快速回答
把一张肖像变成视频，看起来只是让画面动起来。真正棘手的是，人脸容错率很低。眼睛稍微变形，人物就像换了一个人；转头幅度过大，下颌线可能重画；镜头运动太猛，背景会滑动，脸却像贴在画面上。
稳妥的做法很朴素：准备一张适合运动的肖像图，只写一个短动作，先生成短片，再优先检查人脸。MiniMax H3 支持视觉参考和高分辨率短视频生成，适合做有氛围的肖像动态。但它是通用视频模型，不是专门的数字人口播工具。这里讲的是人物反应、时尚镜头、创作者开场、角色片段等肖像运动，不承诺精确口型同步。
本文按当前的 MiniMax H3 图生视频生成器 展开。后面的提示词是可以直接修改的起点，不是效果基准。
好的肖像视频，不只是让脸动起来
有用的肖像短片，会在保住人物身份的前提下，增加一次可信的注意力、表情、姿态、光线、头发、衣料或背景变化。观众先注意到人物，之后才意识到画面经过生成，这种结果通常更耐看。
动作越克制，往往越容易成立。一次眨眼、一口轻微呼吸、视线偏移，或者衣料被风带动，都能让静态肖像有生命感。把转头、挥手、运镜、变焦、灯光变化和背景运动塞进同一镜头，模型需要同时解释太多变化，人物身份最容易先漂移。
肖像视频也不等同于数字人口播。数字人产品通常围绕脚本、声音和口型同步设计。MiniMax H3 的参考工作流可以接收多模态素材，但一张人像加一段对白，并不会自动变成专业口播流程。需要精确对词时，应该另外安排配音和口型环节。需要的是电影感反应、时尚片段、创作者开场或氛围人物镜头时，本文这套做法更合适。
选对 H3 工作流
MiniMax 当前视频文档列出了三类主要工作流：文生视频、首帧或首尾帧图生视频、参考生成。对于肖像，起始图通常比很长的文字描述更关键。如果图片已经确定人物、服装、构图和光线，优先从首帧开始。
参考生成适合让人物身份或其他素材去引导一个新构图。它给模型的创作空间更大，因此未必会保留原图的准确裁切和场景。首尾帧适合结尾画面必须固定的转场，但它并不天然更稳，因为中间运动仍然需要模型补全。
第一次制作时，可以这样判断：
- 想让原有构图动起来，用首帧。
- 想让人物引导一个新镜头，用参考输入。
- 结尾画面必须准确落位，再用首尾帧。
- 不需要保留特定人物时，才考虑纯文生视频。
当前公开生成器能看到图片、参考图、视频和音频输入区，也能设置画幅、时长、生成模式和分辨率。选项可能更新，真正生成前以页面当时显示的标签为准。
准备一张经得住运动的肖像图
先找一张脸清楚、身体结构也容易判断的图片。清晰度重要，但画面结构更重要。一张头发挡住双眼的高清图，未必比一张稍软却能看清视线、下颌、肩膀和背景的图片更好用。
起始肖像最好具备这些条件：
- 双眼和主要五官可见。
- 除非是有意的特写，否则不要从下巴、额头或脸颊中间截断。
- 肩膀姿势自然，身体朝向说得通。
- 手要么完整出现，要么完全不入镜。被截掉一半的手指很容易被重新解释。
- 头发边缘和背景能区分开。
- 光线方向明确，不要让多个光源互相打架。
- 背景只保留你愿意让模型理解的元素。
近景适合眨眼、轻微转头和表情变化。半身画面能容纳姿态、手势和衣料运动。更宽的环境肖像氛围更足，也会让模型同时维持更多物体。
文件规范同样要检查。MiniMax 当前文档列出的首尾帧格式包括 JPG、PNG、WEBP、HEIC 和 HEIF，单张上限 30 MB，尺寸范围为 256 到 5760 像素，画幅范围为 2:5 到 5:2。本站上传器可能还有自己的当前限制，以页面实际校验为准。
不要因为网上能找到一张照片，就直接上传。只使用自己拥有、获得许可或得到本人同意处理的肖像。涉及个人信息和肖像权时，要先取得同意。如果成片可能被误认为真实影像，应按平台规则和当地法律标注合成内容。
