H3_写实古风_00001_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

330.23 秒

种子数

47284788414745

模型名称

Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors

提示词

subject_definitions:
<Subject 1> 是图3中的武侠女主角。严格保持她的东亚女性面部身份、脸型、眉眼比例、鼻形、嘴唇、肤色、黑色高发髻、鬓边碎发、清瘦体形、冷青灰色多层旧布衣、围巾、缠布护腕、腰带和腰间佩剑。图3作为人物面部身份与最终坚定眼神的强参考。不得保留图3中的文字、标识、水印或原始背景。

<Subject 2> 是图1中的唯一密信。保持陈旧、发黄、起皱、边缘破损的短小纸卷质感。完全展开后形成一张小型狭长旧信纸，纸面中央只写有一个黑色毛笔汉字“杀”。

<Subject 3> 是图2中的古代主城最高坡屋顶环境。保持狭窄的最高屋脊、向两侧下倾的湿瓦坡面、层层古城屋顶、远山、低云、流动薄雾和冷青灰阴天光线。

<Subject 4> 是图4中的真实白隼。严格保持其自然白灰色羽毛、深色眼睛、弯曲鸟喙、真实猎隼比例、两只翅膀、两条腿和两只鸟爪。它已经完成送信，只在远处天空中向外飞离，不再返回女主身边。

<Subject 5> 是女主的双手。保持女性手部的真实比例和正确结构，每只手五根手指；手背、指节和指侧带有少量环境灰尘、旧擦伤、细小结痂和轻微干裂，符合长期行动和攀爬湿瓦屋顶后的状态。伤势轻微，不流血、不腐烂、不夸张。

<Picture 1> 是[Shot 2]中女主双手展开密信的局部动作和构图参考，定义手指、护腕、纸卷与衣袖的关系。

<Picture 2> 是所有镜头的场景、人物站位和空间方向参考。女主始终站在主城最高坡屋顶的屋脊上，镜头面向远处古城、山脉、薄雾与阴云天空。

<Picture 3> 是[Shot 3]的面部身份和坚定眼神参考。面部特征必须严格一致，但实际背景使用 <Picture 2> 中的远山、云层与冷雾天空。

<Picture 4> 是远飞白隼的外貌参考。只引用白隼本身，不引用图4中的近景构图、人物手臂、文字、标识或水印。

summary:
[参考生成 + 关键帧补全] 一段准确持续8秒的真人实拍、写实武侠电影视频。<Subject 1> 站在 <Subject 3> 的主城最高屋脊上，以带有轻微擦伤和灰尘的双手展开 <Subject 2>。密信完全展开后，纸面中央只显现一个黑色毛笔汉字“杀”。女主看完后神情由沉静转为坚定。镜头推进至她的面部时，背景只能是远处山脉、缓慢移动的云层和薄雾天空，<Subject 4> 在远处向外飞离。女主用低沉坚定的声音说道：“是时候了！”冷冽风声贯穿全片，白隼远处鸣叫一声，风持续吹动女主的碎发、围巾和衣服。无配乐、无字幕；除密信上的“杀”字外，不出现任何文字。

retention_analysis:
<Subject 1>（贯穿全片）：fully_preserved - 严格保持图3中的面部身份、发型、服装、体形和坚定眼神。

<Subject 2>（出现在[Shot 1]、[Shot 2]、[Shot 3]）：fully_preserved - 保持唯一密信的尺寸、材质与连续位置，完全展开后纸面中央只出现一个“杀”字。

<Subject 3>（贯穿全片）：fully_preserved - 保持最高屋脊、湿瓦古城、远山、冷雾和阴云的空间连续性。

<Subject 4>（出现在[Shot 1]、[Shot 3]）：fully_preserved - 保持图4白隼的外貌与真实飞行动作，只在远处向外飞离。

<Subject 5>（出现在[Shot 2]）：fully_preserved - 保持双手正确结构，以及轻微灰尘、擦伤、结痂和干裂的环境痕迹。

<Picture 1>（[Shot 2]展开密信动作）：partially_preserved - 保留双手、护腕、纸卷和衣袖的真实关系，并增加符合环境的轻微手部伤痕与灰尘。

<Picture 2>（所有镜头的环境锚点）：fully_preserved - 保持屋脊、古城、远山、薄雾和阴云背景。

<Picture 3>（[Shot 3]人物面部）：partially_preserved - 严格保持人物脸部身份和眼神；排除原图文字、水印和原始近距离屋瓦背景。

<Picture 4>（远飞白隼外貌）：partially_preserved - 只保留白隼的外形、羽毛与真实比例，将其缩小并放置在远处天空。

detailed_description:
目标视频准确持续8.00秒，采用真人实拍、电影级写实武侠风格。白天阴云密布，冷青灰、低饱和，空气湿冷。全片冷冽高空风持续清晰可闻，并在画面中产生连续可见的风力作用。

风从固定方向吹来，持续吹乱女主的鬓边碎发，使多缕黑发自然掠过额头和脸颊；围巾末端、衣领、宽松衣袖和衣摆以同一方向明显但克制地摆动。风力不能把女主吹得摇晃。远处薄雾和云层缓慢横向移动。

[Shot 1] 稳定的18mm广角中远景，完整建立 <Picture 2> 的空间。<Subject 1> 站在主城最高坡屋顶的狭窄屋脊线上，双脚与屋脊牢固接触。屋脊两侧湿瓦面向下倾斜。背景是广阔古城、远山、低云和薄雾。

00:00.000至00:01.000，女主位于画面右侧，低头看向双手中的短小密信。<Subject 4> 作为极小的真实白隼轮廓，位于远处天空并持续向画面右侧和远离镜头的方向飞去。白隼不能靠近女主，不能突然变大，也不能飞向摄影机。

约00:00.500，远处白隼发出一声短促、遥远、克制的真实猎隼鸣叫。女主没有明显回头，只继续低头处理密信。冷风持续吹动她的头发、围巾、衣袖和衣摆。

[Shot 2] 在00:01.000，镜头切至 <Picture 1> 定义的双手与密信特写。背景必须是自然虚化的古城湿瓦、远山冷雾与阴云，不得变成纯黑、纯灰、透明抠图或摄影棚背景。

<Subject 5> 的双手清楚可见。手背和指节带有少量深灰尘污；左手虎口与一处指节有细小旧擦伤和浅褐色结痂；部分指侧轻微干裂。伤痕与皮肤自然融合，不出现新鲜大量血液、严重伤口、肿胀或恐怖效果。手部保持真实女性比例，不变得粗壮或男性化。

00:01.000至00:02.300，女主用左手稳住纸卷下端，右手捏住卷起的另一端，缓慢而连续地展开密信。展开过程中纸面由卷曲状态逐渐变平。“杀”字只能随着纸张展开而部分显露，不能在纸卷仍闭合时提前完整出现。

冷风轻轻拨动信纸边缘和女主衣袖。双手稳定控制纸张，不让密信飞走。每只手只有五根手指，关节弯曲自然，指甲短而略脏。禁止第三只手、额外手指、重复手掌、左右手交换、手指融合、手腕反折或纸张穿模。

00:02.300至00:03.300，密信完全展开并略微朝向镜头。纸面中央只出现一个黑色毛笔汉字“杀”。该字单独位于纸面中央，占据主要可见区域；笔画正确、稳定、清楚，具有真实手写墨迹、轻微飞白和渗纸效果。

纸面除“杀”字外保持空白，只保留纸张纤维、污渍、折痕和磨损。禁止第二个“杀”字，禁止其他汉字、字母、数字、标点、落款、印章、图案、符号或乱码。

00:03.300至00:04.200，女主双手稳定握住信纸两侧。镜头焦点保持在“杀”字、带伤手指和旧纸纹理上。她的目光在画面上方虚焦处快速读完该字。冷风使纸张边缘轻微颤动，但不能遮挡或扭曲“杀”字。

到00:04.200，女主完成阅读。她的手指轻微收紧，在信纸边缘形成一道浅折痕，但不揉碎、不撕毁。密信仍由双手持有。

[Shot 3] 在00:04.200，镜头切至或顺滑推进为女主正面面部近景，以 <Picture 3> 严格锁定人物身份。使用中长焦浅景深，保持自然皮肤纹理和稳定五官。

强制背景构图：镜头推进到女主面部时，摄影机必须朝向屋脊外侧的开阔天空。女主头部后方的背景上半部为辽阔冷灰阴云，下半部为远处山脉轮廓和缓慢流动的薄雾。<Subject 4> 是背景天空中一只极小、清晰但遥远的白隼轮廓，继续向右飞远。

面部近景背景不得出现近距离屋顶、整片瓦面、粗大屋脊、瓦墙、飞檐、建筑立面或塔楼紧贴女主头部。不得让屋脊穿过她的颈部。背景不得变成图3原始背景、纯灰背景、摄影棚背景、透明抠图或素材拼贴。

00:04.200至00:05.200，女主从略微低垂的目光缓慢抬眼，看向镜头略下方或画外目标。她的眉心轻收，眼神由沉静转为锐利坚定，下颌轻微绷紧，嘴唇闭合。

严格保持图3中的面部特征：相同脸型、眉形、双眼间距、眼型、鼻梁、鼻翼、嘴唇轮廓、下颌比例和肤色。不得改变年龄、性别或身份。双眼对称，瞳孔方向一致。

冷风明显吹乱她的头发：多缕鬓边碎发横向掠过额头、太阳穴和脸颊，但不得遮挡双眼或嘴唇。围巾褶皱、衣领和肩部衣料持续受到风力推动。远处云层、薄雾和白隼缓慢移动。

00:05.200至00:05.600，女主保持坚定目光，安静吸入一口短促、克制的气息。肩膀只有轻微自然呼吸变化。密信仍由她握在身体下方，不凭空消失、不飞到脸旁。

00:05.600至00:06.600，女主（S1）以低沉、清晰、克制而坚定的年轻女性声音说道：<d>[Chinese] 是时候了！</d>

口型必须准确同步“是、时、候、了”的自然发音。只说一次，不增加其他字词，不拖长尾音，不大喊。说话时眼神保持稳定，不低头、不转脸。

00:06.600至00:08.000，女主自然闭合嘴唇，继续保持坚定目光。镜头以极小幅度慢速前推，最终停留在她稳定、锐利、有决断力的双眼上。冷风持续吹乱碎发、围巾和肩部衣料；远处白隼继续缩小并飞向右侧，山脉、薄雾和阴云保持正确空间方向。

严格可见文字限制：全片唯一允许出现的文字是密信中央的一个汉字“杀”。该字仅在密信展开过程中部分显露，于00:02.300后完整可见。禁止第二个“杀”字，禁止其他汉字、字母、数字、字幕、标题、落款、印章、标识、界面、水印和乱码。不得复现参考图中的“AI生成”“LibTV”或其他文字。

严格人物限制：全片只有一个女主。禁止面部融化、身份漂移、双眼不对称、瞳孔错位、嘴唇畸形、牙齿异常、脸型改变、年龄改变或人物替换。

严格手部限制：女主只有两只手，每只五根手指。手部伤痕为少量灰尘、细小旧擦伤、浅结痂和轻微干裂；禁止大量鲜血、断指、额外手指、重复手掌、畸形关节或男性化粗壮手掌。

严格白隼限制：全片只有一只 <Subject 4>。保持图4的白灰羽毛和真实猎隼结构。白隼只在远处飞离，不返回、不悬停在女主旁边、不突然放大、不复制、不变成其他鸟类或神鸟。

严格场景限制：女主始终位于图2定义的主城最高坡屋顶。禁止把屋顶改成平台、栏杆、室内或地面。面部近景背景只能是远山、云层、薄雾天空和远飞白隼，不能出现近距离屋瓦或建筑。

禁止仙侠光效、发光纸张、粒子、灵气、魔法效果、背景漂移、建筑变形、闪烁或画面抖动。

overall_soundscape:
必须生成从00:00.000持续至00:08.000的完整、清晰、分层自然环境音轨。冷冽高空风是最主要的声音，始终清楚可闻，不得处于几乎听不见的极低音量，不得间断，也不得因镜头切换消失。

