如何选择视频模型

视频生成需要同时安排画面内容、连续动作、镜头移动，以及声音是否与画面一起生成。不同模型接受的起始素材和擅长的成片形式各不相同：Wan 2.2 主要处理人物动作和画面变化，MiniMax H3 还能把对白、环境声与配乐一起生成。明确想从文字、图片还是多份参考素材开始，再选择模型，会更容易得到符合目标的短片。

按创作目标选择模型

想完成的内容	建议入口	需要准备的素材
根据文字生成一段画面	Wan 2.2 文生视频	一段包含主体、动作、场景和镜头的提示词
用较小的模型完成文生或图生视频	Wan 2.2 5B 轻量	提示词；图生视频再准备一张起始画面
让现有图片中的人物或场景动起来	Wan 2.2 图生视频	一张起始画面，以及动作和镜头描述
同时生成对白、环境声和配乐	MiniMax H3 音视频	提示词，可选起始画面和结束画面
从首帧自然过渡到尾帧	MiniMax H3 音视频	起始画面、结束画面和过渡过程描述
参考多张图片、视频动作或音频风格	MiniMax H3 参考生成	图片、视频或音频，并说明每份素材负责什么

选择 Wan 2.2

Wan 2.2 适合短镜头、角色动作、镜头运动和场景变化，成片以画面为主。

• Wan 2.2 图生视频：起始画面决定人物、服装和构图，提示词主要写动作、速度与镜头。
• Wan 2.2 文生视频：画面完全来自提示词，需要写清主体外观、场景、动作、光线和镜头。
• Wan 2.2 5B 轻量：在同一入口切换文生视频和图生视频，适合使用更少的运行资源完成短片段。

14B 提供 快速和 标准两种速度。快速适合比较动作和镜头，标准会用更多采样步骤完善细节。完整设置见 Wan 2.2。

选择 MiniMax H3

MiniMax H3 适合声音与画面需要同步发生的内容，例如人物说话、脚步与环境声、动作音效和画外配乐。

• MiniMax H3 音视频：可以直接文生，也可以添加起始画面；再添加结束画面时，会生成首尾帧之间的连续变化。
• MiniMax H3 参考生成：可以混合多张图片、视频和音频，让不同素材分别提供人物外观、场景、运动、镜头或声音风格。

H3 的提示词包含画面时间线和声音说明。页面中的 AI 提示词可以把普通描述整理成所需格式，手动编写方法见 MiniMax H3。

设置分辨率和时长

视频的分辨率和时长会同时影响等待时间和显存占用。首次使用某个入口时，可以从较短时长开始：Wan 2.2 选择 480p，MiniMax H3 使用默认尺寸。动作和镜头符合预期后，再提高分辨率或延长时长。

出现显存不足时，优先缩短时长，再降低分辨率，并让队列中一次只运行一个视频任务。Wan 2.2 5B 轻量通常更适合资源较少的设备；需要 14B 或 H3 的完整效果时，可以为模型加载和长片段预留更多显存与系统内存。

编写视频提示词

文生视频需要写清完整画面：

主体与外观 → 场景 → 连续动作 → 动作速度 → 镜头运动 → 光线变化

图生视频已经由起始画面确定人物与构图，提示词可以集中在变化过程：

主体怎样动 → 动作有多快 → 镜头怎样移动 → 环境怎样变化

一段短片围绕一个主要动作展开，通常更连贯。需要两个动作时，写清先后关系；需要镜头跟随主体时，同时说明镜头方向和速度。更多示例见提示词与工具。

生成完成后，可以点击右上角 队列 / 历史查看任务、预览视频并下载结果。具体操作见队列、历史与运行方式。