用MiniMax H3做多人对话短剧，两个坑这样填

怎么用 MiniMax H3 做多人对话短剧，难点在哪、怎么解决，一个视频讲清楚。

H3 做长视频两个坑：段一多人就换脸，段和段接不上。 这条用 MiniMax Design 把坑填平，过程看视频👇。

H3 开源之后火到什么程度不用我说，有能力的同学显卡一张接一张往机器里插，我自己也在 4090 上跑了一段时间。但更多人卡在部署那一步，显存、环境、提示词格式，每一关都能把人劝退。

官方出了个 MiniMax Design，把 H3 装进了一个 agent 里。不用部署，不用学提示词格式，你说要什么，它自己出图、生视频、剪辑，Mac 和 Windows 都能安装。

我拿它做了一条 2 分 05 秒、4 个角色、12 段一镜到底的短剧，从头到尾没换过脸。全过程我录了一遍，就在这条视频里：

🔹 剧本和 22 张连续状态图我在外面先做好，每一段的首帧和尾帧都是这 22 张里的图，上一段的尾帧就是下一段的首帧。人物不换脸就靠这个，只用文字描述，写得再细，下一段还是另一个人。

🔹 拖进 Design 的画布，每段挂一张首帧、一张尾帧，写好台词和动作。第一段出来，三个人就是图上的三个人，台词一字不差，对白是它自己生成的，没有配音。剩下十一段分三批，它自己排队跑。

🔹 多人镜头先在 3D 导演台摆站位和机位。把病房平面图丢给它，它自己搭房间、把人放进去，四个人谁站哪、相机放哪，转一圈看站位，不对的选中人物按键转过来，不用重跑。

🔹 12 段进视频剪辑，拼接、字卡、字幕、片名。11 条接缝用了六种接法，哪种情况用哪种，视频后半段一条一条过。

成片在下一条👇

成片在这，2 分 05 秒，4 个角色，12 段 剧情是老程序员主题，Claude 号被封、Codex 额度用完，全公司刷着 Tibo 的推特等他暗示重置，最后跑去医院找住院的老陈回滚线上事故。

形式致敬 B 站的「老头们的快乐生活」，剧情和台词是我自己写的。

为什么拆成 12 段？

单次生成超过 15 秒容易出问题，这是 H3 官方自己承认的，所以每段 10 秒左右，上一段的尾帧就是下一段的首帧，一段接一段生成，最后在剪辑里拼起来。和我本地摸出来的做法也是这样，它把这一套做成了默认流程。

具体往下看👇

MiniMax Design 是一个装在你电脑上的 agent， 你跟它说要什么，它自己去调图像、视频、音频模型，能读你本地的文件，做完还能把成片直接导进剪映。

你可以把它理解成做视频的 Claude Code。 skill 在聊天框旁边的面板里，分短剧漫剧、专业影视这些类，每个一个斜杠名，剪映导出是 /clip-export，配乐是 /drama-soundtrack。

你可以自己点，也可以切成「自动」让它按任务挑，还能点「创建」做一个自己的。写过 Claude Code skill 的人打开它，一分钟就知道该怎么用。

模型面板里视频、图片、音频分开列。 视频除了自家的 H3，还有 Kling、即梦、Veo；图片有 GPT Image、Nano Banana、Seedream、Midjourney；音频有自家的语音和音乐模型。

GPT Image 2.5 和 GPT-6 Astra 都是这两天刚接入的，更新挺快。 默认 agent 按任务自己挑，你也可以只勾几个。 我全程用的 H3，768P 到 2K，一段最长 15 秒，自带声音。

我在 4090 上裸跑 H3 最大的坑是提示词格式。 字幕乱码、嘴动了没声音，根因都是没按官方那套派单格式写，我后来专门写了个编译脚本才稳定。

在 Design 里这一步 agent 替你做了。 它发给 H3 的提示词，是官方那套结构化字段，和我手写的是同一套格式，它写得比我全。

要提醒的地方：

画布功能还不够完善，首尾帧、素材、生成结果都堆在一块画布上，段多了以后找东西、改东西要花时间；

Agent 的灵活度还需要提升，流程它跑得顺，但想在中间插一步自己的想法，有时候还的自己动手和提醒，记忆系统需要更近一步贴近用户问题。

但该它干的活它都是自己干完的。出图、生视频、配对白、拼接、字卡、字幕，到导出成片，中间哪段出问题它自己重跑修好，我只负责给图和写台词。

以前这样一条 2 分钟的片要演员、场地、剪辑三拨人；这次一个人一台电脑。

地址 Mac 和 Windows 都可以装。 新用户送 3000 积分，不如先用免费额度跑一条试试？