MiniMax H3 角色替换工作流：保留镜头

AI Overview

如何在视频中用 MiniMax H3 替换角色？

使用 Ref2VA 模型系列，以一张干净的身份图像和源视频作为独立参考。明确定义“谁”被替换，保留源视频中的表演与摄像机运动，并整体审阅动态结果，而非仅关注某一个吸引人的单帧。

最佳的 MiniMax H3 角色替换提示词是什么？

为 <Picture 1>、<Subject 1>、<Video 1> 及任何复用的音频明确分配角色。仅陈述一次替换意图，随后逐条列出必须保留的源要素：时间节奏、动作、构图、布光、环境、人物互动及声音。

如何防止角色替换后出现身份漂移（identity drift）？

从一张光线均匀、清晰呈现头肩部的参考图像开始；保持源视频片段简短；避免在同一轮测试中同时更改服装、场景、摄像机参数或身份。若漂移在运动过程中发生，可简化动作，或将难度较高的段落拆分处理。

MiniMax H3 能否保留原始视频的音频？

Ref2VA 支持视频与音频参考输入，并可生成同步的立体声音频。当必须保留原始音轨时，请将其音频标注为“复用源”，并全程核验对白节奏、环境底噪、音效及剪辑点是否一致。

一次成功的替换，应使新身份清晰可辨，同时源视频的表演张力、摄像机运镜与环境氛围仍如单镜头般自然统一。

定义替换契约（Replacement Contract）

MiniMax H3 角色替换工作流包含两项并行任务：引入新身份，同时保护源视频中所有有价值的信息。用户极少需要全新生成的文生视频（text-to-video）场景；他们通常已拥有需保留的时间节奏、编舞设计、摄像机运动、布光方案、人物互动，甚至音频素材。因此，该任务本质是精准编辑，而非模糊的重新生成。

在加载模型前，先撰写一份替换契约。将“允许变更项”与“不可变项”明确分离：

避免使用“替换那位女性”这类模糊表述（尤其当画面中存在多位女性时）。应写作：“替换从画面左侧入镜、身穿红色外套的表演者”。切勿同时要求“全身替换”又坚持“原服装完全不变”，这会导致服装归属权不明确。契约可在高成本运行前即暴露逻辑矛盾。

本页面聚焦于编辑任务本身。Ref2VA 与 FL2VA 对比指南 更广泛地覆盖模型家族选型；当你仍在犹豫应侧重保留参考角色，还是精确匹配某一终帧时，可参考该指南。

需在多种拍摄距离下评估替换身份的一致性；令人信服的特写镜头，并不能保证广角动作镜头同样稳定。

准备源视频与身份参考素材

使用 H3-Base-Ref2VA 实现由身份图像驱动、并支持编辑源视频的角色替换。MiniMax 将 Ref2VA 文档定义为“全参考（omni-reference）系列”：它支持文本+图像+视频+音频的混合输入；而 FL2VA 则围绕零张、一张或两张终帧图像构建。当前开源规范允许在其标称时长与文件数量限制内，最多上传九张图像、三段视频及三段音频。最大容量不等于推荐配置。

从最小但足以通过验证的证据集起步：一张头肩部身份图像，往往优于多张相互矛盾的肖像照。优先选择光线均匀、发际线清晰、双眼无遮挡、皮肤纹理自然、且拍摄角度接近源视频中最难处理时刻（如侧脸或快速转身）的图像。仅当首轮测试明确揭示缺失信息（例如轮廓形状或全身服饰细节）时，再补充第二视角。

将源视频裁剪为单一有意义的动作片段。一段 5–8 秒、仅含一次摄像机运动的片段，远比包含多次剪辑、遮挡与布光变化的长片更易诊断问题。请确认你拥有该影像的编辑权，以及使用替换形象的合法授权。角色替换可能生成极具说服力的虚假表演；授权许可与知情披露始终是制作环节的强制性要求，而非可选的提示词细节。

生成前，请检查以下五个关键压力点：

1. 替换目标与他人发生交叉或肢体接触；
2. 手部、头发、道具或家具遮挡面部或身体；
3. 表演者从前视转向侧视或背视；
4. 镜头从近景切换至远景；
5. 强光、反光或运动模糊削弱了可用于识别身份的视觉线索。

远距离面部工作流 单独应对第四类问题。切勿要求对仅占数像素的微小面部呈现肖像级细节。

可直接使用的 MiniMax H3 角色替换提示词

MiniMax 官方全参考格式将主体定义、摘要、保留分析、详细回放、声景与音乐分离开来。以下模板将该结构适配为面向单角色替换的实用简明简报。请用您自有授权媒体中的事实信息替换方括号内容；切勿为未实际使用的参考素材添加角色标签。

subject_definitions:
<Subject 1> 是来自 <Picture 1> 的替换表演者：[面部特征、发型、  
年龄范围、身体比例、服饰及身份锚点]。  
<Subject 2> 是 <Video 1> 中的原始表演者，其[位置/动作标识]。  
<Video 1> 是目标视频剪辑的源视频。  
<Audio 1> 是 <Video 1> 的同步音轨，将被复用。

