實體AI教學課程內容

MiniMax H3 全模態 AI 影片課程大綱

兩小時精華實戰班

 

課程簡介

MiniMax H3 是 MiniMax 於 2026 年 7 月推出的全模態（Omni-modal）AI 影片生成模型，可同時理解文字、圖片、影片及音訊，並一次性生成最長 15 秒、最高 2K 解析度、帶有原生立體聲音訊的影片。

本課程以實作為主，帶領學員由基礎操作開始，學習如何使用文字、圖片、影片及音訊作為參考素材，撰寫多模態提示詞，並完成一段具備角色、動作、運鏡及音效的 AI 短片。

 

適合對象

• 內容創作者及影片剪輯師

• 社交媒體及品牌管理人員

• 教育工作者及培訓導師

• 市場推廣及廣告從業人員

• NGO、企業及社福機構職員

• 希望使用 AI 製作宣傳片、動畫或短影音的人士

課程毋須專業剪輯經驗，但需具備基本電腦操作能力。

 

學習目標

完成課程後，學員能夠：

• 了解 MiniMax H3 的全模態生成概念及主要功能。

• 使用文字、圖片、影片及音訊作為參考素材。

• 撰寫多模態提示詞，指定角色、動作、運鏡及聲音。

• 設定影片長度、解析度及畫面比例。

• 使用首尾幀控制及參考素材生成。

• 運用動作轉移（Motion Transfer）功能。

• 生成帶有原生立體聲音訊的影片。

• 評估及改善 AI 生成影片的品質。

• 完成一段可供分享的 AI 短片。

 

課程內容

第一單元：認識 MiniMax H3

內容重點

• MiniMax 及 H3 的背景

• 全模態（Omni-modal）生成的概念

• H3 與傳統文字生影片模型的差異

• 輸入素材：文字、圖片、影片、音訊

• 輸出規格：2K 解析度、24fps、最長 15 秒、原生立體聲

• 支援的畫面比例及語言

• 應用場景及限制

MiniMax H3 可一次性生成影像與同步音訊，包含人聲對白、背景音樂及環境音效，而非先生成無聲影片再後製配音。

 

第二單元：帳戶設定及介面操作

操作內容

• 註冊及登入 MiniMax 或 Hailuo 帳戶

• 進入 H3 影片生成介面

• 認識操作介面及功能區塊

• 選擇生成模式：

  • 文字生成影片（T2VA）

  • 首尾幀控制（FL2VA）

  • 參考素材生成（Ref2VA）

• 上傳及管理參考素材

• 設定影片長度、解析度及畫面比例

介面重點

• 提示詞輸入區

• 參考素材上傳區（圖片、影片、音訊）

• 生成模式選擇

• 影片長度及解析度設定

• 畫面比例選項

• 預覽及生成按鈕

• 任務管理及下載

 

第三單元：多模態提示詞設計

內容重點

H3 的「多模態」是指模型能一起理解不同形式的資料，學員將學習如何組合文字、圖片、影片及音訊，並用文字說明它們要如何組合。

提示詞結構

主體＋動作＋場景＋風格＋鏡頭＋聲音＋氣氛

 

提示詞範例

一位年輕女性在香港海旁慢慢行走，微風吹動她的頭髮，她停下來望向遠處的城市夜景，電影感寫實風格，鏡頭由中景緩慢推近，背景有輕柔的鋼琴音樂及遠處海浪聲，氣氛寧靜而溫暖。

 

多模態組合

• 使用圖片指定人物外觀。

• 使用影片指定動作及運鏡。

• 使用音訊指定節奏、音色或背景音樂。

• 使用文字說明各素材的關係及整體意圖。

單次生成最多可加入 9 張圖片、3 段影片及 3 段音訊作為參考素材。

 

