shot of the harbor pier from the first frame. Over the next five seconds, the last orange band of sunset fades from the water while a small fishing boat crosses slowly from left to right, its lamp the first light to switch on. The camera stays still.

overall_soundscape: Gentle water lapping against the pier pilings; a distant gull call near the end.

注意這則 prompt 要求得多麼少：固定畫面、讓光淡出、讓一艘船駛過。構圖交給錨定圖，prompt 只指揮變化。

自己寫，還是交給 optimizer

這是我們工作台上最實際的分岔點。Epochal 的 H3 Max 有三段 prompt 擴充設定：

• Off。 你打的字原封不動交給模型。已經照上面的結構化格式寫好、想讓運鏡、對白標籤、音場欄位一字不動被尊重時用這個。
• Balanced（預設）。輕度改寫，補洞、整理結構。適合「主廚在昏暗廚房裡甩鍋火焰，鏡頭緩慢環繞」這類自然語言草稿。
• Quality。 較重的處理，從你的種子想法長出更完整的結構化 prompt。意圖很明確、但沒耐性自己寫鏡頭和音場的時候用。

合理的流程是：先用 Balanced 起草，看看擴充加了什麼，再切到 Off 手動編輯擴充後的 prompt。你會從模型自己的編輯裡學會這個格式——比讀文件快，包括這篇。

想親眼看看這個分岔，同一句自然語言草稿在 Epochal 上跑了兩次（MiniMax H3 Max，5 秒，480p），第一次擴充關閉，第二次 Balanced：

someone films a tiny glowing creature standing on their kitchen table at dusk, one-handed phone footage

擴充關閉。 句子原樣送到模型：

Balanced。 同一句話經過擴充處理之後，補上了鏡頭結構和聲音：

兩段都看完，再體會一下擴充處理在同一句話之上悄悄加了多少東西。

常見錯誤

• 寫圖說不寫指令。「一隻狗在跑，電影感，4K」給不了你構圖、動作弧線、鏡頭，也沒有任何時間依據。
• 剪接時間戳超出片段長度。5 秒片段裡的 00:09.000 是純粹的死重。
• 角色聽得到的音樂放進 non_diegetic_music。該放的是描述裡。
• 對白寫成普通散文，模型分不清台詞和旁白。
• 一個 I2V 錨點疊三種運鏡。
• 抽象風格堆疊。「電影感、感性、史詩、傑作」不是風格；「復古 16mm 底片」才是。

FAQ

Hailuo 3 認得 <d> 這種對白標籤嗎？ 認得，這是模型訓練格式的一部分。你也可以只寫「he says:」加引號中的台詞，模型通常照樣會唸；但標籤版本在語言控制和逐字保持上更可靠。

每則 prompt 都需要三欄位格式嗎？ 不用。單純的自然語言描述就能出很好的片段，prompt 擴充開著時更是如此。三欄位真正發揮作用是在你「導演」的時候：聲音設計、音樂、多鏡頭結構。

H3 Max 最長的片段是幾秒？ 15 秒，Epochal 和 Max 的官方設定都一樣。用時間戳把切換放進這個區間。

prompt 長度有上限嗎？ 官方 API 上限 7,000 字元，遠超過 15 秒片段能呈現的量。聚焦的 100 到 300 字 prompt 幾乎永遠勝過 2,000 字的。

可以用其他語言寫 prompt 嗎？ 模型支援多種語言，<d>[Language] 標籤控制口說對白的語言。prompt 本文本身，英文是最穩的預設——運鏡詞彙（Pan、Tilt、Tracking Shot）本來就是用英文定義的。

H3 和 H3 Max 的 prompt 寫法有差嗎？ 格式完全相同。Max 拿部分解析度餘裕換生成速度，所以反覆試 prompt 的階段就對著 Max 寫。

我的片段為什麼沒有聲音？ 通常是 prompt 只描述了畫面。H3 是在 prompt 給了它可聽的內容時才生成音訊。加一行 overall_soundscape，或在描述裡補環境音細節。

Hailuo 3 免費嗎？ 沒有任何平台能無限量免費使用。MiniMax 官方的 Hailuo AI App 給新帳號少量每日額度，第三方平台提供的試用額度也很快用完。在 Epochal 上，每次生成前都會顯示積分成本，新帳號有小型贈送額度加每日簽到。想測 prompt 的話，5 秒 480p 是最省的迭代檔位。

Hailuo 3 什麼時候發布的？ MiniMax 於 2026 年 7 月 31 日推出 H3，提速版 H3 Max 於 2026 年 9 月跟進。兩者都使用本指南介紹的 prompt 格式。

動手試

從上面的範例挑一則，貼進 Epochal 的 MiniMax H3 Max，擴充關閉跑一次，看看原始格式能做出什麼。如果是從靜態圖出發，同樣的錨定規則照用。哪些工作流適合哪種輸入，可以看我們的圖片生影片工具整理。

Meta Title: Hailuo 3 Prompt Guide: MiniMax H3 Prompt Format (2026)

Meta Description: How to write MiniMax H3 / Hailuo 3 prompts: shot structure, camera move vocabulary, dialogue tags, sound fields, and image-to-video prompting that works.

Slug: hailuo-3-prompt-guide

Primary Keyword: hailuo 3 prompt guide

Secondary Keywords: minimax h3 prompt, minimax h3 prompt guide, hailuo 3 prompts, hailuo h3 prompting

Suggested Internal Links:

• /models/minimax-h3-max: the model this guide prompts for (hero + CTA)
• /models/hailuo-2-3: predecessor context
• /blog/best-image-to-video-ai-tools-2026: I2V readers