summary:
[视频剪辑 + 参考生成 + 音频复用]  
目标视频是 <Video 1> 的编辑版本。将 <Subject 2> 替换为 <Subject 1>。  
保留原始时间轴、表演节奏、摄像机运动、构图、剪辑点、环境、光照、人物互动及 <Audio 1>。

retention_analysis:
<Subject 1>: attribute_transfer — 身份与已授权服饰全程替代 <Subject 2>。  
<Video 1>: fully_preserved — 时间轴、编舞、摄像机、环境、光照及其他表演者均保持结构不变。  
<Audio 1>: fully_copy — 复用完整同步源音轨。

detailed_description:
目标视频保留源视频的视觉风格与节奏。  
[Shot 1] 描述开场可见构图：替换表演者所处位置、动作、遮挡、接触、摄像机运动及声音。  
[Shot 2] 在 00:00.000 处，仅当源视频存在剪辑时，描述下一段画面。

overall_soundscape:
复用 <Audio 1>，不更改对白时间点、环境音或音效。

non_diegetic_music:
复用 <Audio 1> 中已存在的配乐；不添加新音乐。

关键在于角色职责清晰明确：<Subject 1> 描述可复用的可见身份；<Video 1> 标识源剪辑及其时间结构；<Audio 1> 仅在音轨被有意复用或引用时才存在。若源视频含声音但目标视频需生成全新音频，则不得将该音轨标记为“完全复用”。

对于托管式参考工作流，MiniMax H3 生成器 提供比维护本地图结构与独立检查点族更简易的起点。

将 Ref2VA 作为受控测试运行

锁定提示词、种子策略、时长、宽高比及源文件，建立基线。生成一段短片段。首次审阅时忽略精细度，仅确认目标表演者是否在所有位置完成替换。第二次审阅时，以匹配播放速度并排对比新输出与源视频。仅当源动作仍清晰可辨时，替换才算通过。

MiniMax H3 参考转视频输出，适用于全动态检验

本记录的 MiniMax H3 参考输出说明了为何需同步审查身份、身体运动、摄像机连续性与音频。

使用六项评分卡：

切勿仅凭海报帧批准结果。需以正常速度观看，再逐帧拖拽检视最难处理的遮挡段及恢复至清晰视角的过渡段。参考转视频工作区 在更大目标为测试身份与运动参考（而非构建更复杂剪辑）时尤为适用。

修复身份漂移与源泄漏

若原始表演者在若干帧中重现，请强化目标身份标识，并明确说明替换必须持续覆盖的范围。若新面孔在起始正确但在转身过程中发生漂移，可补充兼容的侧脸参考，或将转身动作拆分为更短的测试片段。若面部保持稳定但原始服饰意外显露，请明确判定服饰归属——属于替换身份，抑或属于需保留的源表演，并仅声明一次该选择。

遮挡失败需提供时间维度证据，而非堆砌更多形容词。请审阅接触前一帧、遮挡最严重帧，以及接触后首帧清晰画面。例如：手从发后穿过，再现时解剖结构须一致；狗穿过夹克时，不可与躯干融合；其他表演者的胳膊不可继承替换身份。

遮挡后帧具有决定性：主体部分被遮蔽后，身份与解剖结构必须干净还原。

当环境发生变化时，请缩小编辑范围。“替换表演者并保留房间”比一次性要求新人物、新地点、新天气与新摄像机更清晰。环境一致性指南 提供了专门用于保护空间关系的独立检查清单。

Dialogue motion sample for identity, lip timing, and source-audio review

此 Seedance 库片段为检验示例，非 MiniMax 基准测试；请用它理解：对话替换必须从身份一致性、口型同步、环境音色及剪辑点等多个维度综合评判。

借助 Seedance Agent 扩展工作流规模

单次替换可手动完成；但一连串替换会迅速演变为协调难题：多个源片段、不同身份视角、服装规范、已批准的拍摄条目、音频权属、模型选型，以及重跑备注，都必须精准绑定至对应镜头。Seedance Agent 可将替换合同转化为项目简报，归档经授权的参考素材，将镜头分发至 MiniMax H3，并暂存计划生成结果以待审批。

首次输出后，仅需记录一条拒收原因，而非请求随机变体。Agent 将保留已通过的片段，仅修订失败镜头，并在下一节奏段中沿用相同的身份与环境锚点。这正是转化价值所在：用户无需另一个通用生成器；他们真正需要的，是在参考选择、生成、审阅与最终成片组装之间减少决策损耗。

多人物镜头需分别确认身份归属与接触关系，以防某一方的替换污染另一演员的表现。

人类审批应设于两个关键关卡：所有消耗积分的生成启动之前，以及替换片段进入最终剪辑之前。Agent 负责协调证据与状态流转；它不会将未经授权的形象擅自转为合规的制作资产。

结论

一套可靠的 MiniMax H3 角色替换工作流，应视其为受控的视频编辑任务：明确定义单一替换目标，分离身份与源表演，选定 Ref2VA，采用最小且兼容的参考集，编写明确的保留规则，并对整段动态画面就覆盖度、身份一致性、肢体接触、环境匹配、音频质量及交付效果进行综合评判。当问题出现时，仅调整单一变量——参考角度、剪辑范围、动作时长或角色定义——同时维持当前有效基线不变。如需高效管理参考素材、审批流程、镜头级重跑及长序列连续性，请以 Seedance Agent 启动项目。