先说这是个什么模型。MiniMax H3 是 MiniMax 家的视频生成模型，主打文生视频 + 音画一体——你在提示词里写画面、写镜头、写台词、写 BGM，它直接生成一条带完整音轨的视频，不需要后期配音配乐。它还有两个特点值得知道：一是官方给了结构化的提示词规范，模型被设计成”听指挥”的类型，你写分镜表、写秒级时间点、写行业术语，它按表执行；二是 4-15 秒的时长支持，正好覆盖短视频内容的主流规格。
这类模型的介绍看十篇不如亲手跑一条。我最近拿它做了轮批量测试：15 条提示词、五种风格方向、每条 10 秒带独立音轨，全部生成成功。这篇文章从里面挑出 5 条最有代表性的——挑选标准就一条：发出去能让人”卧槽”的——风格覆盖要拉开差距，每条都得有一个别人做不出来的记忆点。
挑完的分布：日式 OP、黏土定格、水墨动画、演唱会唱跳、治愈微叙事。五种完全不同的画风，一个模型出的。每条都附完整提示词，可以直接复制去试。
01 · 复古番剧 OP《STELLAR》
A 10-second 16:9 retro Japanese anime opening sequence. A young archer girl with silver twin-tails stands on a rooftop at dusk, wind blowing her navy school uniform. Hand-drawn 90s cel animation style, bold ink outlines, flat color blocks, dramatic low angle. Camera slowly pushes in as cherry petals swirl. On beat at second 6, giant title text 'STELLAR' appears in sharp white letters with black outline, clearly readable, edge crisp. Jazz-trumpet energy, urban Tokyo skyline backdrop. Do not use soft dissolves, no garbled text.90 年代赛璐璐质感，第 6 秒标题字卡点入场。
黄昏天台上，银发双马尾的弓箭手少女迎风而立，粗墨线平涂色的 90 年代赛璐璐质感扑面而来。镜头缓缓推近，樱花瓣打着旋飘过，东京天际线铺在背景里。第 6 秒鼓点落下的瞬间，“STELLAR”白字黑边的大标题砸进画面，边缘锐利、清晰可读——和真番剧 OP 的标题入场一个待遇。小号爵士的能量感贯穿始终。
标题字是 AI 视频的公认弱项，而这条在第 6 秒的时间点上卡着节奏把字砸出来了。拿去给任何做过后期的人看，他们知道这一秒意味着什么。
02 · 黏土企鹅的南极翻车现场
定格动画指纹压痕，三段式小连招。
Claymation style. A chubby round penguin in a tiny knitted scarf waddles across an icy Antarctic shelf, stop-motion fingerprint texture visible on its body. It slips on ice, rolls into a snowball, and pops out wearing the snowball as a helmet, blinking confusedly. Fixed camera, warm morning light, soft snowfall. Sound: squishy clay sounds, tiny penguin chirp. Single media promise: pure claymation, no smooth CG.胖企鹅围着小针织围巾在冰面上摇摇摆摆，身上带着定格动画特有的黏土指纹压痕。它脚下一滑滚成雪球，再钻出来时雪球顶在头上像戴了头盔，一脸懵地眨眼。暖色晨光、细雪飘落、软糯的黏土音效和小企鹅啾啾声，暖到化。
“手作感”是最反 AI 的美学——数字模型最擅长的就是光滑，而这条偏偏要它捏出指纹。黏土企鹅身上那些压痕，就是这模型”懂行”的证据。
03 · 水墨小鹤学飞
活的墨晕，第 7 秒破云高飞。
Chinese ink-painting animation: a little crane learns to fly over a misty mountain lake at sunrise, traditional shuimo style, ink wash gradients, red seal stamp in corner. The crane stumbles, flaps, finally soars as the sun breaks through clouds at second 7. Camera: gentle rising crane shot. Peaceful dizi flute melody. Keep visible brush strokes and rice paper texture, no 3D rendering.日出的山间湖面上，一只水墨小鹤学飞。跌跌撞撞、振翅、几次尝试，第 7 秒阳光刺破云层的瞬间它冲天而起。墨色晕染是动态的——浓淡在纸面上活着扩散，角落一枚朱红印章，笛声悠远。宣纸质感和可见笔触全程保留，没有一丝 3D 味。
大部分模型做”水墨”是贴一张水墨纹理当滤镜，这条的墨是会动的——晕染随飞行轨迹扩散。中国风视频的天花板示范。
04 · 霓虹舞台的偶像唱跳
甩镜、日语唱词、荧光棒海洋。
2D-animated idol concert: a purple-haired band vocalist with a star hair clip leaps on a neon-lit stage, holding a keytar. Medium-full shot, her glittery violet dress catching stage lights, audience glowsticks swaying in foreground. She sings in Japanese '星降る夜に、歌おう!' with clear sparkling voice. Camera: fast push-in then whip pan as she spins, skirt flaring, striking a pose pointing forward. High-energy J-rock, drum fills. Keep character design consistent.紫发星发夹的主唱抱着 keytar 跳上霓虹舞台，亮片紫裙在灯光里炸开细碎的光斑，前景是晃成海洋的荧光棒。镜头快速推近再甩镜，她原地旋转、裙摆飞扬、最后定格在手指前方的 pose 上——日语唱词「星降る夜に、歌おう!」清亮入耳，J-rock 鼓点全程轰炸。
高速甩镜、复杂舞台灯光、唱跳动作同时压上去，这是压力测试顶配。甩镜画面容易糊，这条旋转时主体清晰度纹丝不动，10 秒内角色设计零漂移。
05 · 小狐狸与光之种
Luminous digital gouache style. After the rain, a tiny golden fox cub finds a glowing blue seed under a leaf. It carries the seed in its mouth across quiet mossy rooftops of a village, and drops it into a cracked teacup on a windowsill. A small flower of light blooms instantly. Healing micro-story, two-line narrative, warm glow. Sound: soft rain residue, one piano note at the bloom.五节拍微叙事，花开那一声钢琴。
雨停了，金色小狐狸在叶子底下发现一颗发着蓝光的种子。它叼着种子走过爬满青苔的安静屋顶，把种子放进窗台上一只裂了口的茶杯。光之花瞬间绽放。数字水粉的柔光质感，雨后残余的滴答声，花开的刹那正好落在那声钢琴单音上。
10 秒讲完”发现—跋涉—种植—绽放”的完整故事，五个节拍一个不落，音效和画面掐在同一帧。治愈系微叙事的教科书模板。
一点背景
这 5 条全部出自 MiniMax H3（文生视频，音画一体生成），768p / 10 秒 / 单条带独立音轨，批量提交平均 3 分半一条出片，单条成本一毛五左右。提示词用英文写，台词和画面文字保留原语言。
五条对应的五种能力：标题字渲染、媒介质感复刻、动态水墨、高能量运镜、微叙事调度——一个模型全接住了。
看完这五条，你大概会冒出和我当初一样的问题：这些提示词里的门道到底是什么？“一拍二""媒介承诺""斜切遮罩”这些词为什么能被模型听懂？剩下 10 条没入榜的测试里，其实藏着更多答案——包括 3 条专门设计去”撞模型边界”的翻车样本，哪里会崩、怎么用提示词绕开，都是实打实踩出来的。
这部分我整理成了一篇完整的边界测试复盘，点赞过百就放出来。等不及的也可以先在评论区猜猜：你觉得 AI 视频目前最容易翻车的场景是哪个？ 我先说我的答案——远景人脸，不服来辩。