MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开
photobombolo · reddit · 2026-10-18
作者分享了自己在开源 MiniMax H3（Ref2VA）模型上迄今最成功的参考图生视频 prompt 结构（3 图 + 1 视频示例）。
关键发现：该模型训练时使用严格的六段式 schema（subjectdefinitions、summary、retentionanalysis、detaileddescription、overallsoundscape、nondiegeticmusic），配合尖括号资产标签（<Picture 1>、<Video 1>、<Audio 1> 等）和实体别名（<Subject 1> 等）。如果喂入随性散文或标签不匹配，Qwen3-VL 文本编码器无法把参考槽位绑定到扩散层，导致替换失败或身份混合。
三图一视频角色替换的要点：<Picture 1-3> 统一挂在同一角色别名 <Subject 1> 下，<Video 1> 中被替换的人隔离为 <Subject 2>；retentionanalysis 段必须用预训练触发关键词 fullypreserved、attributetransfer、partiallypreserved，才能剥离原演员外貌同时锁定其动作编排与场景几何。作者给出了可复制粘贴的完整模板，仅需替换方括号内的外貌与动作描述。
「多模态」频道最新
- 开发者用地图数据+AI 打造孟买街头 3D 漫画背景生成器 — CurieuxExplorer · 2026-10-18
- Omni 1'1 flash 生成恐怖老宅视频，雾中维多利亚鬼宅效果惊艳 — Dense-Instruction210 · 2026-10-18
- 实测 Flux 3 klein 蒸馏版：int8 量化 + 2MP 出图质量超预期 — Ok_Tale7582 · 2026-10-18
- AI 生成短片逼近电影质感，网友惊呼长片时代将至 — 1ili0 · 2026-10-18
- AI 视频以假乱真:Reddit 用户感叹已难分辨真假内容 — gouterz · 2026-10-18
- 开发者发布 Qwen-Image-2.1 宽松限制 LoRA,几乎任意姿势可生成 — metalfans · 2026-10-18