构图要给动作留空间
图片里需要有动作发生的余地。想让人物转头，脸却已经贴着画面边缘，模型只能补出不存在的空间。需要手势，就把整只手放进画面。想让风带动头发或外套，就要让这些边缘清楚可见。
下面这张窗边肖像能看清脸、上半身、双手、窗帘和植物，适合设计一个克制动作。并不需要所有东西一起动。选一个人物动作，再加一个环境反应就够了。例如，人物把视线移向窗外，窗帘轻轻晃动。双手、镜头、植物、窗帘、灯光和表情同时变化，风险会明显增加，却不一定更有内容。
做竖屏社交视频时，最好一开始就准备竖图，不要依赖后期硬裁。头顶和衣料周围多留一点空间，还要预估平台界面会遮住画面顶部和底部哪些位置。
把提示词写成一条简短的表演指令
肖像图已经承担了大部分视觉信息，提示词应该集中描述“哪里会变”。一个实用结构是：
人物动作 + 表情或视线 + 环境运动 + 镜头方式 + 节奏
把最影响人物身份的动作放在前面，尽量用具体动词。“她慢慢把视线移向窗外”比“让画面更电影、更有情绪”清楚得多。氛围词可以保留，但只能辅助动作，不能代替动作。
运镜要轻。固定镜头或缓慢推进，通常比大幅环绕更有利于稳定人脸。提示词也不要和原图对着干。侧脸人物不适合立刻转向另一侧；坐着的人物如果要突然站起，需要画面和时长提供足够空间。
也可以用普通语言写清需要稳定的部分，例如“五官保持一致”“服装不变”“背景结构连续”。这类描述不能保证结果，却能把边界说清楚。
近景轻微动作
女子轻轻呼吸并眨眼一次，然后把视线略微移向窗外。几缕头发被室内微风轻轻带动。五官、发型、米白色针织上衣和室内背景保持一致。固定镜头，自然节奏，动作克制。
窗边环境肖像
男子看向窗外，随后稍微垂下视线，双手慢慢放松。薄窗帘和植物叶片被同一阵微风轻轻带动。五官、深色外套、手部结构和房间几何保持一致。镜头极慢推进，动作符合真实节奏。
竖屏街道肖像
人物把注意力从街道转向镜头，表情只有轻微变化。短发和羊毛外套边缘随着晚风小幅摆动，雨后路面的反光轻轻闪烁。脸、服装和街道结构保持一致。竖屏肖像构图，镜头稳定，动作从容。
创作者开场
创作者在画面中站稳，露出短暂而自信的微笑，并在胸前做一个小手势。背景保持安静整洁。五官、手指、服装和光线保持一致。胸部以上构图，固定镜头，动作干净自然。
这些不是经过对比测试的固定参数。每次只改一个变量。人脸稳定但动作太弱，就稍微增加动作；动作很丰富但脸开始漂移，先缩小转头和运镜幅度，不要一次重写全部提示词。
在当前界面生成第一条短片
打开 MiniMax H3 图生视频工作区。如果当前不是 MiniMax H3，先切换模型。把肖像放进图片输入区。只有额外参考素材目的明确时才添加，因为每多一个来源，模型就多一组需要协调的信息。
粘贴简短的运动提示词，画幅尽量和原图一致。本站当前为 MiniMax H3 提供 5 到 15 秒的时长选择和 2K 输出；MiniMax API 文档则列出 4 到 15 秒、768P 或 2K。你正在使用的页面选项，才是这次任务的直接依据。
第一次生成对身份稳定要求较高时，选择能装下动作的最短时长。一次视线变化通常不需要 15 秒。短片更容易判断问题，也更方便剪辑，不容易在后半段持续积累人脸漂移。根据发布平台和可用积分选择分辨率。当前套餐信息请看 价格页，本文不重复可能变化的数字。
确认输入后再生成。视频任务是异步完成的，进入进度状态不等于已经产出。关闭页面前，先确认当前界面会怎样保存生成任务。
想了解更完整的控件操作，可以阅读 MiniMax H3 使用方法。
先看脸，再看特效
成片先用正常速度完整看一遍，不要急着拖进度条。第二遍重点看五个位置：眼睛、嘴、下颌线、发际线和手。第一眼很惊艳的镜头，也可能在中段改变一只眼睛的形状，或者在闭嘴表情里突然出现牙齿。
按这个顺序检查：
