> ## Documentation Index > Fetch the complete documentation index at: https://dripart-matt-router-pricing-pika-and-guard.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # ComfyUI MiniMax H3 提示词指南：官方指南、技巧与提示词嵌入 > 在 ComfyUI 中写出更好的 MiniMax H3 提示词：MiniMax 官方提示词编写指南、通用提示词技巧、对白与说话人规则，以及风格嵌入。 提示词是 H3 多模态训练最能发挥价值的地方：镜头、镜头运动、对话和音效全部集中在一个提示词块中。本页汇总了 ComfyUI 中 MiniMax H3 的提示词编写资源：MiniMax 官方指南、适用于所有工作流的通用技巧、对白与说话人的规则，以及用于风格效果的提示词嵌入。 ## 官方指南 MiniMax 发布了两份官方提示词编写指南： * [基础生成模式](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)（T2VA、I2VA、FL2VA、L2VA）：将提示词组织为带时长的镜头，并配合镜头运动与音频（对话、音效、音乐），每种模式都配有示例 * [全参考模式](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md)（R2V）：重写输出的结构，包括主体定义、参考标签和保留分析，以及如何为每个参考在目标镜头中分配角色 MiniMax 还发布了可安装的 [H3 skills](https://github.com/MiniMax-AI/MiniMax-H3/tree/main/skills)，其中有提示词编写技能，可将这些指南打包供智能体使用。 各工作流页面展示了这些指南在每个模板中的应用：[文生视频与图生视频](/zh/tutorials/video/minimax/minimax-h3-native)、[参考生视频](/zh/tutorials/video/minimax/minimax-h3-native#minimax-h3-参考转视频（r2v）)、[多帧参考](/zh/tutorials/video/minimax/minimax-h3-multiframe#提示词编写指南) 和 [Fun ControlNet Union](/zh/tutorials/video/minimax/minimax-h3-fun-controlnet#提示技巧)。 ## 通用技巧 最终提示词遵循固定结构。I2VA 提示词的第一行是固定的图像对齐句子，其后跟一个空行，例如 `For the target video, at 0.00 seconds into the target video, (from [Shot 1]) is fully referenced.` FL2VA 和 L2VA 在这一行使用各自的固定句子，把每个参考图片对齐到目标视频中的某个时间点；T2VA 提示词没有指示行，直接从字段开始。主体按以下顺序包含三个字段： ```text theme={null} integrated_multimodal_description: [Shot 1] ... overall_soundscape: ... non_diegetic_music: ... ``` 提示词本身用英文撰写。对话和歌词写在 `` 标签内，屏幕可见文字保留原语言，两者都原样照抄。 1. **描述整个场景**：先交代整体场景（地点、人物、正在发生什么），再将其拆分为带时长的各个镜头。整体风格和开场构图写在 `integrated_multimodal_description` 中 `[Shot 1]` 的开头，位于图像对齐指示之后。 2. **镜头、镜头运动与音频**：在一个提示词块中描述镜头、镜头运动以及相应的音频（对话、音效、音乐） 3. **分辨率**：H3 的原生画布短边为 768px，16:9 下为 1344x768，分辨率会取整为 32 的倍数。参见[设置输出分辨率](/zh/tutorials/video/minimax/minimax-h3#设置输出分辨率) 4. **长度**：节点的 `length` 输入是 24fps 下的帧数（默认 124，约 5 秒），会向上吸附到模型的 17 帧块网格（17k+5） 5. **屏幕可见文字用引号**：画面中实际可见的文字（招牌、横幅、字幕、霓虹文字）都要用英文双引号包裹，并逐条单独列出。原文和标点要原样照抄，不要翻译，例如 `A red neon sign reading "营业中" glows above the doorway.` 对白请改用 `` 标签：引号用于印刷文字，`` 用于角色说的话 6. **R2V 中的音频复用标记**：在全参考（R2V）提示词中，在保留分析里声明每段音频参考的关系：`fully_copy` 表示源音频 1:1 用作最终音轨，`partially_copy` 表示只复制部分时间轴或选取的音频层，或在复制后增删、替换其他声音，`reference` 表示不复制信号，只沿用音色、节奏、音乐风格、对白内容或声音质感，`weak_reference` 表示只保留类别或氛围上的大致相似。标记必须与音频在目标视频中的实际作用一致。参见官方全参考指南的关系标记表 7. **显式写清各条音频轨**：每条提示词都带有两个音频字段，两者的规则不同。`overall_soundscape` 用 1 到 4 句话概括整段视频的环境音、动作音效和非语言人声（对白、演唱和画内音乐属于 `integrated_multimodal_description`，不写在这里），只在片段需要完全静音时才用 `N/A`。`non_diegetic_music` 用 1 到 3 句话描述只有观众能听到的配乐，没有这类音乐时用 `N/A`。安静的镜头返回了你没有要求的人声时，就把这两个字段都明确写出来并重新生成。参见官方基础指南中关于 `overall_soundscape` 与 `non_diegetic_music` 的章节 8. **把禁止写成正面描述**：H3 模板都通过 `BasicGuider` 节点采样，该节点只有一个条件输入，因此没有负面分支，负向提示词不会生效（引导器工作在 `cfg` 1，ComfyUI 会跳过无条件分支；`CFGGuider` 只在 `cfg` 高于 1 时才使用负面条件）。