基础声场包括持续宽阔的中低频高空气流、沿屋脊与飞檐绕行的较细阵风，以及风掠湿瓦表面的连续轻微摩擦声。远处古城保留一层模糊、克制、没有具体人声的低频环境底噪。

风声与画面严格同步：风吹动女主碎发时产生细微发丝掠动声；吹动围巾、衣领、衣袖和衣摆时产生持续的布料拍动与纤维摩擦声；拨动密信边缘时产生克制的旧纸颤动声。

00:00.000至00:01.000，远处白隼的振翅声极轻并向画面右侧逐渐远去。约00:00.500，白隼发出一声短促、遥远、略带粗粝感的真实猎隼鸣叫。叫声清晰可辨但明显来自远方，不夸张、不尖锐、不重复，随后被冷风带走。

00:01.000至00:02.300，女主展开密信时出现清楚但轻微的旧纸舒展、卷曲松开、手指摩擦纸面和衣袖移动声。

00:02.300至00:04.200，密信完全展开并显示“杀”字时，不添加超自然或音乐化强调音，只保留高空风、湿瓦掠风、衣料声和纸张边缘颤动声。女主手指收紧时出现极轻的纸张折痕声。

00:04.200切换至面部近景时，风声必须无缝连续。近景中发丝掠过脸颊、围巾纤维摩擦和肩部衣料风动声略微增强。远处白隼振翅声已非常微弱，并继续向右侧衰减。

00:05.200至00:05.600，出现一次短促、自然的吸气声。00:05.600至00:06.600，台词“是时候了！”清晰位于声场中央。风声只适度降低，不完全消失，也不遮盖台词。

00:06.600至00:08.000，台词结束，只保留持续冷冽高空风、风掠湿瓦、远处古城低频环境声、碎发掠动和衣料风动声。最后一帧仍有清楚可闻的风声。

无旁白、无其他人声、无群众声、无雷声、无额外鸟叫、无魔法音效、无电影冲击音、无人工转场声。

non_diegetic_music:
N/A。严格禁止任何配乐或音乐化声音：无旋律、无鼓点、无打击乐、无弦乐、无钢琴、无铜管、无合成器、无持续音乐音垫、无节奏脉冲、无转场重音或戏剧性音乐强调。

使用的图像

音频

空

视频素材

空

H3_写实古风_00002_.mp4

解析成功

是

分辨率

1280x736

视频时长

10 秒

总耗时

446.97 秒

种子数

0

模型名称

Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors

提示词

subject_definitions:
<Subject 1> 是图3中的写实武侠女主角。严格保持她的东亚女性身份、黑色高发髻、鬓边碎发、清瘦体形、冷青灰色多层布衣、围巾、缠布护腕、腰带、深色长裤、靴子和腰间佩剑。图3只提供人物身份和服装参考，不得继承角色设定图的灰色背景、重复人物、文字、标识或水印。

<Subject 2> 是图1中的真实白隼。保持自然分层的白灰色羽毛、真实猎隼比例、深色眼睛、弯曲鸟喙、两只翅膀、两条腿和两只带爪的脚。它是一只训练有素、与女主配合默契的普通信隼，不是神鸟或神兽。

<Subject 3> 是白隼携带的唯一密信组件：一个短小细窄的旧纸卷和一根独立的细旧绑绳。密信最初牢固绑在白隼脚踝上，只能在女主亲手解绳后转移至她的左手。

<Subject 4> 是图2中的古代主城屋顶环境。保持传统坡屋顶、狭窄的最高屋脊、湿润暗沉的瓦片、弯曲飞檐、层层古城屋顶、远山、低云和薄雾。

<Picture 1> 仅作为白隼落稳后鸟爪、护腕、绑绳和密信之间的接触关系参考。不得引用或继承图1的纯黑背景、透明抠图背景、硬边轮廓、素材拼贴感或原始构图。

summary:
[参考生成 + 关键帧补全] 一段准确持续10秒的真人实拍、写实武侠电影视频。女主全程站在主城最高坡屋顶的狭窄屋脊线上。白隼携带密信从远处飞来；它接近后，女主才抬起空着的右前臂。白隼通过一次自然制动顺滑落稳，立即收拢翅膀并鸣叫一声。女主仅用左手解绳并连续取下密信，再以明确的向前上方送臂动作放飞白隼。白隼向画面右侧飞远，女主始终以背影目送。全片近景和远景都必须保留真实的古城屋顶、冷雾与阴云背景；无黑底、无对白、无配乐、无任何可见文字。

retention_analysis:
<Subject 1>（贯穿全片）：fully_preserved - 女主身份、服装、身体比例和屋脊站位保持稳定；右臂承接及送飞白隼，左手解绳并取信。

<Subject 2>（贯穿全片）：fully_preserved - 白隼的结构、羽毛、尺寸、密信、降落和离场动作保持连续真实。

<Subject 3>（出现在[Shot 1]）：fully_preserved - 全片只有一个纸卷和一根绑绳；密信仅从白隼脚踝连续转移至女主左手。

<Subject 4>（贯穿全片）：fully_preserved - 所有镜头都保持湿冷古城、坡屋顶、远山、薄雾和阴云环境，不被纯黑背景替换。

<Picture 1>（[Shot 1]约00:02.600的落稳状态）：partially_preserved - 只保留白隼、鸟爪、护腕和密信的接触关系；完全排除黑底、透明背景、抠图边缘和素材拼贴效果。

detailed_description:
目标视频准确持续10.00秒，24fps，真人实拍、电影级写实武侠质感。白天阴云密布，冷青灰低饱和。全片只使用两个连续空间明确的镜头：一个稳定侧后方中远景完成飞来、承接、落稳、取信和送飞；一个18mm广角远景表现白隼飞远。禁止频繁切镜头。

强制环境融合：所有镜头背景必须始终是 <Subject 4> 的真实古城环境。即使镜头靠近白隼和女主手臂，背景也必须呈现自然虚化的湿瓦坡屋顶、古城、远山、薄雾和阴云天空。绝不允许出现纯黑背景、透明背景、灰色摄影棚背景、抠图轮廓、素材硬边、黑色空洞或拼贴画面。

强制站位：女主从00:00.000至00:10.000始终站在主城最高坡屋顶的狭窄屋脊线上。两只靴子前后错开，鞋底牢固接触同一条实体屋脊。屋脊两侧的湿瓦面自然向下倾斜。女主不得站在瓦面、平台、露台、栏杆或平顶上，不跨步、不滑动、不悬空。

强制道具连续性：开场时女主左右手完全空着。唯一密信从第一帧开始绑在白隼脚踝上。密信被左手清楚取下以前，不得出现在女主的手掌、手指、护腕、衣袖或身体其他位置。密信只允许发生一次位置转移：白隼脚踝至女主左手。

[Shot 1] 稳定的侧后方中远景，保持同一镜头连续到00:07.000。摄影机位于女主左后侧的屋顶外侧高空，能够同时看清女主完整身体、她脚下的最高屋脊、飞来的白隼以及真实古城背景。镜头不贴近瓦面，不突然推进，不围绕人物旋转。

00:00.000至00:01.200，女主以背影或后侧背影站在横向最高屋脊的右侧三分之一处，双臂自然垂落，双手完全空着。白隼携带绑在脚踝上的唯一密信，从画面左后方远处沿平滑斜向路径飞向女主。白隼呈侧面或后侧面飞行，绝不正面冲向摄影机。

00:01.200至00:01.700，白隼接近女主身侧约一米后，女主才做出反应。她以一个干脆、熟练、没有迟疑的动作，将空着的右前臂抬至胸前水平位置。左手继续空着并靠近身体。她的双脚、腰部和身体朝向保持不变。

00:01.700至00:02.400，白隼进行一次简洁流畅的降落。它轻微抬高胸部、展开尾羽，以一次完整而克制的制动振翅降低速度，随后自然伸出双腿。不得悬停，不得在手臂前反复上下调整，不得连续拍打翅膀。

约00:02.400，一只鸟爪先接触护腕，第二只立即跟上。双爪稳稳抓住布质护腕。白隼的重量使女主右臂轻微下沉几毫米，肩膀与肘部自然吸收冲击。白隼只做一次极小的重心调整。

00:02.400至00:02.700，白隼立即、完整而流畅地把两只翅膀收拢至身体两侧。到00:02.700时，它已经安静站稳，翅膀完全收拢，不再煽动。脚踝上的小型纸卷和独立绑绳清晰可见。落稳后，白隼发出一声短促、自然、克制的真实猎隼鸣叫。

00:02.700至00:04.000，女主保持右前臂稳定。右手始终为空，只负责承托白隼。她空着的左手缓慢靠近白隼绑有密信的脚踝。密信仍完整位于白隼脚踝，不得提前出现在左手。

00:04.000至00:04.800，女主使用左手拇指与食指清楚捏住独立绑绳并松开绳结。镜头必须能看清左手、绳结、纸卷、脚踝、鸟爪和护腕之间的真实关系。白隼保持安静，翅膀继续完全收拢，只轻微转头或眨眼。

00:04.800至00:05.300，绳结完全松开后，女主才将短小纸卷从白隼脚踝处连续取下。纸卷从脚踝移动至左手指间的过程必须在同一镜头中清楚可见，不通过遮挡、跳切、瞬移或画面变形完成。

到00:05.300，唯一密信首次完全进入女主左手；白隼脚踝上不再有纸卷。女主随即将持有密信的左手收回胸腹附近。不得同时在左手和白隼脚踝生成两封密信。

00:05.300至00:06.000，女主与白隼短暂停顿。白隼安静站在右臂护腕上，双翼完全收拢。冷风吹动它的表层羽毛和女主的衣袖、围巾及碎发。此停顿用于明确表现“密信已取下、白隼准备离开”的状态。

00:06.000至00:07.000，女主做出明确、流畅的送飞动作。她先将右臂轻微向后蓄力，再由肩膀、肘部和前臂协调向前上方送出，为白隼提供清晰的起飞初速度。白隼顺着送臂方向前倾，在右臂到达运动峰值时依次松开双爪，展开双翼，以一次有力而自然的下拍进入向前飞行。不得突然弹走、垂直起飞或在手臂旁疯狂拍翅。女主右臂自然延伸并短暂跟随白隼的起飞方向，明确表现主动送飞。

[Shot 2] 在00:07.000切至稳定的18mm广角远景，空间轴线与前一镜头一致。画面完整显示女主站在主城最高坡屋顶的横向屋脊线上。人物保持小比例，周围是层层湿瓦古城、低云、薄雾和远山。

白隼已经离开女主右臂，脚踝上没有密信，沿女主送飞方向朝画面右侧远方飞行。女主左手握着唯一密信，右臂完成送飞后自然放下。她始终保持背对镜头，不展示正脸或完整侧脸。

00:07.000至00:10.000，白隼以克制、结构正确的自然振翅向右飞远，并随真实距离增加逐渐缩小。摄影机保持稳定，仅作极小幅度向右跟随。古城、屋脊、地平线、远山和云层不漂移、不变形。

女主只把头部向右轻微转动不超过10度，肩膀和躯干不转动。镜头不得靠近她的脸，不得生成侧脸或面部特写。约00:08.300，白隼发出第二声短促、遥远而克制的鸣叫。

到准确的00:10.000，女主仍稳稳站在最高屋脊原位，左手握住密信；白隼已飞至画面右侧远方。冷风持续吹动衣摆、围巾和碎发，薄雾与云层继续缓慢横向移动。

严格时间与动作限制：成片必须在00:10.000结束，不得延长到12秒。白隼必须在00:02.700前落稳并完全收翼；不得长时间维持张翼姿势。密信必须在00:05.300前清楚转移到左手。送飞必须在00:06.000至00:07.000完成。00:07.000以后白隼只能持续远离女主，不得再次飞回手臂旁，不得出现空间倒退或位置跳变。