- 开头、中段和结尾还是同一个人吗？
- 两只眼睛是否配合完成同一个动作，形状和颜色有没有变化？
- 嘴部是否符合要求的表情？
- 下颌到脖子的连接是否连续？
- 头发、耳朵、首饰和衣服是否始终属于同一个人物？
- 手入镜时，手指数目和位置是否合理？
- 运镜过程中，背景几何有没有变形或滑动？
- 动作开头和结尾能否自然剪掉？
最好的版本不一定动作最大。肖像视频更看重人物稳定。一条安静但身份一致的片段，往往比一条戏剧性很强却经不起特写的片段更有用。
修正常见的人像问题
脸发生变化时，先减小动作，不要先堆更多“保持一致”。大幅转头会露出原图没提供的脸部区域，模型只能补画。可以改成视线偏移或轻微抬下巴，也可以换一张更正面的起始图。
人物像静止照片时，增加一个能看见的动作，不要只加“更生动”。把“更有生命力”改成“轻轻呼吸并眨眼一次”。这一步稳定后，再加入一个小幅环境运动。
背景像水一样滑动时，取消运镜，或者换更干净的起始图。栏杆、文字、花纹墙面和重复窗户很容易暴露几何漂移。光线和景深足够好时，固定镜头配人物动作也能有电影感。
手部变形时，可以把手裁掉，或改用双手完整可见的起始图。手势保持小幅，尽量远离脸部。除非动作很重要，不要要求一只手从原图之外突然进入画面。
结果过度光滑或戏剧化时，删掉叠加的风格词。一个明确的光线说明加一个节奏说明通常就够了。视觉风格交给原图，表演交给提示词。
长镜头后段开始漂移时，把它缩短，用几个镜头拼成序列。MiniMax H3 可以生成更长的短视频，不代表每次都要用满。能剪、好剪，才是更实际的目标。
用三个小镜头代替一个复杂镜头
与其把所有动作压进一条片，不如规划三个短镜头。用近景建立人物，再用中景加入手势或环境，收尾时换成细节、侧面或更宽的画面，给剪辑留下出口。
不同起始图的服装、光线方向和色调要一致。工作流支持时可以复用清楚的参考素材，但每个镜头仍要单独检查。参考输入能引导生成，不能代替连续性审核。
剪辑时，先去掉不稳定的开头和结尾。可以在眨眼、视线变化或姿态改变的位置切镜头。画面确认后，再加声音、音乐、字幕和精确口型。这样不会提前花时间对音频，后来却因为人脸漂移弃掉整个镜头。
想继续细化提示词，可以参考 MiniMax H3 提示词指南，每次只把示例改成一个肖像动作。MiniMax H3 发布概览 则提供模型更完整的多模态背景。
一份可直接使用的肖像视频检查表
生成前：
- 确认自己有权使用这张肖像。
- 选择脸清楚、姿势易读、背景可控的图片。
- 让起始图画幅匹配最终发布平台。
- 只确定一个人物动作，最多再加一个环境反应。
- 第一次尝试时保持轻微运镜。
- 以当前页面为准，核对时长、分辨率、文件和积分要求。
发布前：
- 对比开头、中段和结尾的人脸。
- 检查眼睛、嘴、下颌、发际线、耳朵、配饰和手。
- 留意背景直线是否滑动、物体是否改变。
- 确认动作可以被干净裁切。
- 检查音乐、声音、字幕和平台裁切有没有遮住缺陷。
- 在需要时标注合成内容，不要用他人肖像制造误导。
开始制作第一条肖像短片
最可靠的起点很小：一张清楚的肖像、一个可信动作、一条短片。让原图定义人物和视觉风格，让提示词定义表演。先确认身份稳定，再考虑更高分辨率、更花的运镜和更复杂的剪辑。
准备好后，打开 MiniMax H3 图生视频生成器，上传一张自己有权使用的肖像，从本文最短的一条动作提示词开始。先得到一个克制、稳定的版本，再逐步增加变化。
来源与方法
产品能力和输入限制于 2026 年 8 月 12 日对照 MiniMax 官方的 MiniMax H3 发布说明 与 视频生成文档 核验。肖像权和同意建议对照了 MiniMax 当时的服务条款与隐私材料。站点控件来自 minimaxh3.tv 当前生成器。