MiniMax H3 Director Cut Studio 教程（教程更新在最新楼）
-
在20年前曾經跟朋友创办摄影论坛，那个时候曾經想要花4000去租 klpf 的口放自己的作品。还记得策划了一段 3d 视频，可惜当年的设备有限，想得到，但是做不出来的
如今把当年得有思创作，使用 ai 创作，原来是那么地简单・・・
内容是告诉我在 klpf 小径口的开幕典礼。我要的效果是一颗流星从太空飞越，一直到马来西亚、midvalley、klpf 会场，到我的档口 流行停下来变换成一颗 olympus ep2 相机，然后我幻化一个摄影师拿着相机自由拍摄 在 klpf 会场飞翔。看着底下的观众，然后人物在档口面前定格全体照[Verse 1]
深夜宇宙 星光在流浪
一颗流星 穿过银河中央
越过云海 飞向那远方
马来西亚 灯火渐渐发亮
掠过城市 穿越吉隆坡
Mid Valley 就在前方闪烁
跟着光芒 来到 KLPF
寻找属于摄影人的地方[Pre-Chorus]
穿过人群 穿过会场
镜头和照片都在发光
转过一个 又一个方向
终于看见熟悉的招牌
那颗流星 慢慢停下
所有星光在眼前聚合
就在这一刻 奇迹发生
FOTOGANG 等着它回家[Chorus]
FOTOGANG 今晚我们登场
一颗流星落在摄影的地方
Olympus E-P2 在发光
从星辰变成手里的梦想
按下快门 世界被收藏
飞过 KLPF 看人海流淌
每一个笑脸 每一道目光
都变成我们最美的影像[Verse 2]
星光散开 我站在中央
手里的相机轻轻发亮
踏出一步 身体开始飞翔
摄影让我越过整个会场
低头看见 人群在流动
有人挥手 有人举起镜头
我在空中 按下一次快门
这一秒变成永恒的梦[Chorus]
FOTOGANG 今晚我们登场
不是最大的店也一样发光
Olympus E-P2 在手上
带我飞过每一条走廊
从高空看见 KLPF 的模样
镜头记录每个人的脸庞
照片不是冰冷的一道光
是我们共同留下的时光[Bridge]
我飞回来 熟悉的方向
FOTOGANG 招牌越来越亮
朋友伙伴 全部靠近身旁
今天我们一起站在中央
不用飞翔 也不用魔法
这一刻已经值得珍藏
对准镜头 大家看向前方
三 二 一——把今天留下[Final Chorus]
FOTOGANG 今天正式登场
从宇宙一路来到这个地方
一颗流星 化成摄影梦想
Olympus E-P2 陪我飞翔
KLPF 人海就在身旁
Mid Valley 见证我们的开场
所有笑容 全部留在相框
这是属于 FOTOGANG 的第一张[Outro]
从星空来到你我身旁
从一颗流星变成一道目光
摄影让这一秒不会遗忘
FOTOGANG——
我们的故事
今天开场 -
-
-
根据以下剧本，创作一个minimax h3视频 不由得你不跟，不由得你不信，本質上南洋華人拜那麼多，是因為他們的骨子裡，依舊流淌著遠古百越人的血脈，而民間風俗的靈魂深處，則隱隱偏向著九黎戰神——蚩尤。 閩粵一帶的華人先民，歷史上本就是古代「百越」的後裔。百越民族自古「信巫鬼、重淫祀」，與蠻荒叢林搏鬥，對萬物皆懷有極深的原始敬畏。當這群帶著百越基因的子民跨越重洋來到南洋，面對瘴氣叢生、生死無常的惡劣環境時，這種血液裡的巫覡文化與生存本能瞬間被喚醒。他們不講求中原儒家的溫良恭儉讓，而是崇尚最直接、最狂野的靈力崇拜，而這種風俗的展現，恰恰契合了蚩尤的「兵巫」遺風。身為九黎之君，蚩尤是巫術、鋼鐵與反抗命運的化身。在南洋的民間信仰中，這種原始的野性被發揮得淋漓盡致，最典型的體現，莫過於當地極其興盛且血脈僨張的乩童文化。 在南洋的廟會與遊行中，乩童是人與神、生與死之間的媒介。每當九皇大帝聖誕或神明巡境，各路乩童紛紛「退童」入神。在震耳欲聾的鑼鼓聲與嗆鼻的煙香中，乩童們赤腳踏過滾燙的火炭路，用幾尺長的鋼針利刃直接刺穿臉頰，甚至手持鯊魚劍、七星劍往自己背上猛砍，鮮血淋漓卻面不改色。這種極致的自殘與耐痛儀式，像極了遠古蚩尤部落在沙場上作法、祈求戰神附體以獲得銅頭鐵臂的兵巫之術。 更奇特的是，南洋的乩童文化呈現出一種百越式的萬物有靈與包容性。除了大伯公、齊天大聖等正神「降駕」外，更有專門演繹地府陰神的大二爺伯（七爺八爺）與孝子爺乩童，他們頭戴高帽、口叼粗雪茄、身穿調色盤般的長袍，在深夜裡為信徒算命求財，散發著強烈的神祕與詭譎氣息；甚至連馬來在地的守護神「拿督公」，也會透過華人乩童「起乩」，口中說著馬來語、享用著椰漿飯與栳葉。 這種極致的實用主義與對「靈驗」的狂熱，本質上就是百越人對土地神靈的敬畏與九黎「以力事神」的現代變體。這股深埋在基因裡的野性力量與巫覡狂歡，在異鄉的土地上借殼還魂，演變成一種刻進骨子裡的集體潛意識，讓人在命運的無常面前，不得不跟，不得不信。