严格背景限制：图1只用于白隼与护腕的局部关系参考。禁止继承图1的纯黑背景、透明区域、黑色空洞、抠图轮廓、素材边缘或拼贴效果。所有近景背景必须是自然虚化的古城湿瓦、远山、薄雾和阴云。

严格道具限制：00:00.000至00:04.800，唯一密信只在白隼脚踝；00:04.800至00:05.300，由女主左手连续取下；00:05.300至00:10.000，只在女主左手。禁止密信提前出现、凭空生成、瞬移、复制、变大或同时位于两处。禁止右手取信。

严格结构限制：女主只有两条手臂和两只手，右臂负责承接与送飞，左手负责取信。白隼只有两翼、两腿和两只脚。禁止第三只手、额外肢体、重复翅膀、畸形鸟爪、手指融合、穿模、人物身份漂移或面部崩坏。

禁止神鸟设计、发光羽毛、仙侠光效、灵气、粒子、游戏式飞行、额外人物、额外鸟类、背景漂移、建筑变形、地平线倾斜、闪烁、文字和水印。全片不得出现任何汉字、字母、数字、字幕、标题、标识、界面或签名。

overall_soundscape:
必须生成清晰、持续、具有明显空间层次的完整自然音轨。冷冽高空风是全片最主要、音量稳定且持续可闻的声音，从00:00.000立即开始并连续保持到00:10.000最后一帧。环境风不得处于几乎听不见的极低音量，不得在动作之间消失，也不得因镜头切换中断。

基础风声包含三层：持续宽阔的中低频高空气流；沿狭窄屋脊和弯曲飞檐绕行的较细阵风；风掠过湿润陶瓦表面的连续细微摩擦声。远处古城保留轻微、模糊、没有具体人声的低频环境底噪。风声整体寒冷、空旷、克制，但必须清楚可辨，并始终高于远处城市底噪。

风与画面动作同步：女主围巾、衣袖、衣摆和碎发被吹动时，产生清晰但不过分响亮的布料拍动、纤维摩擦和发丝掠动声；白隼表层羽毛受风时产生细小羽毛振动声。

00:00.000至00:01.200，白隼振翅声从画面左后方远处出现，随着接近逐渐变清晰，声像沿实际飞行路径向女主移动。持续风声始终清楚保留。

00:01.200至00:01.700，女主抬起空右臂时出现一次干脆的衣袖拉动与掠风声。此时不得出现纸张或绑绳声音，因为密信仍在白隼脚踝。

00:01.700至00:02.400，白隼唯一一次制动振翅产生自然、完整的近距离翼风声。双爪先后接触护腕时，出现两次紧密相连的轻微布面接触声和爪子收紧时的细小摩擦声。

00:02.400至00:02.700，白隼立即收翼，产生一段短促柔和的羽毛摩擦声。落稳后发出一声清晰、短促、略带粗粝感的真实猎隼鸣叫。叫声不夸张、不重复，随后自然融入持续冷风。

00:02.700至00:04.800，持续保留清楚的高空风、湿瓦掠风、女主衣料轻响和白隼羽毛微动声。女主左手接近脚踝时出现轻微衣袖摩擦；解开绑绳时出现细小干燥纤维声。

00:04.800至00:05.300，纸卷从白隼脚踝连续转移到女主左手时，出现一次轻微但清晰的纸张与绑绳分离声。不得提前或重复出现取信声音。

00:06.000至00:07.000，女主送出右臂时产生明确的衣袖掠风声；白隼双爪离开护腕时出现轻微布面松脱摩擦；唯一一次起飞下拍产生清楚、厚实、自然的近距离翼风声。

00:07.000至00:10.000，白隼振翅声朝画面右侧移动并随距离逐渐衰减。约00:08.300出现第二声短促而遥远的鸣叫。最后一秒白隼振翅声接近消失，但持续冷风、湿瓦掠风、远处古城低频环境声和女主衣料风动声必须继续清楚存在，直到最后一帧。

无对白、无旁白、无人声、无群众声、无雷声、无夸张鹰啸、无魔法音效、无电影冲击音、无人工转场音。

non_diegetic_music:
N/A。严格禁止任何配乐或音乐化声音：无旋律、无鼓点、无打击乐、无弦乐、无钢琴、无铜管、无合成器、无持续音乐音垫、无节奏脉冲、无转场重音。

使用的图像

音频

空

视频素材

空

H3_写实古风_00017_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

294.32 秒

种子数

485211989842678；755809250159639

模型名称

Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_fl2va_int8_convrot.safetensors；minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors

提示词

```text
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 8秒单镜头，16:9横向电影画幅，写实东方仙侠电影质感。以<Picture 1>作为00:00.000的真实首帧，严格保持首帧中的人物外观与位置、白色石台、现有石栏、左侧宫殿、远处层叠仙宫、山峰、塔楼、云海、天空、阳光方向和凤凰外观。不得重新构图，不得改变建筑布局。

人物动作：
00:00.000–00:00.600，白衣女子先将身体重心自然移向支撑腿，再缓慢迈出第一步，避免从静止状态直接滑行。

00:00.600–00:08.000，女子背对镜头，沿白色石台中央偏左的位置走向远处仙宫。8秒内完成约5个完整、从容的步态周期。每一步必须清楚表现抬脚、摆腿、脚跟触地、脚掌落稳、重心前移和后脚跟进。左右脚自然交替，步幅和节奏稳定，脚底不贴地平移。

人物上身保持从容稳定，仅随步伐出现轻微的自然上下起伏和左右重心变化；肩部、腰部和髋部协调，不僵硬、不夸张摇摆。双臂随步态进行小幅反向摆动。

统一的高空风从画面右侧吹向左侧。女子的头部和躯干保持稳定，长发、宽袖、腰间飘带和多层后摆持续朝左后方飘动。布料先被风带起，再因自身重量轻柔回落，形成连续而有滞后的真实运动，不剧烈乱甩。

镜头运动：
摄影机保持人眼高度，位于女子正后方略偏右的位置，使用约32mm镜头，保持首帧原有水平视角、构图和透视轴线。

整个8秒内，摄影机沿白色石台纵深方向进行极缓慢、匀速、稳定的前推跟拍。摄影机速度只比女子步行速度稍快，使镜头与人物之间的距离在8秒内缓慢缩短约10%至12%。人物在画面中的比例仅轻微增大，推进效果柔和、连续、几乎不可察觉。

摄影机不追赶人物，不突然加速，不使用光学变焦。机位高度和镜头朝向保持稳定，不升高、不降低、不左右漂移、不环绕人物、不越过人物。只有极轻微的稳定器呼吸感，不出现手持晃动。

随着真实机位向前移动，近处石板接缝、石栏和莲花柱头产生缓慢而明确的视差；中景宫殿移动幅度较小；远处山峰和仙宫几乎保持稳定，以此证明摄影机正在真实缓慢前推，而不是画面整体放大。

天上云层动态：
整个8秒内，天空中的所有云层必须持续、明确、肉眼可见地从画面右侧向左侧移动。天上的云不能静止，不能只是亮度变化，也不能只在原地改变形状。

高空大型云团以缓慢但清晰可辨的速度向左漂移。右侧太阳附近的一块明亮云缘从太阳下方缓慢横移到左侧；中央天空的云缝在8秒内产生明显的位置变化；蓝天露出的形状随云团通过而连续改变。云层运动必须通过“云缘相对太阳、凤凰、山峰和塔楼的位置持续变化”清楚表现。

高空云团内部有缓慢的体积翻卷，但主要运动是整体从右向左平移。云团边缘保持连续稳定，不闪烁、不跳动、不凭空生成或消失。远层云移动最慢，保持巨大尺度和沉稳重量感，不能像延时摄影一样高速翻腾。

中层山腰雾气：
中层薄雾位于远处山峰和宫殿之间，以比高空云团稍快的速度向左流动。薄雾从右侧进入山腰，依次经过塔楼、飞檐和山脊后方，短暂遮住部分建筑轮廓，再从左侧离开，使建筑重新显露。

雾气必须表现真实的前后层次：部分雾带从宫殿后方经过，部分较近的薄雾从建筑底部前方流过。雾不能固定贴在山体上，也不能覆盖整座仙城。

近层云海：
石台右侧下方和悬崖之间的近层云海以三层云中最快但仍然舒缓的速度向左流动。云海表面出现宽缓起伏，较亮的云脊和较暗的云谷连续从右下方进入，向左穿过山峰与下层宫阙之间的空隙。

近层云经过较低的山峰和宫殿时产生明确遮挡关系：先遮住建筑底部的一小部分，随后继续向左流动并重新露出建筑。云海不能像固定背景，也不能整体上下升降。

三层云速必须清晰区分：近层云海移动最快，中层山雾次之，高空大型云团最慢。三层云都朝右向左运动，与女子衣发和凤凰尾羽的受风方向保持一致，形成真实的空间视差。

凤凰动态：
首帧右上方只有一只红金色凤凰，保持原有体型、羽毛颜色、身体比例、双翼和修长尾羽。

00:00.000–00:02.000，凤凰沿首帧方向平稳滑翔，双翼充分展开，身体略微向左倾斜。凤凰相对于身后的高空云团持续改变位置，证明凤凰和云层都在运动。

00:02.000–00:05.000，凤凰完成两至三次完整、舒展的振翅。每次振翅均包含双翼下压、身体受到升力轻微抬高、双翼重新展开和短暂滑翔。凤凰沿宽缓弧线向画面左前方飞行，不原地扑腾。

约00:03.500，凤凰在飞行中轻微抬头，发出一声清亮、悠远而不尖锐的鸣叫，鸣叫带有高空和山谷回声。

00:05.000–00:08.000，凤凰展开双翼顺风滑翔，继续缓慢向左移动，保持在天空中上部，不突然靠近镜头、不飞出画面。修长尾羽顺着风向连续摆动。

环境和光线：
右侧太阳保持为唯一主光源。随着高空云团从太阳附近缓慢经过，云隙光和白色石台上的暖色反射产生轻微、连续的明暗变化。光线变化必须平滑，不闪烁、不突然变暗、不改变光源方向。

远近宫殿、山峰、石台和现有石栏保持结构稳定。云层经过时只产生自然遮挡、显露和光影变化，不能带动建筑漂移或变形。

运动层级：
女子稳定慢行；摄影机以略快于人物的速度极缓慢前推；近层云海持续向左流动；中层山雾缓慢穿过山腰宫殿；天上大型云团以最慢速度向左漂移；凤凰沿宽缓弧线振翅滑翔。所有运动同时发生、方向协调、速度分层，画面保持宏大、从容、具有生命力。

禁止：
禁止人物滑步、脚底贴地平移、步态循环过快、左右脚混乱、身体突然前冲、躯干僵硬、头部摇晃、长发穿模和衣袖无规律乱甩。

禁止镜头突然推进、自动变焦、左右漂移、绕人物旋转、升空、俯冲、摇摆、剧烈抖动、跳帧或切镜。

禁止天上的云静止；禁止云层只改变亮度或形状却没有横向位移；禁止云固定贴在山峰上；禁止云层高速翻滚、闪烁、跳变、瞬间生成或消失；禁止雾气遮满整个画面。

禁止凤凰复制成多只、身体变形、翅膀数量错误、机械振翅、原地悬停、无惯性转向、突然变大、突然冲向镜头或发出电子声音。

禁止建筑漂移、宫殿融化、石台变形、现有石栏消失或新增、山峰移动、光线闪烁、曝光跳变、仙侠粒子乱飞、文字、字幕、水印和标志。

overall_soundscape: 从00:00.000开始持续存在清澈、开阔的高空风声，风从右向左掠过天上云层、云海、宫殿飞檐、石栏和女子衣袍。女子每一步均伴随轻柔清晰的鞋底触碰石板声，脚步之间保持自然间隔，并带有开阔石台的轻微回响；长发、宽袖和衣摆产生连续克制的丝绸摩擦声。流动云海伴随低沉宽广的空气流动声。凤凰振翅时出现真实的宽翼掠风声和羽毛振动声，约00:03.500发出一声清亮悠远、带有山谷回声的鸣叫，鸣声自然衰减后重新突出高空风声、脚步声和衣袍声。

non_diegetic_music: 使用低音量、缓慢的东方仙侠电影配乐，以稀疏古琴泛音、柔和箫声和持续弦乐长音为主。音乐随镜头缓慢推进轻微展开，凤凰鸣叫时主动降低音量，最后两秒以通透、悬而未决的弦乐长音轻柔收束；音乐不得覆盖风声、脚步声、衣袍声、云海气流声和凤凰鸣叫。
```

