MiniMax-H3生成15秒真人演唱视频，口型与音频完全同步

用户@Israa_Ali2077在X平台发布实测内容，称MiniMax-H3的演唱表现令人信服。她表示原本以为这类歌曲很难演绎，最让她印象深刻的是口型同步、面部表情，以及表演与人声的贴合度。

本次测试为15秒16:9比例的真人写实电影感音乐剧流行抒情片段，以上传的女性人声音频为时间基准，同步剪辑、呼吸、视线、手势与文字。

视频全程为同一位女性表演者，场景从阴影中的后台走廊过渡到丝绒舞台、聚光灯下，情绪从渴望转为对抗再到释放。画面采用写实皮肤与毛发质感，真实织物、黄铜麦克风、丝绒材质、轻雾效果，无胶片颗粒。

表演细节要求包含呼吸准备、可控的下颌与喉部张力、富有表现力的眼神、细微的抬头动作、一只手靠近胸骨，情绪从脆弱逐步扩展为胸腔主导的力量。口型与上传人声完全匹配，无通用无声唇部动作，保留自然呼吸间隙，最终强度仅在最后一段持续乐句出现。

视觉配色为黑色丝绒、暖象牙色聚光灯、深酒红色织物、低饱和银色珠宝与麦克风。文字采用超黑压缩无衬线全大写字体，字距紧凑，少量使用窄幅无衬线辅助字体，为编辑级舞台排版，而非字幕或卡拉OK样式。

全片共8个镜头，从0秒到15秒依次推进：从后台门口中近景侧移，到转身靠近麦克风，再到推开幕布进入舞台中央，最后以正面特写收尾。每个镜头对应一段情绪递进，文字随乐句出现，最终在最后一个音符处硬切黑屏，无淡入淡出。

全局要求保留歌手面部、发型、珠宝、服装特征，仅使用真人写实画面，无换脸、换装、额外表演者、户外场景、动漫、插画、塑料质感皮肤、颗粒感、通用字幕、卡拉OK显示、不可读文字、假品牌、水印、随机故障、柔和溶解或无限循环。演唱过程中保持嘴部可见且形状正确，在最后一个音符处果断结束。