-
太牛了，比AI搅拌站那个导演台牛多了，赞大佬 @imbiplaza-asus
-
-
为了方便自己做视频，我自己vibe 了一套模仿premier pro 的那种操作方式来做minimax h3 视频，
以后这个软件的教程 和 范例就全部放在这里，
google 下载：
这个整合包已经包括ai_libraries，解压了就可以玩
https://drive.google.com/file/d/1mC_GpmCuYw7zaQPfkaqtQVXTSt6DlRsM/view?usp=sharing
github:
https://github.com/karuvanan/MiniMax-H3-Director-Cut-Studio
所有最新代码都会直接放在github, 整合包是以ai_libraries 为主
我的懒人操作心得：
我的自己心得的流程很简单的，就是
1 资料,图片
2 load image
3 进入design
4 把资料大纲放在design reequirement
5 叫qwen3.8 & z image 补充必要的画面，照片，角色，剪辑角度，动作，对白
6 所有素材 auto 进入 timeline,
7 先做preview, 看效果
8 微调某些视频的出现帧数，比如里面的picture 4 画面在影片最后重复了，我就拉动帧数杆调整从30s > 15s
9 最终视频效果回自动根据 miniamx h3 自动并和
开始：
范例 1 （低清曼谷）：
首先在网上找到一些资料：
再根据相关新闻，找了相关图片，
第1步 load image 去 P1, P2, P3：(要不要load image 无关紧要，因为里面内置z image 创作照片）
第2步，进入Design：
第3步，在Design Requirement 输入剧情，然后点击 create director design json
我这里使用了qwen3.8 & z image 来分析我的剧情，
在这里，他会叫 qwen3.8 来分析剧情，然后 使用 z image创作相关图片，然后再使用相关图片来自动铺排全部的镜头,剪辑，动作，对白，声音，timeline 素材时间帧第4步， 点击 apply to h3 workspace
回到首页，这时候你会看到全部素材已经放好了
第5步，这个时候我习惯性点击 preview, 先预览效果，再看看要更改什么
等电脑处理，好了过后他会在program monitor 预览给你看
第6步 你觉得preview 符合你的要求就点击accept 1.0mp 继续输出高清就可以了，
如果不要，你就点击reject, 或者你想直接输出高清就直接点击upload + queue, 他就会发送去你的comfyui server 处理
-
心血来潮，创作一个群像搞笑Talk Show短片，只要上载一个照片，里面的人物可以跟着讲一个搞笑段子
提示词如下：
请根据已经加载的@P1，创作一部45秒的群像搞笑Talk Show短片。
P1人物分析规则：
先分析P1中完整、清晰、属于主要群像的前景人物数量，不得固定假设五个人。忽略画面边缘被裁切的局部身体、背景路人、反射、海报、雕像、人体模型或重复形象。
按照P1开场构图从左到右，把完整主要人物依次建立为S1、S2、S3……SN。每个Speaker必须始终对应同一名P1人物，不得因为运镜、切近景、性别或发言顺序而交换编号。
P1是全片人物身份、脸孔、发型、年龄感、身形、完整服装、鞋子、配饰、原始人物数量、人物相对位置、背景场景、色调与视觉媒介的最高事实。P1是真人就保持真人，P1是漫画就保持原漫画线条与上色，P1是3D就保持3D，P1是插画就保持插画。禁止把漫画真人化、真人卡通化或创造通用替代演员。
剧情与表演规则：
按照实际完整人物数量自动编排，不限制一定是五个人。一人时创作单口喜剧；两人时创作双人吐槽与反转；三人时安排开题、升级与收尾；四人或以上时让每人各自拥有一个主要搞笑段落，并让其他人物做自然无声反应。