使用的图像

音频

空

视频素材

空

H3_写实古风_00018_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

301.65 秒

种子数

0

模型名称

Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors；minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors

提示词

```text
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 8秒单镜头，16:9横向电影画幅，写实东方仙侠电影质感。以<Picture 1>作为00:00.000的真实首帧，严格保持首帧中的人物外观与位置、白色石台、现有石栏、左侧宫殿、远处层叠仙宫、山峰、塔楼、云海、天空、阳光方向和凤凰外观。不得重新构图，不得改变建筑布局。

人物动作：
00:00.000–00:00.600，白衣女子先将身体重心自然移向支撑腿，再缓慢迈出第一步，避免从静止状态直接滑行。

00:00.600–00:08.000，女子背对镜头，沿白色石台中央偏左的位置走向远处仙宫。8秒内完成约5个完整、从容的步态周期。每一步必须清楚表现抬脚、摆腿、脚跟触地、脚掌落稳、重心前移和后脚跟进。左右脚自然交替，步幅和节奏稳定，脚底不贴地平移。

人物上身保持从容稳定，仅随步伐出现轻微的自然上下起伏和左右重心变化；肩部、腰部和髋部协调，不僵硬、不夸张摇摆。双臂随步态进行小幅反向摆动。

统一的高空风从画面右侧吹向左侧。女子的头部和躯干保持稳定，长发、宽袖、腰间飘带和多层后摆持续朝左后方飘动。布料先被风带起，再因自身重量轻柔回落，形成连续而有滞后的真实运动，不剧烈乱甩。

镜头运动：
摄影机保持人眼高度，位于女子正后方略偏右的位置，使用约32mm镜头，保持首帧原有水平视角、构图和透视轴线。

整个8秒内，摄影机沿白色石台纵深方向进行极缓慢、匀速、稳定的前推跟拍。摄影机速度只比女子步行速度稍快，使镜头与人物之间的距离在8秒内缓慢缩短约10%至12%。人物在画面中的比例仅轻微增大，推进效果柔和、连续、几乎不可察觉。

摄影机不追赶人物，不突然加速，不使用光学变焦。机位高度和镜头朝向保持稳定，不升高、不降低、不左右漂移、不环绕人物、不越过人物。只有极轻微的稳定器呼吸感，不出现手持晃动。

随着真实机位向前移动，近处石板接缝、石栏和莲花柱头产生缓慢而明确的视差；中景宫殿移动幅度较小；远处山峰和仙宫几乎保持稳定，以此证明摄影机正在真实缓慢前推，而不是画面整体放大。

天上云层动态：
整个8秒内，天空中的所有云层必须持续、明确、肉眼可见地从画面右侧向左侧移动。天上的云不能静止，不能只是亮度变化，也不能只在原地改变形状。

高空大型云团以缓慢但清晰可辨的速度向左漂移。右侧太阳附近的一块明亮云缘从太阳下方缓慢横移到左侧；中央天空的云缝在8秒内产生明显的位置变化；蓝天露出的形状随云团通过而连续改变。云层运动必须通过“云缘相对太阳、凤凰、山峰和塔楼的位置持续变化”清楚表现。

高空云团内部有缓慢的体积翻卷，但主要运动是整体从右向左平移。云团边缘保持连续稳定，不闪烁、不跳动、不凭空生成或消失。远层云移动最慢，保持巨大尺度和沉稳重量感，不能像延时摄影一样高速翻腾。

中层山腰雾气：
中层薄雾位于远处山峰和宫殿之间，以比高空云团稍快的速度向左流动。薄雾从右侧进入山腰，依次经过塔楼、飞檐和山脊后方，短暂遮住部分建筑轮廓，再从左侧离开，使建筑重新显露。

雾气必须表现真实的前后层次：部分雾带从宫殿后方经过，部分较近的薄雾从建筑底部前方流过。雾不能固定贴在山体上，也不能覆盖整座仙城。

近层云海：
石台右侧下方和悬崖之间的近层云海以三层云中最快但仍然舒缓的速度向左流动。云海表面出现宽缓起伏，较亮的云脊和较暗的云谷连续从右下方进入，向左穿过山峰与下层宫阙之间的空隙。

近层云经过较低的山峰和宫殿时产生明确遮挡关系：先遮住建筑底部的一小部分，随后继续向左流动并重新露出建筑。云海不能像固定背景，也不能整体上下升降。

三层云速必须清晰区分：近层云海移动最快，中层山雾次之，高空大型云团最慢。三层云都朝右向左运动，与女子衣发和凤凰尾羽的受风方向保持一致，形成真实的空间视差。

凤凰动态：
首帧右上方只有一只红金色凤凰，保持原有体型、羽毛颜色、身体比例、双翼和修长尾羽。

00:00.000–00:02.000，凤凰沿首帧方向平稳滑翔，双翼充分展开，身体略微向左倾斜。凤凰相对于身后的高空云团持续改变位置，证明凤凰和云层都在运动。

00:02.000–00:05.000，凤凰完成两至三次完整、舒展的振翅。每次振翅均包含双翼下压、身体受到升力轻微抬高、双翼重新展开和短暂滑翔。凤凰沿宽缓弧线向画面左前方飞行，不原地扑腾。

约00:03.500，凤凰在飞行中轻微抬头，发出一声清亮、悠远而不尖锐的鸣叫，鸣叫带有高空和山谷回声。

00:05.000–00:08.000，凤凰展开双翼顺风滑翔，继续缓慢向左移动，保持在天空中上部，不突然靠近镜头、不飞出画面。修长尾羽顺着风向连续摆动。

环境和光线：
右侧太阳保持为唯一主光源。随着高空云团从太阳附近缓慢经过，云隙光和白色石台上的暖色反射产生轻微、连续的明暗变化。光线变化必须平滑，不闪烁、不突然变暗、不改变光源方向。

远近宫殿、山峰、石台和现有石栏保持结构稳定。云层经过时只产生自然遮挡、显露和光影变化，不能带动建筑漂移或变形。

运动层级：
女子稳定慢行；摄影机以略快于人物的速度极缓慢前推；近层云海持续向左流动；中层山雾缓慢穿过山腰宫殿；天上大型云团以最慢速度向左漂移；凤凰沿宽缓弧线振翅滑翔。所有运动同时发生、方向协调、速度分层，画面保持宏大、从容、具有生命力。

禁止：
禁止人物滑步、脚底贴地平移、步态循环过快、左右脚混乱、身体突然前冲、躯干僵硬、头部摇晃、长发穿模和衣袖无规律乱甩。

禁止镜头突然推进、自动变焦、左右漂移、绕人物旋转、升空、俯冲、摇摆、剧烈抖动、跳帧或切镜。

禁止天上的云静止；禁止云层只改变亮度或形状却没有横向位移；禁止云固定贴在山峰上；禁止云层高速翻滚、闪烁、跳变、瞬间生成或消失；禁止雾气遮满整个画面。

禁止凤凰复制成多只、身体变形、翅膀数量错误、机械振翅、原地悬停、无惯性转向、突然变大、突然冲向镜头或发出电子声音。

禁止建筑漂移、宫殿融化、石台变形、现有石栏消失或新增、山峰移动、光线闪烁、曝光跳变、仙侠粒子乱飞、文字、字幕、水印和标志。

overall_soundscape: 从00:00.000开始持续存在清澈、开阔的高空风声，风从右向左掠过天上云层、云海、宫殿飞檐、石栏和女子衣袍。女子每一步均伴随轻柔清晰的鞋底触碰石板声，脚步之间保持自然间隔，并带有开阔石台的轻微回响；长发、宽袖和衣摆产生连续克制的丝绸摩擦声。流动云海伴随低沉宽广的空气流动声。凤凰振翅时出现真实的宽翼掠风声和羽毛振动声，约00:03.500发出一声清亮悠远、带有山谷回声的鸣叫，鸣声自然衰减后重新突出高空风声、脚步声和衣袍声。

non_diegetic_music: 使用低音量、缓慢的东方仙侠电影配乐，以稀疏古琴泛音、柔和箫声和持续弦乐长音为主。音乐随镜头缓慢推进轻微展开，凤凰鸣叫时主动降低音量，最后两秒以通透、悬而未决的弦乐长音轻柔收束；音乐不得覆盖风声、脚步声、衣袍声、云海气流声和凤凰鸣叫。
```

使用的图像

音频

空

视频素材

空

H3_写实古风_00022_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

224.08 秒

种子数

382279338025230；386159886798785

模型名称

minimax_h3\minimax_h3_audio_vae_fp32.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] 8秒单镜头，16:9横向电影画幅，写实东方仙侠电影质感。以<Picture 1>作为00:00.000的真实首帧，严格保持首帧中白衣女子、古老巨松、松枝、垂藤、悬挂水晶、悬崖石台、远山、天空和云海的外观、位置、比例、光照及空间关系。

本镜头的四个一级动态必须从开场持续到结尾，并且肉眼清晰可见：

1. 古树外层枝梢、松针和垂藤持续被风吹动；
2. 女子的长发、宽袖和多层裙摆持续被风吹起；
3. 悬崖下的近层云海持续翻滚并发生明显横向位移；
4. 中层云带和远层云雾以不同速度持续流动。

风向与强度：
整个8秒内存在持续稳定的中等强度山风，风从画面右侧吹向左侧。所有受风物体必须服从同一风向，不能各自朝不同方向运动。

风不是偶尔出现，而是贯穿整个视频。00:00.000起，枝叶、垂藤、女子长发和衣袍立即开始持续运动；00:04.500左右出现一次稍强的阵风，之后风力缓慢回落，但所有受风物体仍保持运动直到00:08.000。

古树和枝叶动态：
古树粗大的主干和主枝保持结构稳定，但树冠外缘的中小枝条必须持续明显摆动。外层枝梢被风向左压弯约5至10度，随后因枝条弹性略微回摆，再次被后续风力推向左侧，形成缓慢、连续、有重量的往复摆动。

画面顶部和左上方的大量松针必须形成可见的波浪式运动：靠右的松针先向左倾斜，运动随后传递到中部和左侧树冠。松针不能像静态贴图，也不能只产生局部闪烁。

所有细长垂藤持续向左摆动。垂藤下端在画面中产生约15至30厘米的横向摆幅，先整体被风推向左侧，再缓慢回摆，但尚未完全垂直便再次受到风力。不同长度的垂藤具有轻微时间差，不能整齐同步得像钟摆。

00:04.500的阵风到来时，外层松枝再次明显向左弯曲，松针出现一轮更清楚的波浪，垂藤下端向左扬起约30至45厘米，随后自然回落。树枝只能弯曲和回弹，不得改变数量、形状或生长位置。

女子头发和衣袍动态：
白衣女子背对镜头，保持首帧中的人物身份、发型、服装和身体比例。她的头部和躯干保持稳定，但头发与衣袍必须从第一帧后立即受到风力影响。

女子背后的整束长发不能保持垂直静止。长发主体持续偏向画面左侧，发尾离开原始垂直位置约15至25厘米；外层发丝和发尾产生柔和波浪，先被风吹起，再因自身重量稍微回落。少量鬓边碎发从头部轮廓旁飘出并持续向左运动。

宽袖外缘、腰间轻纱和多层裙摆始终朝左后方飘动。靠近身体的内层衣料摆幅较小，外层轻纱和最长后摆摆幅更大。布料运动具有重量和延迟：阵风先吹动袖口与外层薄纱，随后带动较重的裙摆，不能所有衣料同时机械摆动。

