海螺 H3 把人物、运镜和声音参考放进同一份创作要求

想让某个角色用特定声音唱歌，同时借用另一段视频的镜头运动，靠一条长提示很难把三件事说清楚。海螺 AI 当前的 MiniMax H3 路线允许文字、图片、视频和音频共同作为创作上下文：图片说明人物，视频说明运动，音频说明声音，再用文字交代它们的关系。

官方把三种参考接成同一个案例

MiniMax 发布文章给出的案例要求很明确：参考第一段视频的希区柯克式运镜，让第二张图片中的人物唱歌，并匹配第三段音频的人声。原页同时放出输入视频、人物图、音频和生成视频。下方第一张是人物输入，第二张是从官方输出视频约第二秒提取的静帧。

来源：MiniMax H3 官方发布文章。静帧用于辨认输入人物如何进入新画面；运镜与声音请在原页播放判断，截图不能验证其连续性与音色。

这个案例值得保留，因为每份参考都有明确职责，而非无差别上传一堆素材。继续修改时，可以保留人物资料，只换运动或声音；也可以在文字里重新分配参考承担的内容。模型接收这些线索后生成新的视听结果，不是把原音视频轨道原封不动拼接成一个剪辑工程。

能组合，也要认清组合限制

当前海螺 H3 页面给出 Omni Reference 的文件规则：最多合计 12 个参考文件，图片、视频、音频又各有数量上限，音频参考需要与图片或视频一同使用。总数 12 不等于每一种都能上传 12 个。生成设置还需要选择时长、比例和输出规格；这一页对应 5—15 秒短片与原生立体声，不能套用到海螺所有旧型号。

H3 也提供对已有视频中人物、物品、背景、光线和声音的修改方向。作品能否采用，仍要逐段检查角色变化、口型、说话内容和镜头衔接，特别是准确品牌细节与客户指定台词。原页的示范只能说明这组材料的官方展示，不是对任意长片或任意声音的质量保证。

海螺是商业在线创作服务，需要相应账户与生成额度，H3 页面按计划和模式说明费用，促销试用也有条件。发布文章提到计划开放权重，不能仅凭这句话认定当前所有权重及商业许可都已到位；本篇讨论的是明确可找到的网页创作入口。对于已经手握图、镜头或配音参考的人，H3 最值得看的地方，是用这些素材直接表达创作意图，再在同一任务中处理它们的关系。