喜剧发生在P1原本可见场景中。笑点来自人物性格差异、误会、抢话、反应和时间节奏，保持友好、自然和略带荒诞，不使用恶意羞辱或无关受伤闹剧。
建立接近P1原构图的开场群像，然后按照从左到右的人物账本，让每一名完整主要人物依次拥有一次清晰、可辨认的发言Beat，最后回到群像完成共同反转或最终包袱。运镜可以使用自然平移、短距离横移、重新构图和轻微推近；每个Shot只使用一个主要运镜，并尽量在发言者背景保留其他人的反应。
对白规则：
使用自然、口语化、有节奏的普通话对白，可带轻松的马来西亚华人口语感。根据实际人物数量自动创作简洁台词，必须优先压缩AI创作对白以适应45秒，不要为了保留冗长台词把影片自动延长到70秒以上。至少保留15%的时间给无对白反应、笑声、环境声、运镜和最终画面。
每位完整主要人物至少获得一句主要台词。每一句最终对白分别建立为独立、可编辑的Text Layer，设置explicit_user_requested=true，并使用对应的动态Speaker S1……SN。不得把对白埋入Shot Prompt。
每个Dialogue或Voice-over Text Layer必须设置voice_gender为male、female或auto。只根据对应P1人物的实际身份或用户明确说明选择male或female；无法可靠判断时使用auto。禁止按照S1、S2的奇偶编号猜测性别。voice_gender必须同时约束H3原生声线与外部TTS声线，整句不得中途变成另一种性别声线。
每一个Dialogue或Voice-over事件都必须建立在自己的可见Timeline轨道上（D1、D2、D3……或对应旁白轨道）；同一个Speaker稍后再次发言也使用新的轨道，不复用前一条。独立轨道用于归属、编辑和避免前一句被后一句覆盖，不代表H3原生混合声音已经成为独立音频Stem。
每条非重叠对白期间，只有指定Speaker移动嘴唇和下颚；其他人物保持非发声嘴形，通过侧眼、眉毛、转头、憋笑、摇头、姿势或小手势做无声反应。默认Overlap Policy为AUTO，并按顺序说话处理：上一句结束后至少保留1.0秒闭嘴、无对白的释放区，供人物反应、环境声和非人声Foley继续，下一句才可开始。只有剧本明确要求打断、齐声或同时反应才使用OVERLAP并放入不同音轨，不得因为时间排得太紧自动产生重叠。Voice-over不驱动画面人物嘴形。
素材规则：
把P1登记为覆盖0.00秒至最终实际时长的whole_design h3_reference，并让每个Segment持续加载P1。
普通Talk Show不得生成任何新的演员、人物肖像、人物动作图或群像参考图。不要自动生成P2-P9陌生人物，不要让Z-Image重新设计P1人物；图片media_requests保持为空。近景、表情、嘴形和动作直接由H3依据P1完成。
声音规则：
对白必须听起来属于P1可见空间内的真实人物，保留自然距离、人物方位、呼吸、停顿和现场反射。持续保留环境底噪、服装动作、座椅或脚步、相机或现场物件的同步Foley。对白出现时环境声和Foley不得消失；只有非叙事背景音乐可以适度降低。禁止新增无来源对白。
画面限制：
禁止替换人物、换脸、复制人物、改变人物数量、随机换装、改变年龄、改变原始画风、生成陌生演员、增加无来源主要人物、错乱嘴形、让听众跟随发言者一起对嘴、烧入对白字幕、Logo、水印、UI或无关文字。
最后0.5至1.0秒必须完成最终笑点并保持稳定Final Hold，不得开始新对白或新动作。
本次Talk Show主题或补充要求：
请让P1中的每位完整主要人物围绕“大家原本只想谁买单，最后却为了谁买单互相推卸”各自说一段自然搞笑的话，结尾由所有人把责任指向镜头外的摄影者。
-
私人会所小段子。。。
请根据已经加载的@P1，创作一部45秒的群像搞笑Talk Show短片。
P1人物分析规则：
先分析P1中完整、清晰、属于主要群像的前景人物数量，不得固定假设五个人。忽略画面边缘被裁切的局部身体、背景路人、反射、海报、雕像、人体模型或重复形象。
按照P1开场构图从左到右，把完整主要人物依次建立为S1、S2、S3……SN。每个Speaker必须始终对应同一名P1人物，不得因为运镜、切近景、性别或发言顺序而交换编号。