00:04.500的阵风中，女子整束长发和外层裙摆被明显向左后方扬起，短暂形成流畅弧线；风力回落后，头发和衣摆缓慢下降，但仍持续向左飘动，直到最后一帧也不能完全静止。

人物动作：
00:00.000–00:02.000，女子静立远望云海，身体保持自然呼吸，肩背有极轻微起伏。她不完全僵住，手指在袖中自然放松。

00:02.000–00:04.000，女子缓慢向前走一步。她先将重心移向支撑腿，再抬起另一只脚，向前迈出小步；脚跟触地、脚掌落稳、重心前移，后脚自然跟进半步。动作完整、缓慢、符合人体重心，不滑行、不漂浮。

00:04.000–00:06.000，女子重新站稳。00:04.500阵风吹来时，她的身体轻微向前压住重心，肩背自然收紧以保持平衡，但不摇晃、不踉跄。她微微抬起下颌，继续望向云海深处。

00:06.000–00:08.000，女子保持稳定站姿，右手在身侧极轻微放松并展开手指，像在感受掠过悬崖的风。动作幅度很小、自然克制。她不转身，不面向镜头，不做法术动作。

云海翻滚：
云海是画面的主要动态背景，必须具有连续、明确、肉眼可见的翻滚与横向位移，不能只做轻微雾化，不能保持首帧静止。

近层云海位于悬崖下方和画面左下区域，移动速度最快。整个8秒内，近层云团从画面右下方向左下方持续推进，总体横向移动距离约为画面宽度的12%至18%。

近层云海必须完成至少两个清楚的翻滚循环：

第一次翻滚发生在00:00.500–00:03.500。一道明亮、厚重的云脊从右下方隆起，向左前方推进，云脊前缘向下卷入云谷，后方新的云团继续抬升。云团经过左侧山体底部时，先遮住少量山脚，再继续向左流动并重新露出部分岩壁。

第二次翻滚发生在00:03.500–00:07.000。阵风推动更宽的一层云浪从画面右侧涌入，云面明显隆起、前移、翻卷并缓慢塌落。少量薄云沿悬崖侧面向上攀升，但不能超过石台高度，也不能覆盖人物。

00:07.000–00:08.000，云海仍继续向左流动，不在结尾突然停止。近层云团保留厚重体积、柔软边缘、内部阴影和明亮云脊，不能变成水浪、烟雾或快速沸腾的泡沫。

中层与远层云动态：
中层云带环绕左侧远山和天际山峰，以比近层云海更慢的速度从右向左流动，总位移约为画面宽度的6%至10%。云带依次经过山峰前方和后方，持续改变山脚与山谷的可见范围，通过“遮挡—流过—重新显露”证明云层正在移动。

远层天际云雾移动最慢，从右向左平缓漂移，总位移约为画面宽度的3%至5%。天际线附近的云隙在8秒内逐渐改变形状，显露出一小段更远的山峰轮廓。

三层云速必须不同：近层云海翻滚最快，中层云带次之，远层云雾最慢。三层云均保持向左移动，形成明确的纵深视差。禁止所有云层以相同速度整体平移。

水晶动态：
悬挂在枝条下的透明水晶随枝条和垂藤小幅摆动。水晶因惯性稍晚于枝叶启动，并产生缓慢自转。00:04.500阵风中，数枚相邻水晶发生一次轻微接触，随后各自以不同幅度继续摇摆。水晶只折射真实日光，不主动发光，不释放粒子。

镜头运动：
镜头位于人眼高度、女子后方略偏右，使用约35mm镜头。整个8秒保持单镜头，以极慢、匀速、小幅度向前推进。

摄影机只沿悬崖石台纵深方向直线前移，8秒内前进约1至1.5米。女子在画面中的尺寸仅缓慢增大约6%至8%。前景岩石、树根和悬崖边缘产生轻微视差；古树树干移动幅度较小；远山几乎保持稳定。

摄影机不追赶人物，不突然加速，不使用光学变焦，不升降、不横移、不环绕、不摇摆。运镜必须平滑、沉稳，让枝叶、头发和云海成为主要动态，而不是依靠镜头制造运动。

光线变化：
日光保持从画面左侧照入。枝叶摆动时，石台、树根和女子白衣上的斑驳光影必须缓慢移动。云海翻滚时，云脊高光和内部阴影同步变化。光线变化连续柔和，不闪烁、不突然改变曝光。

动态优先级：
最高优先级：云海持续翻滚、枝梢松针持续摆动、垂藤持续横移、女子长发和裙摆持续扬动。
第二优先级：水晶随风摇摆、光影随枝叶移动。
第三优先级：女子缓慢迈出一步、摄影机极缓慢推进。

必须保证最高优先级动态从第一秒持续到第八秒，不能为了保持首帧而将枝叶、头发和云海冻结。

禁止人物滑步、脚底贴地平移、突然起步、突然停止、身体僵硬、多余肢体、长发粘在背部、衣料静止或穿模。

禁止树冠完全静止、只动少量松针、垂藤保持垂直不动、枝叶闪烁、枝条融化、树形变化或水晶复制。

禁止云海静止、只改变亮度、只做局部雾化、固定贴在山体、整体像平面背景移动、高速沸腾、突然生成、突然消失或覆盖人物。

禁止镜头突然推进、自动变焦、横向漂移、环绕、升空、俯冲、剧烈抖动、跳帧或切镜。

禁止新增人物、动物、飞鸟或法术；禁止文字、字幕、水印和标志。

overall_soundscape: 从00:00.000开始持续存在方向明确的高山风声。风穿过巨大树冠时形成连续、层次丰富的松针沙沙声、枝梢摆动声和垂藤摩擦声；女子的长发、宽袖和多层裙摆产生清晰而柔和的布料掠风声。悬崖下方翻滚云海伴随宽广、低沉、持续的空气涌动声。00:02.000左右出现一次轻柔鞋底触碰岩石的脚步声。00:04.500阵风增强时，枝叶声、衣袍声和云海气流声同步增强，数枚水晶发出一组稀疏、清澈、带有山谷回声的轻微碰鸣，随后所有声音自然回落但不消失。

non_diegetic_music: 使用空灵、克制的东方仙侠电影配乐。开场以持续低音弦乐、稀疏古琴泛音和极轻的洞箫长音进入；女子迈步时增加一个简短古琴音型；00:04.500阵风和水晶碰鸣出现时，弦乐缓慢抬升但主动避让环境音；最后两秒以通透女声无词气息和柔和弦乐长音收束。配乐始终低于风声、枝叶声、衣袍声、水晶声和云海翻滚声。

使用的图像

音频

空

视频素材

空

H3_写实古风_00027_.mp4

解析成功

是

分辨率

1376x768

视频时长

5 秒

总耗时

313.96 秒

种子数

266948523692258

模型名称

minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

subject_definitions:
<Subject 1> 是 {{Mixed 1}} 中的林间溪流环境，包括贴近水面的低机位、中央溪流、潮湿苔藓石块、两岸植物、纵深森林和水面日光反射。

<Subject 2> 是 {{Mixed 2}} 的色调与影像质感，包括深绿冷调、青绿色阴影、克制的暖金日光、柔和高光、低反差暗部和细腻胶片颗粒。

summary:
[reference generation] 生成一段5秒写实电影感林间溪流视频。构图和低机位参考<Subject 1>，色调及胶片质感参考<Subject 2>。溪水与树叶是贯穿全片的主要动态：溪水持续绕过石块流向远处，水纹、涡流、气泡和反光不断移动；林风持续吹动两岸叶片、蕨类及远处树冠。镜头仅进行极缓慢低位前移。

retention_analysis:
<Subject 1>（出现在[Shot 1]）: fully_preserved - 保留贴水机位、中央溪流纵深、苔藓石块、两岸森林和水面反光，同时让水与植物产生连续自然动态。

<Subject 2>（出现在[Shot 1]）: attribute_transfer - 将深绿冷调、青绿色阴影、暖金日光、柔和高光和胶片颗粒转移到溪流画面，不复制拼贴构图。

detailed_description:
目标视频为5秒单镜头，16:9画幅，写实高端自然影像与耳机广告质感。R3D大画幅摄影机质感，约35mm镜头，大光圈，浅景深，柔和高光滚降，细腻有机胶片颗粒。整体采用<Subject 2>的深绿冷调，阴影呈通透青绿色，阳光和水面反光呈克制暖金色。

[Shot 1] 镜头从<Subject 1>的林间溪流构图开始。摄影机距离水面约10至15厘米，几乎贴着溪流，保持水平视角。焦点始终锁定在画面中部溪流及中景石块：前景苔藓石头明显柔和虚化，中间溪水清晰，远处森林再次柔和虚化。

水流与树叶是画面的最高动态优先级，必须从00:00.000持续运动至00:05.000，不能为了保持参考图而冻结。

溪水动态：
溪水持续从画面前景流向远处森林，5秒内具有明确、连续、肉眼可见的位移。水不能只是表面闪烁，必须真实绕过石头、分流、汇合并继续向远处流动。

前景水流经过石块时分成两至三股细流。迎水面形成细小隆起的透明水脊，水流从石头两侧滑过；背水面形成持续旋转的小型涡流。涡流卷入少量微小气泡和一两片落叶，再将它们释放到下游。

中景清晰水面持续出现细密波纹。波纹沿水流方向向远处传播，彼此交叉、拉长并消散。小型落差处产生连续薄水帘和少量白色水花，但不能变成湍急瀑布。

至少一片浅色落叶从前景进入溪流，随水向远处漂移。落叶经过石头时改变方向并轻微旋转，形成明确的运动参照，证明溪水不是静止背景。

水面暖金色反光必须随着水纹持续移动。反光光斑不断拉长、断开、汇合，再沿溪流方向向远处传递。5秒内，清晰中景区域至少完成两轮明显的“光斑聚集—破碎—重新连接”。禁止把反光固定在同一个位置。

树叶与植物动态：
稳定的轻柔林风从画面右侧吹向左侧，整个5秒持续存在。两岸叶片、蕨类、细枝和远处树冠都必须产生连续动态。

近景虚化叶片摆幅最大。叶片整体向左倾斜，再因枝条弹性缓慢回摆，但尚未完全恢复便再次被风推向左侧。叶缘在虚化光斑中移动约5%至8%的画面宽度，形成柔和前景视差。

中景清晰区域的蕨叶和溪边小型植物以中等摆幅运动。每片叶子围绕真实枝茎根部弯曲，不能整片植物横向平移。不同叶片启动时间略有先后，形成自然波浪式摆动，不整齐同步。

远处森林树冠以最小幅度缓慢摇曳。远层枝叶运动较慢，但仍然肉眼可见。近景、中景和远景植物具有不同摆幅：近景最大，中景次之，远景最小，以建立空间层次。

00:02.500左右出现一阵稍强的风。近景叶片明显向左掠过，溪边蕨叶进一步弯曲，远处树冠出现一轮缓慢波动。阵风过后叶片逐渐回摆，但不会完全停止。

阳光与树叶联动：
阳光方向保持不变。上方树叶随风摆动时，水面、石头和苔藓上的斑驳光影也随之缓慢移动。光影移动必须与叶片运动同步，不得出现曝光闪烁。

摄影机运动：
摄影机沿溪流方向进行极缓慢、小幅度的低位前移，5秒内仅前进约20至30厘米。摄影机始终保持贴水高度，不升高、不俯拍、不横移、不环绕。

保留非常轻微的手持呼吸感：镜头只有幅度极小、速度缓慢的上下和左右浮动，不产生明显摇晃。前景虚化石块和叶片产生少量视差，中景焦点位置保持稳定。禁止自动追焦和焦点抽动。

动态优先级：
第一优先级：溪水持续位移、分流、涡流、气泡、落叶漂流和移动反光。
第二优先级：近景叶片、中景蕨叶、细枝和远处树冠持续随风摆动。
第三优先级：摄影机极缓慢前移及轻微手持呼吸感。