第四單元：文字生成影片

操作內容

• 輸入文字提示詞。

• 選擇文字生成影片模式。

• 設定影片長度（4 至 15 秒）。

• 選擇解析度（768P 或 2K）。

• 選擇畫面比例（21:9、16:9、4:3、1:1、3:4、9:16）。

• 生成影片並預覽。

• 比較不同提示詞的效果。

實作練習

一隻橘色貓咪在雨後的城市街道上慢慢走過，地面反射著彩色霓虹燈，鏡頭低角度跟拍，電影感，背景有輕柔的爵士音樂及遠處車聲，氣氛溫暖而夢幻。

 

第五單元：圖片生成影片及首尾幀控制

內容重點

• 上傳一張或多張參考圖片。

• 使用首幀及尾幀控制畫面轉換。

• 指定人物動作及鏡頭運動。

• 生成帶有聲音的影片。

實作案例

• 上傳一張人物照片，生成說話或走路的短片。

• 設定首幀及尾幀，製作場景轉換。

• 使用多張圖片製作簡單故事版。

H3 支援首尾幀控制（FL2VA），可指定影片的開始及結束畫面。

 

第六單元：參考素材生成（Omni-Reference）

內容重點

• 上傳人物圖片指定角色外觀。

• 上傳參考影片指定動作及運鏡。

• 上傳參考音訊指定節奏、音色或音樂風格。

• 使用文字說明各素材的用途及組合方式。

• 生成具備一致角色及聲音的影片。

實作案例

• 使用一張人物圖片及一段參考影片，生成角色執行相同動作的短片。

• 使用一段參考音訊，生成配合節奏的動畫或宣傳片。

• 組合多張圖片及多段音訊，製作多鏡頭短劇。

H3 的 Omni-Reference 全模態參考功能，可單次帶入最多 9 張參考圖、3 段參考影片及 3 段參考音訊。

 

第七單元：動作轉移（Motion Transfer）

內容重點

• 動作轉移（V2V Motion Transfer）的概念

• 將一段影片的動作搬到另一個角色身上

• 保持新角色的外觀及聲音

• 適合的應用場景及限制

實作練習

• 上傳一段人物跳舞或走路的參考影片。

• 上傳另一張人物圖片作為新角色。

• 使用動作轉移生成新角色執行相同動作的影片。

• 比較動作及角色的一致性。

H3 支援 V2V Motion Transfer，可將參考影片的動作轉移到新角色。

 

第八單元：音訊及聲音生成

內容重點

• 原生立體聲音訊的原理

• 同步生成對白、音效、環境音及音樂

• 使用參考音訊指定聲音風格

• 設定語言及語氣

• 避免聲音與畫面不同步

H3 可同步產生 32kHz 立體聲音訊，包含人聲對白、背景音樂及環境音效。

實作案例

• 生成一段帶有角色對白的宣傳短片。

• 使用參考音訊生成配合節奏的動畫。

• 生成帶有環境音及背景音樂的場景。

第九單元：影片品質評估及改善

常見問題

• 人物外觀或動作不一致

• 聲音與畫面不同步

• 動作不自然或變形

• 背景出現閃爍或跳動

• 提示詞未能正確理解

• 聲音品質不佳或失真

改善方法

• 簡化及明確化提示詞。

• 減少參考素材的數量及複雜度。

• 每次只調整一至兩個元素。

• 使用更清晰的參考圖片及影片。

• 選擇合適的動作及場景。

• 重新生成並比較不同版本。

• 保留較佳版本，再針對問題修改。

 

第十單元：AI 短片實戰

學員可選擇以下其中一個主題完成實作：

• 製作產品宣傳短片。

• 製作活動或課程推廣片。

• 製作社交媒體短片。

• 製作兒童故事或角色動畫。

• 製作 NGO 宣傳或募款影片。

• 製作多鏡頭短劇或片頭。

• 使用動作轉移製作角色動畫。

建議工作流程

1. 確定影片主題及目標。

2. 準備文字提示詞及參考素材。

3. 選擇合適的生成模式。

4. 設定影片長度、解析度及畫面比例。

5. 生成第一版本。

6. 檢查角色、動作、聲音及畫面。

7. 修改提示詞及參考素材。

8. 重新生成並選擇較佳版本。

9. 下載影片，供後續剪輯或分享。