P1是全片人物身份、脸孔、发型、年龄感、身形、完整服装、鞋子、配饰、原始人物数量、人物相对位置、背景场景、色调与视觉媒介的最高事实。P1是真人就保持真人，P1是漫画就保持原漫画线条与上色，P1是3D就保持3D，P1是插画就保持插画。禁止把漫画真人化、真人卡通化或创造通用替代演员。
剧情与表演规则：
按照实际完整人物数量自动编排，不限制一定是五个人。一人时创作单口喜剧；两人时创作双人吐槽与反转；三人时安排开题、升级与收尾；四人或以上时让每人各自拥有一个主要搞笑段落，并让其他人物做自然无声反应。
喜剧发生在P1原本可见场景中。笑点来自人物性格差异、误会、抢话、反应和时间节奏，保持友好、自然和略带荒诞，不使用恶意羞辱或无关受伤闹剧。
建立接近P1原构图的开场群像，然后按照从左到右的人物账本，让每一名完整主要人物依次拥有一次清晰、可辨认的发言Beat，最后回到群像完成共同反转或最终包袱。运镜可以使用自然平移、短距离横移、重新构图和轻微推近；每个Shot只使用一个主要运镜，并尽量在发言者背景保留其他人的反应。
对白规则：
使用自然、口语化、有节奏的普通话对白，可带轻松的马来西亚华人口语感。根据实际人物数量自动创作简洁台词，必须优先压缩AI创作对白以适应45秒，不要为了保留冗长台词把影片自动延长到70秒以上。至少保留15%的时间给无对白反应、笑声、环境声、运镜和最终画面。
每位完整主要人物至少获得一句主要台词。每一句最终对白分别建立为独立、可编辑的Text Layer，设置explicit_user_requested=true，并使用对应的动态Speaker S1……SN。不得把对白埋入Shot Prompt。
每个Dialogue或Voice-over Text Layer必须设置voice_gender为male、female或auto。只根据对应P1人物的实际身份或用户明确说明选择male或female；无法可靠判断时使用auto。禁止按照S1、S2的奇偶编号猜测性别。voice_gender必须同时约束H3原生声线与外部TTS声线，整句不得中途变成另一种性别声线。
每一个Dialogue或Voice-over事件都必须建立在自己的可见Timeline轨道上（D1、D2、D3……或对应旁白轨道）；同一个Speaker稍后再次发言也使用新的轨道，不复用前一条。独立轨道用于归属、编辑和避免前一句被后一句覆盖，不代表H3原生混合声音已经成为独立音频Stem。
每条非重叠对白期间，只有指定Speaker移动嘴唇和下颚；其他人物保持非发声嘴形，通过侧眼、眉毛、转头、憋笑、摇头、姿势或小手势做无声反应。默认Overlap Policy为AUTO，并按顺序说话处理：上一句结束后至少保留1.0秒闭嘴、无对白的释放区，供人物反应、环境声和非人声Foley继续，下一句才可开始。只有剧本明确要求打断、齐声或同时反应才使用OVERLAP并放入不同音轨，不得因为时间排得太紧自动产生重叠。Voice-over不驱动画面人物嘴形。
素材规则：
把P1登记为覆盖0.00秒至最终实际时长的whole_design h3_reference，并让每个Segment持续加载P1。
普通Talk Show不得生成任何新的演员、人物肖像、人物动作图或群像参考图。不要自动生成P2-P9陌生人物，不要让Z-Image重新设计P1人物；图片media_requests保持为空。近景、表情、嘴形和动作直接由H3依据P1完成。
声音规则：
对白必须听起来属于P1可见空间内的真实人物，保留自然距离、人物方位、呼吸、停顿和现场反射。持续保留环境底噪、服装动作、座椅或脚步、相机或现场物件的同步Foley。对白出现时环境声和Foley不得消失；只有非叙事背景音乐可以适度降低。禁止新增无来源对白。
画面限制：
禁止替换人物、换脸、复制人物、改变人物数量、随机换装、改变年龄、改变原始画风、生成陌生演员、增加无来源主要人物、错乱嘴形、让听众跟随发言者一起对嘴、烧入对白字幕、Logo、水印、UI或无关文字。
最后0.5至1.0秒必须完成最终笑点并保持稳定Final Hold，不得开始新对白或新动作。
本次Talk Show主题或补充要求：
请让P1中的每位完整主要人物围绕“大家原本只想正常喝酒拍一张合照，最后却为了谁喝醉互相推卸”各自说一段自然搞笑的话，结尾由所有人把责任指向镜头外的摄影者。
-
-
本帖参与讨论人数已达 10+，入选热议，作者 +3 积分奖励，感谢分享！