禁止溪水静止、倒流、原地闪烁、整片水面像玻璃、水流穿过石头、反光固定不动、气泡静止或落叶停在原地。

禁止树叶静止、只有单片叶子移动、植物整体平移、叶片闪烁、枝叶突然增减或远处森林完全冻结。

禁止镜头高于溪流、俯拍、快速推进、左右漂移、明显摇晃、突然变焦、自动追焦、焦点抽动和景深变化。

必须始终保持“前景苔藓石头虚化—中间溪流清晰—远处森林虚化”的固定景深结构。

禁止全局暖黄、过度青绿、死黑暗部、纯白过曝、HDR塑料感、数字锐化、强烈光晕、人物、动物、建筑、文字、字幕、水印和标志。

overall_soundscape:
近距离溪水声贯穿全片，包括水流绕过石头的连续流动声、细小水花、涡流、气泡和薄水帘声。轻柔林风持续穿过树冠与溪边植物，形成分层叶片沙沙声；00:02.500阵风出现时，近景叶片声和远处树冠声同步增强，随后自然回落。背景保留极轻的远处鸟鸣，不出现对白。

non_diegetic_music:
极低音量的环境氛围配乐，以柔和持续音、稀疏钢琴泛音和轻微空气质感组成，没有鼓点和明显旋律。配乐始终低于溪水声和树叶声，最后一秒自然淡出。

使用的图像

音频

空

视频素材

空

H3_写实古风_00030_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

539.06 秒

种子数

0

模型名称

minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

subject_definitions:
- <Subject 1>: {{Image 1}}中的女主角。严格保持她的面部轮廓、五官比例、自然肤质、黑色短发和安静清冷的气质。她穿白色棉麻连衣裙，独自坐在列车靠窗座位上。
- <Subject 2>: {{Image 2}}中的旧式列车车厢。保留老旧金属窗框、蓝色布面座椅、行李架、拉环及具有年代感的内部结构。
- <Picture 1>: {{Image 3}}，作为本镜头的人物坐姿、近景侧面构图、窗外富士山位置及暖阳光线的核心参考。
- <Subject 3>: {{Image 4}}中的ZORQ白色无线耳机。严格保持耳机的白色外观、尺寸比例、圆润造型、材质和正确佩戴方式。
- <Subject 4>: {{Image 5}}中的综合色彩与影像质感。仅参考深绿冷调阴影、温暖阳光、柔和高光、低对比胶片色彩和细腻颗粒。

summary:
8秒写实电影感耳机广告，单一连续镜头。<Subject 1>独自坐在<Subject 2>的靠窗蓝色座椅上，保持<Picture 1>的近景侧面构图，佩戴<Subject 3>，安静地望向窗外。列车持续向前行驶，近处树林快速横向掠过，中景绿野缓慢移动，远处富士山稳定地停留在窗外。暖阳随着沿途树影间歇照入车厢，光斑在女主、窗框与蓝色座椅上缓慢移动。女主嘴唇全程闭合，以平静、克制的中文女性画外音说道：“我曾以为，留在记忆里的，是风景。”

retention_analysis:
- <Subject 1>: Full
- <Subject 2>: Full
- <Picture 1>: Full
- <Subject 3>: Full
- <Subject 4>: Style Only

detailed_description:
[Shot 1 | 00:00.000–00:08.000]
写实日系电影广告质感，单一连续镜头，全程无切镜。

摄影机固定在旧式列车车厢内部，采用近景、轻微侧前方机位，与女主坐姿视线高度接近。构图严格参考<Picture 1>：<Subject 1>位于画面左侧或左中部，窗户与窗外风景占据画面右侧，靠近镜头一侧的耳朵及白色耳机清晰可见。

<Subject 1>独自坐在<Subject 2>的蓝色靠窗座椅上，穿白色棉麻连衣裙，双手自然放在腿上，肩膀放松，以侧脸安静望向窗外。严格保持她的面部身份、五官结构、短发长度和自然肤质，不改变年龄与外貌。

女主身体随着列车行驶产生幅度很小、连续而真实的被动晃动，胸口有细微呼吸起伏。她自然眨眼一次，眼神随着窗外景色产生非常轻微的移动。头部不突然转动，不看向镜头，不做夸张表情。嘴唇全程自然闭合，不跟随画外音产生口型。

女主靠近镜头一侧的耳朵佩戴<Subject 3>。耳机在整个镜头中保持清晰可见，严格保持参考图中的白色外观、尺寸、轮廓、入耳角度与材质。耳机牢固贴合耳朵，不漂移、不闪烁、不变形、不消失，不产生多余耳机，不改变为其他产品款式，不生成错误的品牌文字。

镜头整体保持近景固定机位，只保留非常克制的手持摄影呼吸感，以及与列车运行同步的低幅度机械振动。不得推拉变焦，不得绕行，不得突然摇晃或改变构图。

采用R3D电影摄影机质感，大光圈、浅景深、柔和焦外。焦点稳定落在女主靠窗侧脸和白色耳机上；车厢远端自然虚化；窗外远处的富士山可以轻微柔化，但山体轮廓必须稳定、完整且清楚可辨。禁止频繁自动对焦或焦点抽动。

窗外运动必须严格符合真实列车视差规律：

- 距离列车最近的树林、树枝、灌木和偶尔经过的立柱，从画面右侧向左侧快速横向掠过，形成连续、自然的速度感与运动模糊。
- 中距离绿色田野以较慢速度横向移动，田野结构保持连贯，不扭曲、不跳动。
- 远处富士山稳定出现在绿野上方，只产生极其缓慢的相对位移，不能与近处树林以相同速度移动，不能漂移、缩放、扭曲、闪烁或突然消失。
- 车窗玻璃仅保留非常淡的车厢反射，不能遮挡女主侧脸、耳机和富士山。

温暖阳光从车窗斜射入车厢。由于列车不断经过树林，柔和的树影和阳光光斑连续地滑过女主脸侧、黑色短发、白色棉麻连衣裙、金属窗框和蓝色座椅。光斑移动速度缓慢、变化自然，不闪烁，不突然明灭，不产生曝光跳变。

女主短发末端可以随着车厢内轻微气流和列车震动产生细小摆动。白色棉麻连衣裙的袖口和裙面产生非常轻微的自然褶皱变化，不能出现强风吹拂或不符合车厢环境的大幅飘动。

00:01.000–00:06.500，播放女主平静、年轻、自然的中文女性画外音：
[Chinese] 我曾以为，留在记忆里的，是风景。</d>

这是非现场的内心画外音。女主本人不张嘴、不做说话口型，嘴唇全程保持闭合。画外音语速舒缓，带有轻微的回忆感和停顿感，不使用夸张戏剧腔。

整体色调严格参考<Subject 4>：深绿色与青蓝色阴影、温暖柔和的金色阳光、克制的饱和度、自然肤色、柔和高光过渡、细腻真实的胶片颗粒。画面呈现安静、怀旧、温柔的日系旅行广告气质。

禁止出现其他乘客或新增人物；禁止改变女主面部、发型和服装；禁止耳机变形、漂浮、消失或重复；禁止富士山高速移动或形变；禁止背景运动方向反复变化；禁止人物嘴唇说话；禁止异常手指和肢体；禁止面部崩坏；禁止镜头剧烈晃动；禁止焦点跳动；禁止画面闪烁；禁止曝光突变；禁止字幕、标题、水印、界面元素、商标乱码及任何额外可见文字。

overall_soundscape:
必须生成完整、清晰且贯穿全片的声音，不得输出静音视频。

全程保留真实旧式列车行驶环境音：稳定而低沉的铁轨滚动声、有规律且不过分响亮的车轮接缝声、柔和的低频机械轰鸣、轻微车厢结构震动、金属窗框与蓝色座椅的细小颤动声。声音具有封闭车厢内部的空间感。

近处树林从车窗外快速掠过时，加入轻微而连续的窗外气流声。环境声音自然、温暖、克制，不使用刺耳的高速风噪。

00:01.000–00:06.500，清晰播放年轻女性的中文画外音：
<d>[Chinese] 我曾以为，留在记忆里的，是风景。</d>

画外音位于声场中央，音色自然、温柔、清晰，语速舒缓，带有安静的回忆感。画外音出现时，列车环境声自然降低少许，但不能完全消失；画外音结束后，铁轨滚动声、车轮节奏与车厢低频环境声自然恢复清晰。

没有现场对白，没有人物口型，没有列车广播，没有其他乘客说话声。

non_diegetic_music:
极轻、克制的日系电影广告配乐。

00:00.500开始，稀疏柔和的钢琴单音与温暖、通透的环境氛围铺底缓慢进入。音乐始终保持低音量，不能遮挡中文画外音、列车轮轨声和车厢环境声。

不使用鼓点，不使用强烈节奏，不使用宏大弦乐，不突然升高音量，不制造夸张煽情效果。00:07.000后音乐缓慢淡出，在00:08.000与列车环境声自然收束。

使用的图像

音频

空

视频素材

空

H3_写实古风_00032_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

496.68 秒

种子数

389655006553757

模型名称

minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

subject_definitions:
<Subject 1> is the young East Asian woman from {{Image 1}}, preserving her facial identity, natural skin texture, short straight black hair, slender hands, and white cotton-linen dress.
<Subject 2> is the ZORQ wireless-earbud set from {{Image 2}}, including the warm-white charging case, two matching white in-ear earbuds with silicone tips, the exact product proportions, matte finish, hinge structure, interior charging slots, and the clearly legible dark-gray “ZORQ” logo centered on the case lid.
<Subject 3> is the visual color and film treatment from {{Image 3}}, featuring creamy whites, warm sunlight, muted teal-green shadows, soft highlight roll-off, restrained saturation, shallow depth of field, and fine analog film grain.

summary:
[reference generation] An 8-second cinematic product-commercial sequence shows <Subject 1> gently opening the charging case of <Subject 2>, removing exactly one white earbud, and placing it naturally into her near-side ear. Macro cinematography, precise hand-product interaction, soft side lighting, shallow focus, subtle handheld breathing, and the warm creamy palette of <Subject 3> emphasize the ZORQ product design. There is no dialogue or voice-over.

retention_analysis:
<Subject 1> (appears in [Shot 1], [Shot 2], and [Shot 3]): fully_preserved - her facial identity, short black hair, natural skin, slender hands, and white cotton-linen clothing remain consistent.
<Subject 2> (appears in [Shot 1], [Shot 2], and [Shot 3]): fully_preserved - the charging case, earbuds, proportions, warm-white finish, silicone tips, hinge, charging slots, and exact visible “ZORQ” logo are retained without redesign.
<Subject 3> (applies throughout [Shot 1], [Shot 2], and [Shot 3]): attribute_transfer - its creamy-white palette, warm side light, muted teal-green shadows, soft contrast, and film-grain texture are transferred to the entire product sequence.

detailed_description:
The target video uses premium photorealistic product-commercial cinematography captured with an R3D-style digital cinema image, a macro lens, a wide aperture, extremely shallow depth of field, soft highlight roll-off, and fine organic film grain. The color treatment follows <Subject 3>, combining creamy whites and warm skin tones with subdued teal-green shadows. Every action is delicate, physically coherent, and performed at a calm natural speed.

[Shot 1] A macro close-up frames the slender hands of <Subject 1> holding the closed charging case of <Subject 2> against a softly blurred pale background. Her white cotton-linen sleeve is visible near the edge of the frame. The case is centered in her supporting hand with its front facing the camera, and the exact visible text “ZORQ” is clean, stable, correctly spelled, and clearly legible on the lid. Warm lateral sunlight traces the rounded case edges and reveals the fine matte surface texture.

From 00:00.000 to 00:01.500, her supporting hand remains steady while the thumb of her other hand rests naturally beneath the lid edge. She lifts the lid in one smooth motion around its rear hinge. The lid rotates backward with realistic mechanical resistance and reaches its fully open position without bending or detaching. The camera remains close and stable with only a minimal handheld breathing sensation. Focus shifts subtly from the logo to the two earbuds seated inside the case.

