SuperAPI AI 工具集

h3-long-video

设计与创作

查看项目

更新于 10-15 16:47

技能介绍

用途:把 MiniMax H3 生成的 4–15 秒片段串联成分钟级长视频,并保持角色、场景、声音、风格一致。H3 单次生成时长有限,长视频需逐段链接,每段用参考素材延续连续性。

主要能力与一致性手段(由强到弱):

  1. 帧接缝:上一段最后一帧作为下一段首帧锚点(I2VA),接缝处画面像素级吻合。
  2. 角色参考:每次生成最多 9 张图,先做角色表(正面、3/4、全身),每段以 <Subject N> 附上。
  3. 声音参考:最多 3 段音频,从首段剪出干净台词作为 <Audio N> 音色参考。
  4. 场景/风格参考:以 <Subject N> 传入地点或风格帧。
  5. 视频续写:上一段可作为 <Video N> 用视频续写任务类型,最多 3 个视频参考。单次上限:9 图 + 3 视频 + 3 音频,共 12 个文件;音频须与图或视频同用。

项目圣经:模型不记忆历史生成,需在每段提示词中原样重复角色描述(年龄、体型、发型、面部、服装)、环境、风格前缀(如 Cinematic、vertical 9:16)、声音描述,并存为 project-bible.md 文件直接粘贴。

工作流:先分镜为 10–15 秒段落,接缝放在动作或平静帧上,关键节拍放段中;首段生成 2–3 个变体择优,用 ffmpeg -sseof -0.1 -i clip1.mp4 -frames:v 1 -q:v 2 clip1_last.jpg 抽末帧;后续段用全参考提示(首帧、角色表、声音、bible);循环到目标时长,弱段可只重生成该段;最后在编辑器中拼接,帧接缝通常无需转场。

常见问题:角色/服装漂移(用近期好片段刷新角色表)、接缝抖动(避免峰值运动处切)、声音漂移(加强音色文字描述并保持说话人 ID 连续)、光线跳变(固定在 bible 中)。响应格式:先给链条计划、bible 草案、首段提示词,再让用户回传末帧以构建下一段,不要预先盲写全部链接的提示词。

限制:单次生成时长与参考数量受限,API 中参考视频秒数计费,具体价格与平台细节暂未提供。