一条点名某个不想要元素的指令，会把该表述加进模型读到的描述里，而没有任何单独的通道把它减去，所以 `no subtitles and no on-screen text` 这类写法会把文字登记成画面内容。请直接写画面里应该有什么，例如 `the sign above the door is blank`。在全参考提示词中，同样的事情改用保留分析来限定：`fully_preserved`、`partially_preserved`、`attribute_transfer` 和 `weak_reference` 说明每条参考对目标视频的具体贡献 9. **多格参考图（R2V）**：一张参考图可以承载主体的多个视角，或分镜图的各格画面，提示词每次只针对其中一格。给这张图单独的 `` 条目，不要把它写进 `` 定义里，因为只写在定义内的图片不会被当作独立参考使用；并在该条目里描述它，例如 ` is a character sheet with three panels: a portrait, a full front view, and a full back view of the woman`。在镜头描述里指名某一格，例如 `[Shot 2] the shot's keyframe corresponds to the full front view panel of `。多格图能把多个视角放进本地 R2V 节点 9 张参考图的限额内，并让每个镜头指名自己需要的视角。给各格编号或加标签，方便提示词指名，图上的印刷文字也用这些标签就好。 各工作流专属的提示词方法（参考标签、时间轴锚点、控制视频长度）会在各工作流页面中另行说明。 ## 对白与说话人 每个工作流中，对白都遵循固定规则，这些规则来自官方基础指南中关于说话人、对白与演唱的章节。 * **稳定的说话人 ID**：提示词里的每个声音都给一个 ID，例如 `(S1)` 或 `(S2)`，画外音和演唱的声音也一样，并在它说话的每个镜头中重复这个 ID。ID 编号的是说话人，不是主体：从不发声的角色没有 ID，提示词里的第一个声音就是 `(S1)`，即使它的角色编号与之不同。同时发声的说话人使用组合 ID，例如 `(S1,S2)` * **`` 外与内**：身份描述、说话人 ID、动作和语气都写在标签外，标签内只放语言标记和台词原文，并原样照抄。每句台词都写在它所在的镜头里，与该镜头的动作写在同一个段落中 * **画外音**：观众听到、但角色并未开口的台词，需要精确短语 `says in an off-screen voiceover`，并在 `` 块之后紧接着说明画内角色嘴唇始终闭合。跨剪辑延续的台词需要在两处衔接点都写 ``，并说明音频跨过转场继续播放 * **多个说话人配音频参考**：在全参考（R2V）提示词中，两个或更多说话人各配一段音频参考时，即使提示词文字和参考的连接顺序都正确，H3 也可能把某段音频参考交给错误的说话人。让每个镜头只用该镜头真正需要的参考，并把台词绑定到可见的动作上，例如 `When the phone is at his ear, the man in the coat speaks`，而不是绑定到绝对时间码，时间码是给剪辑点用的。台词仍然落在错误说话人身上时，用语音工具生成这句台词，作为该说话人的音频参考传入，再按这段音频实际的用法选择关系标记：这段音频成为视频完整的最终音轨时用 `fully_copy`，只覆盖时间轴的一部分时用 `partially_copy` ## 提示词嵌入 [Comfy-Org/ComfyUI#15697](https://github.com/Comfy-Org/ComfyUI/pull/15697) 为 MiniMax H3 加入了提示词嵌入支持。你可以在 H3 提示词中使用 ComfyUI 标准的 `embedding:` 语法。 将嵌入文件放在 `ComfyUI/models/embeddings/` 中，然后在提示词中按名称引用即可，例如 `embedding:my_embedding`。该嵌入会像其他任何 ComfyUI 模型一样被加载并混入文本条件中。 [Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3/tree/main/embeddings) 仓库的 `embeddings` 文件夹中托管了 10 个风格嵌入。这些文件并非官方文件：它们由社区成员 [silveroxides](https://huggingface.co/silveroxides) 通过 [Hugging Face PR #50](https://huggingface.co/Comfy-Org/MiniMax-H3/discussions/50) 贡献，并非由 Comfy-Org 或 MiniMax 制作。原始文件位于 [silveroxides/MiniMax-H3\_tests](https://huggingface.co/silveroxides/MiniMax-H3_tests/tree/main/embeddings) 仓库中。文件名描述了预期效果，触发词是不带扩展名的文件名： | 嵌入 | 效果（按名称） | | - | - | | `minimaxh3_art_is_explosion` | 爆炸式艺术构图 | | `minimaxh3_blooming_flowers` | 花朵绽放 | | `minimaxh3_bullet_time` | 子弹时间效果 | | `minimaxh3_dark_magic` | 黑暗魔法氛围 | | `minimaxh3_fire_breath` | 火焰吐息效果 | | `minimaxh3_four_seasons` | 四季变换 | | `minimaxh3_kiss_camera` | 接吻场景镜头运动 | | `minimaxh3_spiral_ascent` | 螺旋上升 | | `minimaxh3_storm_magic` | 风暴魔法 | | `minimaxh3_truman_show` | 《楚门的世界》风格 | This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.