[Shot 2] At 00:02.000, the shot cuts to a tighter macro three-quarter angle of the open case. Both original earbuds are initially visible in their correct left and right charging slots. <Subject 1> supports the case with one hand while the thumb and index finger of her free hand approach exactly one earbud.

From 00:02.000 to 00:04.200, her thumb and index finger gently grip the stem and body of the near-side earbud. The earbud releases from its magnetic charging slot with a small, controlled upward motion. Only one earbud is removed; the second earbud remains fixed inside its original slot. The removed earbud preserves the exact warm-white housing, silicone tip, vents, stem length, and proportions of <Subject 2>. Her fingers never pass through the product and never cover its entire silhouette.

The camera makes a very small upward follow as the earbud leaves the case. A restrained focus pull follows the earbud while the open charging case softens into the background. Product highlights glide naturally across the matte surface without flicker or artificial glow.

[Shot 3] At 00:04.200, the shot cuts to a macro side-profile close-up of <Subject 1>. Strictly preserve her facial identity, ear anatomy, short black hair, skin texture, and calm expression. Her near-side ear occupies the primary focus area while the rest of her face falls into soft, creamy bokeh. She holds the single removed earbud between the same thumb and index finger; the charging case is now outside the frame.

From 00:04.200 to 00:06.500, she raises the earbud along a short, direct path toward her near-side ear. The silicone tip is correctly oriented toward the ear canal. Her wrist rotates slightly, following normal human anatomy, and she inserts the earbud gently without forcing it. Her fingers release only after the earbud is securely seated. The hand then lowers naturally out of frame instead of disappearing suddenly.

From 00:06.500 to 00:08.000, the camera holds on the correctly worn ZORQ earbud and the woman’s calm side profile. The earbud remains stable and fully aligned with the ear. She makes one subtle natural blink and continues looking slightly forward. Soft side light defines the earbud’s shape and creates a clean product highlight while a few short hairs move minimally with her breathing. The final image settles into a refined, quiet product portrait.

Maintain correct continuity throughout: the same hands perform every action; the case begins with exactly two earbuds; one and only one earbud is removed; the other remains in the case; the removed earbud is the same object later placed into the ear.

No dialogue and no voice-over. No speaking or lip movement. No additional people, additional hands, extra fingers, duplicated earbuds, duplicated cases, floating objects, hand deformation, fused fingers, incorrect grip, ear deformation, changing product shape, changing earbud color, detached lid, unstable logo, misspelled logo, invented lettering, product glow, abrupt camera movement, focus hunting, exposure flicker, subtitles, captions, watermarks, interface elements, or unrelated visible text.

overall_soundscape:
A quiet, intimate indoor room tone continues throughout. At 00:00.600, the charging-case hinge produces a soft, precise mechanical click as the lid opens. At approximately 00:03.200, a very subtle magnetic release sound accompanies the earbud leaving its charging slot. From 00:04.200 to 00:06.500, faint fingertip contact, soft skin friction, and a delicate cotton-linen sleeve rustle accompany the hand moving toward the ear. The final moment contains only soft room tone and nearly inaudible fabric movement. No dialogue, no voice-over, no synthetic notification sound, and no exaggerated product sound effects.

non_diegetic_music:
A minimal premium-advertising score plays at very low volume: sparse felt-piano notes, a soft warm ambient pad, and a faint glassy harmonic texture at a slow tempo. The music remains restrained beneath the physical product sounds, introduces no percussion or dramatic swell, and fades gently during the final second.

使用的图像

音频

空

视频素材

空

H3_写实古风_00034_.mp4

解析成功

是

分辨率

1280x736

视频时长

8 秒

总耗时

486.23 秒

种子数

224871815646054

模型名称

minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

subject_definitions:
<Subject 1>是{{Mixed 1}}中的灰白色家猫。严格保持它自然的身体比例、灰色虎斑纹、白色胸腹与四肢、浅绿色眼睛、三角形耳朵、短而有层次的毛发，以及慵懒平静的状态。

<Subject 2>是{{Mixed 1}}中的旧围墙与传统住宅庭院环境，包括斑驳粗糙的混凝土围墙、虚化的瓦片屋顶、木质住宅立面和周围茂密的绿色植物。

<Subject 3>是{{Mixed 2}}中的综合色彩与电影质感，仅参考深绿色阴影、暖金色阳光、低饱和青绿色暗部、柔和高光过渡、浅景深和细腻胶片颗粒。

summary:
[参考生成] 生成一段6秒的写实电影感单镜头视频。<Subject 1>慵懒地趴在<Subject 2>的旧围墙上，位于画面中心。暖阳照亮猫的毛发，猫的耳朵随着环境声音轻轻转动，尾巴在围墙上缓慢、自然地摆动。前景虚化的绿色植物被持续的微风吹向画面右侧。画外音以平静温柔的中文说道：“穿过森林的风。”采用中近景、大光圈、轻微手持呼吸感、R3D电影素材质感，以及<Subject 3>的深绿与暖阳色调。

retention_analysis:
<Subject 1>（贯穿[Shot 1]）：fully_preserved——完整保留猫的灰白毛色、虎斑纹路、面部结构、身体比例、眼睛颜色、耳朵形状、毛发质感与慵懒气质。

<Subject 2>（贯穿[Shot 1]）：fully_preserved——完整保留旧围墙、传统住宅、瓦片屋顶、木质立面及庭院植物。

<Subject 3>（应用于[Shot 1]全程）：attribute_transfer——将深绿色、暖金色阳光、低饱和青绿色阴影、柔和对比度、浅景深和胶片颗粒迁移至整个视频。

detailed_description:
整体采用安静、自然、写实的日系生活广告质感。R3D电影摄影机素材感，中长焦镜头，大光圈，浅景深，柔和高光过渡，细腻自然的胶片颗粒。色调参考<Subject 3>，以深绿色植物、低饱和青绿色阴影和温暖的午后金色阳光为主。

[Shot 1 | 00:00.000–00:06.000]
单一连续镜头，全程不切镜。

中近景平视构图，<Subject 1>慵懒地趴在<Subject 2>的旧围墙顶部，猫位于画面水平中心，是唯一清晰的视觉主体。猫的胸口贴近墙面，一只前爪自然垂在围墙边缘，另一只前爪放松地收在身体下方，后腿自然伸展。尾巴沿着围墙顶部向身体一侧自然延伸，尾巴必须从身体尾椎位置连续生长，长度、粗细和毛色符合真实猫科动物结构。

摄影机保持在猫眼睛的高度，机位基本固定，只保留极其轻微、缓慢、低幅度的手持摄影呼吸感。不得推拉、摇摄、升降、环绕或突然改变构图。猫始终位于画面中心，不能随着镜头漂移。

00:00.000–00:01.300：
猫保持放松、慵懒的趴卧姿势。胸口和腹部随着呼吸产生非常细微的起伏。眼睛半睁，神情困倦而平静。

温暖的侧逆光照在猫的耳朵、脸颊、背部、尾巴和胡须边缘，清晰勾勒出细小毛发的金色轮廓。光线柔和，不产生过曝。少量细毛随着微风轻轻颤动。

画面前景有大面积绿色植物虚化。持续而轻柔的风从画面左侧吹向右侧，所有前景叶片都以连贯的方向向右侧倾斜和摆动。叶片从茎部受力，沿小幅弧线自然弯曲；细小叶片运动稍明显，较粗的枝条运动幅度更小。不得随机乱抖或反复改变风向。

00:01.300–00:02.500：
猫靠近镜头一侧的耳朵轻轻转向画外的森林声音，短暂停顿后缓慢回到较放松的角度。另一只耳朵稍晚产生一次幅度更小的自然响应。

耳朵动作必须符合真实猫科动物生理结构，只允许耳廓围绕根部轻微旋转。猫的头部、身体和四肢继续保持放松，不能因为耳朵转动而突然抬头或改变姿势。

00:01.500，平静、温柔、亲近的中文女性画外音出现：
<d>[Chinese] 穿过森林的风。</d>

这是非现场画外音，画面中不出现说话人物。旁白语速舒缓，发音清楚，带有安静的自然纪录片与日系广告气质。

00:02.500–00:04.300：
猫的尾巴开始产生一次完整、缓慢而自然的动作。尾巴根部首先轻微发力，随后运动依次传递至尾巴中段和末端，形成柔和连续的波浪式摆动。

尾巴沿围墙表面从原本的位置缓慢向一侧扫动一小段距离，轻轻擦过围墙顶部，然后自然回摆。回摆幅度小于第一次摆动，最终尾巴重新放松地落在围墙上。尾巴末端额外轻轻弯曲并弹动一次，表现出猫在聆听风声时的细微反应。

尾巴运动必须具有重量、惯性和毛发阻力，不能像蛇一样独立扭动，不能高速甩动，不能穿过猫的身体或围墙。猫的身体不因尾巴摆动而整体滑动。全程只能出现一条尾巴，尾巴不能分叉、变长、缩短、消失或变成额外肢体。

00:03.300左右，猫缓慢自然地眨眼一次。上下眼睑平滑闭合后重新睁开，面部结构和眼睛位置保持稳定。猫的胡须随着呼吸和微风产生极其细微的运动。

00:04.300–00:06.000：
猫的尾巴完成回摆后逐渐停止，只保留尾尖一次很小的自然颤动。猫继续慵懒地趴在围墙上，眼睛保持半睁，不抬头、不起身、不改变爪子位置。

前景虚化叶片继续被风吹向画面右侧。背景中的灌木和细小枝叶也对同一方向的风产生幅度更小的响应。所有植物运动方向必须统一，并存在合理的层次差异。

阳光透过移动的叶片，在猫的背部、尾巴、围墙表面形成缓慢变化的细碎光斑。光斑变化连续而柔和，不闪烁、不突然明灭、不产生曝光跳变。

摄影机焦点始终稳定落在猫的眼睛、脸部和靠近脸部的毛发上。前景植物保持明显虚化，远处住宅和瓦片屋顶柔和失焦。不得突然将焦点转移到前景叶片或背景建筑。

最终画面保持猫居中、阳光温暖、叶片持续向右摆动的宁静构图，摄影机的轻微呼吸感逐渐减弱并自然停稳。

禁止新增其他猫、人物、鸟类或昆虫；禁止猫起身、行走、跳跃、翻身、舔毛或突然转头；禁止猫张嘴说话；禁止尾巴高速甩动；禁止尾巴像蛇一样扭曲；禁止出现两条或多条尾巴；禁止多余四肢；禁止爪子、耳朵、眼睛和身体变形；禁止毛色和斑纹变化；禁止猫身体在围墙上滑动；禁止植物随机乱抖；禁止风向反复改变；禁止剧烈手持晃动；禁止焦点抽动；禁止光线闪烁；禁止字幕、标题、水印、Logo及任何可见文字。

overall_soundscape:
必须生成完整且贯穿全片的自然环境音。

全程保留轻柔而清晰的林间微风声。风从画面左侧吹向右侧，具有自然的空间方向感。前景叶片产生较清晰但柔和的沙沙声，背景灌木与树冠产生更轻、更宽阔的层次声。

环境中加入非常遥远、克制的林间鸟鸣和低音量的夏日自然底噪，但不能抢夺注意力。猫耳朵转动时，环境声保持自然，不加入夸张提示音。尾巴轻轻擦过围墙表面时，可出现一次极轻的毛发与粗糙墙面摩擦声。

00:01.500，播放温柔、年轻、自然的中文女性画外音：
[Chinese] 穿过森林的风。

画外音位于声场中央，语速舒缓，音色亲近而克制。旁白出现时，风声和叶片声自然降低少许但不能消失；旁白结束后，风声和树叶声重新恢复清晰。

猫全程保持安静，不出现猫叫、喘息或其他夸张动物声音。

non_diegetic_music:
使用极轻、温暖、克制的日系自然广告配乐。

配乐由稀疏的毛毡钢琴单音、柔和空气感铺底和极轻的玻璃质感泛音构成，速度缓慢，音量始终低于风声、叶片声和中文旁白。

不使用鼓点，不使用明显节奏，不使用宏大弦乐，不使用突然的情绪升高。音乐在最后一秒缓慢淡出，只留下轻柔的风声和树叶声。

使用的图像

音频

空

视频素材

空

H3_写实古风_00037_.mp4

解析成功

是

分辨率

1280x736

视频时长

15 秒

总耗时

1248.84 秒

种子数

424080983009971

模型名称

minimax_h3\minimax_h3_ref2va_pruned_int8_convrot.safetensors；minimax_h3\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors；minimax_h3\minimax_h3_video_vae_fp16.safetensors；minimax_h3\minimax_h3_audio_vae_fp32.safetensors；Minimax_H3\minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

提示词

subject_definitions:
<Subject 1>是{{Image 2}}中的呱比，一只身高约8厘米的呆萌绿色青蛙。严格保持圆滚滚的梨形身体、浅绿色背部、奶白色腹部、凸起的大眼睛、短小四肢、宽嘴和经常耷拉在嘴外的粉色舌头。身体柔软、富有弹性，但具有稳定骨架和真实重量。动作带有猫科动物潜行习性。

<Subject 2>是{{Image 1}}中的小型飞虫。保留棕褐色分节身体、透明膜状翅膀、细腿、短触角和圆眼。进入沙漠场景后的体长约1.5厘米，与8厘米高的呱比形成合理比例。

<Subject 3>是{{Image 3}}中的沙漠环境，包括颗粒清晰的金色沙地、画面左前方的小岩石、后方巨大的橙褐色风化岩壁、远处仙人掌、蓝色天空和强烈暖阳。

summary:
[参考生成] 生成一段15秒、四镜头的写实3D动画喜剧。镜头遵循固定空间轴线：飞虫停在前方小岩石上，呱比从后方低姿态接近，并沿同一方向发射舌头。每个镜头只使用一种主要运镜，动作按照“准备—执行—惯性反应”完整展开。舌头误粘滚烫岩石后变红冒烟，呱比最终捧着红肿舌头原地蹦跳并喷出夸张眼泪。

retention_analysis:
<Subject 1>（贯穿全部镜头）：fully_preserved——保持呱比的外貌、8厘米身高、圆胖体型、绿色皮肤、奶白腹部、凸眼、短肢和粉色舌头。

<Subject 2>（出现在[Shot 1]和[Shot 2]）：fully_preserved——保持飞虫的分节身体、透明翅膀、圆眼、触角和小型比例。

<Subject 3>（贯穿全部镜头）：fully_preserved——保持沙地、小岩石、巨大岩壁、仙人掌、蓝天和暖阳环境。

detailed_description:
高品质写实3D动画电影质感。角色动作具有卡通弹性，但必须保留真实重量、接触、惯性和重心变化。阳光方向、角色比例和空间位置贯穿四个镜头保持一致。呱比始终只有8厘米高，附近沙粒、碎石和岩石必须持续体现微型尺度。

全片固定空间关系：小岩石位于呱比前方，飞虫停在小岩石上；呱比从岩石后方约20厘米处向它接近；巨大热岩位于飞虫后方。四个镜头不得改变三者的前后关系，不跳轴。

[Shot 1 | 00:00.000–00:04.000]
低视角中近景，摄影机几乎贴近沙面。小岩石位于画面左前方，呱比位于右后方。镜头全程只进行一次缓慢、短距离的低位后退跟拍，不环绕、不推拉变焦。

00:00.000–00:00.700，<Subject 2>从画面上方自然飞入，在小岩石上方悬停。翅膀高速振动，身体仅有轻微上下浮动，发出低频“嗡——”声。

00:00.700–00:01.000，飞虫降低高度，六条腿依次接触岩石。翅膀减速、折叠，嗡鸣声干脆停止。飞虫安稳停住，不继续走动。

00:01.000，焦点从前景飞虫平稳转移到后方的<Subject 1>呱比。摄影机不改变位置，只进行一次自然焦点转移。

00:01.000–00:04.000，呱比进入猫咪潜行状态，腹部压低，目光锁定飞虫。它只完成两组清晰的匍匐循环：

第一组：左前肢向前挪动，右后腿推动身体跟进；身体重量向左侧转移，腹部产生一次延迟Q弹。

第二组：右前肢向前挪动，左后腿推动身体跟进；身体重量回到右侧，腹部和臀部产生第二次轻微Q弹。

每次移动后必须短暂停顿，让身体晃动逐渐停止，再进行下一步。不能四肢同时乱动，不能像滑行一样前进。

摄影机以相同速度缓慢向后移动，保持呱比大小基本稳定。呱比始终在飞虫后方，不能突然靠到岩石旁边。

呱比舌头有一半耷拉在嘴角。舌头只受身体惯性影响，第一步向左轻摆，第二步向右轻摆，摆幅很小。每次身体挪动分别同步发出一次“叽咕”橡胶挤压声。

呱比以短促鼻音呼吸。<Subject 1>（S1）发出本能拟音：
<d>[Chinese] 呱……比……</d>

[Shot 2] At 00:04.000，切到低位过肩镜头。呱比后脑和一侧肩膀位于画面右下方，岩石与飞虫位于画面左上方。保持180度空间轴线，不交换飞虫和呱比的左右位置。

摄影机在00:04.000–00:05.200只进行一次幅度很小、速度缓慢的推近，随后完全停止。

00:04.000–00:05.000，呱比停止爬行，将身体稳定压在沙地上。双眼同时对准飞虫，瞳孔在半秒内平滑放大。眼球不旋转、不凸出、不改变数量。

00:05.000–00:05.700，呱比进行一次明确蓄力：后腿弯曲，腹部向后压缩，身体重心向后移动约半个身位。前肢继续接触沙地，提供稳定支撑。蓄力伴随逐渐拉紧的弹簧声：“嘎吱吱——”。

00:05.700，呱比张嘴，舌头沿嘴部正前方弹出。舌根始终连接嘴腔，舌身沿直线快速伸长，发出短促破空声：“咻！”

摄影机保持静止，让舌头运动发生在稳定画面中，不跟随舌尖快速冲刺。

00:06.100，飞虫看到舌尖接近，向画面左侧平移约一个自身宽度。它仅做一次短促闪避，不绕圈、不突然瞬移，发出一声轻微的“唧～”。

00:06.200，舌头从飞虫原来的位置穿过，舌尖继续前进并粘在后方巨大岩石的低处，发出湿润重击声：“啪叽！”

00:06.200–00:07.200，舌头被拉直，张力传回呱比。呱比身体向前滑动很短距离，前肢在沙面留下两道浅痕。身体先向前压扁，再产生一次从脸颊传到腹部、最后到臀部的果冻波纹。

00:07.200–00:08.000，身体余震逐渐衰减。呱比停在原地，保持错愕姿势。不能连续反复弹跳，不能被舌头直接拉到岩石上。

[Shot 3] At 00:08.000，动作匹配切到舌尖粘住岩石的极微距特写。摄影机固定，不推近、不平移。仅保留由热浪造成的非常轻微画面折射，不能模拟成手持乱晃。

舌尖在画面中心，岩石孔洞、砂粒、舌头湿润黏液和受压接触边缘清晰可见。

00:08.000–00:08.600，舌头仍保持正常粉红色，接触处发出第一声轻微“呲——”。接触边缘缓慢冒出一缕很细的白烟。

00:08.600–00:09.800，接触岩石的舌尖逐渐从粉红色变为亮红色。颜色变化从舌尖向后推进一小段，速度连续，不瞬间覆盖整条舌头。白烟增加到两三缕，沿热空气向上卷动。

00:09.800–00:11.000，舌尖因受热产生轻微红肿，但表面保持完整、湿润且富有弹性。背景出现小幅热浪折射。持续发出铁板接触声：“呲啦啦啦——！”

远处的呱比停顿半秒后发出困惑闷哼。<Subject 1>（S1）发出：
<d>[Chinese] 呱……嗯？</d>

禁止烧焦、破皮、流血、融化或恐怖伤口。

[Shot 4] At 00:11.000，切到固定低位全景，完整展示呱比、舌头、岩石和脚下沙地。摄影机只通过小幅度的上下摇摄跟随呱比跳跃，不向前推、不后拉、不横移。

00:11.000–00:11.600，呱比后腿蹬地、身体向后发力，舌尖从岩石上一次性脱离，发出短促黏性剥离声。舌头沿原路径回缩，不能在空中打结或缠绕身体。

00:11.600–00:12.000，红肿舌头回到嘴边。呱比先站稳，然后左右两只小手分别从两侧捧住同一条舌头。必须完成“收回—站稳—用手捧住”三个连续动作，不能同时发生。

00:12.000–00:14.500，呱比完成三次清晰蹦跳，每次包含完整的屈膝、起跳、腾空、落地和身体回弹：

第一次落地，双脚压入沙面，扬起小范围细沙，发出“布吉！”

第二次落地，身体稍微向右倾斜后恢复平衡，发出“布吉！”

第三次落地，跳得略高，落地后身体产生一次较明显但快速衰减的Q弹，发出“布吉！”

每次起跳之间留出极短停顿。摄影机只在角色上升时轻微上摇，在落地时轻微下摇，保持呱比完整身体始终处于画面中央。镜头不能比角色跳动更快。

每次脚掌落地，沙粒沿低矮抛物线向外飞散并在重力作用下落回地面，伴随“沙啦……沙啦……”摩擦声。沙尘量很小，不能遮挡角色。

00:12.300，两道半透明宽眼泪从呱比左右眼角同时喷出，发出“噗呲——”。眼泪具有水体重量和惯性，随三次跳跃分别向两侧甩动，但始终从眼角连续产生，不变成独立水管或额外肢体。

00:12.000–00:15.000，呱比捧着舌头，以幼童与小奶狗混合、鼻音浓重、颤抖而富有弹性的声音惨叫。<Subject 1>（S1）发出：
<d>[Chinese] 呱比！呱比！呱比啊啊啊啊！</d>

最后00:14.500–00:15.000，呱比停止继续起跳，双脚落地后原地快速交替跺两下，身体余震逐渐减弱。镜头稳定停住，避免在结尾持续上下摇晃。

全程严格保持呱比只有两只眼睛、两只手、两条腿和一条舌头。动作必须由重心转移驱动，身体弹性只能作为动作后的次级反应。

禁止呱比滑行；禁止四肢同时无规律摆动；禁止连续无休止弹跳；禁止摄影机与角色同时高速乱动；禁止舌头分叉、断裂、穿模或脱离嘴腔；禁止身体融化；禁止多余眼睛、手脚或舌头；禁止飞虫复制或瞬移；禁止眼泪变成肢体；禁止角色尺寸漂移；禁止跳轴；禁止背景变化；禁止字幕、水印、Logo及任何可见文字。

overall_soundscape:
干燥沙漠热风、细沙移动和空旷环境底噪贯穿全片。每个动作只对应一个主要音效：飞虫悬停对应“嗡——”，两次潜行分别对应两声“叽咕”，蓄力对应一次弹簧拉伸声，舌头弹射对应一次“咻”，撞击对应一次“啪叽”，舌头受热对应持续“呲啦”，三次落地分别对应三声“布吉”和三次轻微扬沙声。所有音效准确同步，不提前、不延迟，也不在同一时刻堆叠过多声音。呱比的声音始终保持幼童与小奶狗混合、鼻音浓重、短促而富有弹性的特征。

non_diegetic_music:
轻量卡通拨弦与木琴配乐，节奏简单、音量很低。潜行阶段使用稀疏短音；蓄力时仅加入一条逐渐升高的拨弦音；舌头击中岩石后音乐立即暂停，让“呲啦”声独立突出；呱比蹦跳时恢复三个与落地动作对齐的木琴重音。音乐不覆盖角色叫声和动作音效。

使用的图像

音频

空

视频素材

空