AI 短剧制作指南：用 H3 生成竖屏短剧钩子

竖屏短剧是当下视频行业最离奇的成功故事：一分钟一集、狗血肥皂剧情，而 ReelShort 这类平台把它做成了一个十亿美元级的品类。这个业态的全部经济学都吊在一个单元上——钩子。前 15 秒决定刷屏的观众会不会留下看第一集、看广告的人会不会点进 App。短剧厂 A/B 测试钩子的劲头，跟电商团队测封面图一模一样。

这正是 AI 进场有意思的地方。钩子短、靠对白驱动、还需要同样两张脸的多次切镜——历史上这是 AI 视频最糟糕的命题，因为拼接片段正是角色漂移、口型崩坏的地方。MiniMax H3 改变了问题的形状：它一次生成就是一个多切镜场景——镜头切换、一致的角色、带口型的台词，全部装在一次 4–15 秒的生成里。不用拼接，因为根本没有可拼的东西。

我们运营着 Pixo，一个多模型视频平台，H3 已上线其中的 Playground。下面是钩子的打法手册。

15 秒钩子的解剖图

每个成功的竖屏短剧钩子都在压缩同样四个节拍：

照着这四个节拍写提示词，你就不是在让模型即兴编剧——你是在递给它一张镜头清单。

为什么 H3 适合这个业态

一次生成多切镜。 H3 在单次生成内原生处理镜头切换——远景切特写、过肩切反应镜头——服装、光线和脸在每次切换间保持不变。钩子的语法就是切镜；从一次生成里拿到它们、而不是从剪辑时间线上，是一个下午和一条流水线的差别。

参考锁定的主角。 每位主角上传一张照片——图片1 是她、图片2 是他——脸就会在整场戏里锚定在你的参考上。狗血剧全靠脸撑；这就是这个题材一直在等的功能。（H3 的手册直接演示了这个业态：官方案例里就有一条 9:16 吸血鬼爱情短剧预告，用的正是这种双主角参考配置。）

掷地有声的对白。 台词逐字写出，它就会带着口型被说出来，与画面同一次生成。竖屏短剧靠的是说出口的台词——『你从来就不是继承人。』——不是无声画面上的字幕。

天生竖屏。 9:16 在 Pixo 上是原生画幅，768p 或 2K 生成——为手机画框构图，不是裁出来的。

工作流

1. 用两张照片选角。 每位主角一张清晰的脸部参考（单个 ≤30MB）。按顺序上传，它们在提示词里就是图片1 和图片2。
2. 把四个节拍写成切镜。 每次切镜都点名景别和主体——『切特写：她的手』——手册自己的建议就是逐镜头写镜头看得见的东西。
3. 写出每一句台词。 逐字、加引号、注明谁说的。15 秒里两三句就足够。
4. 按 9:16 生成。 打磨节拍时用 768p 出草稿，最终交付版用 2K。
5. 像测广告素材一样测钩子。 同样的主角，不同的揭示——每个变体就是一次生成，让点击率数据替你挑故事。

三条即拷即用的钩子提示词

1. 那份合同（现代豪门恋）

该案例的参考文件

同一写法的官方手册案例

图片1 锁定女主的脸。图片2 锁定男主的脸。
9:16 竖屏短剧场景，夜晚的豪华现代顶层公寓，电影感主光。
切镜1，中景：她在玻璃桌前签署一份文件，双手微微颤抖。
切镜2，过肩：他站在落地窗前注视，神情难以捉摸。
切镜3，她的特写：她抬起头说：“现在，你想要的都有了。”
切镜4，他的特写：一个缓慢的半笑。他说：“还没有。暂时而已。”
定格在他的眼神上。对白下铺安静的紧张弦乐，窗外城市底噪。

*为什么有效：*四个切镜、四个节拍，悬崖落在一句说出口的台词上。每次切镜都点名了景别，这正是让 H3 的剪辑节奏不脱稿的关键。

2. 那次揭示（吸血鬼哥特风，手册的主场题材）

该案例的参考文件

本提示词改编自的官方手册案例

图片1 锁定女主的脸。图片2 锁定男主的脸。
9:16 竖屏哥特浪漫风，烛光照亮的庄园走廊，浓重阴影，月光透过高窗。
切镜1，远景：她沿走廊缓缓后退，烛台光影摇曳。
切镜2，特写：他的脸一半沉在阴影里。他轻声说：“你不该跟来的。”
切镜3，插入镜头：他的手撑在她头侧的墙上。
切镜4，她眼睛的大特写，映着烛光。她低声说：“我知道你是什么。”
最后一个字上硬切黑场。全程只有风声和烛火摇曳声；没有音乐。

*为什么有效：*这正是手册那条 9:16 吸血鬼短剧案例的调门——两位锁定的主角、逐级收紧的景别、一句耳语的悬崖——而台词说完瞬间的切黑，是这个题材最可靠的点击扳机。

3. 那次翻盘（古装武侠权谋）

该案例的参考文件

本提示词改编自的官方手册案例

图片1 锁定女主的脸。图片2 锁定男主的脸。
9:16 竖屏场景，夜晚薄雾竹林，冷月光，电影级武侠质感。
切镜1，远景：两个披斗篷的身影在窄道相遇，灯笼摇晃。
切镜2，中景：她递给他一封小小的火漆密信。她说：“阅后即焚。”
切镜3，特写：他却当场拆开封蜡，目光抬起迎上她的眼睛。
切镜4，反应特写：她的镇定裂开一瞬。
在任何人再开口之前、一次呼吸的中途收尾。夜虫声，风穿竹林，衣料窸窣。

*为什么有效：*手册的武侠案例证明了模型能在切镜之间稳住古装、薄雾和夜景光；这里的戏剧张力由道具和反应镜头承载，就算日后本地化台词也不会垮。

钩子之后：把剧集做出来

诚实的边界在这里：钩子是一次生成；一部剧是一次制作。当钩子跑出了转化、你需要第一集——六场戏、固定卡司、持续存在的场景——你就超出了单镜头生成的射程，而这正是 Pixo 分镜工作流的用武之地：Agent 把你的故事梗概变成剧本和逐镜头分镜，共享角色素材让卡司跨场景保持一致，每个镜头再交给最合适的模型渲染——Seedance 2.0、Kling 3.0、Veo 3.1。钩子在 Playground，剧集在分镜：同一个平台，两条车道。

延伸阅读：想做横屏、电影节风格的叙事作品，看 AI 短片指南——那是另一门手艺、另一种节奏；本文是竖屏的商业赛道。想更宽泛地把故事变成视频，看 AI 故事视频；想围绕这个业态搭建频道经济，看用 AI 视频赚钱。

常见问题

AI 能生成短剧吗？

AI 现在能生成短剧里商业价值最高的那部分：钩子。MiniMax H3 一次生成就能产出 4–15 秒的竖屏场景——多个切镜、一致的角色、带口型同步的对白——这正是每部 ReelShort 式短剧开头的那个单元。

怎么让演员在各个镜头里保持同一张脸？

用参考图锁定。为每位主角上传一张照片——图片1 是她、图片2 是他——并在提示词中引用。H3 会把脸锚定在你上传的参考上，主角在这次生成的每个切镜里都保持自己。

对白有口型同步吗？

有。把每句台词逐字写进提示词，H3 会随画面一起生成声音，口型与台词匹配。狗血剧靠的是掷地有声的台词，所以要写成剧本对白，不要写成剧情概括。

短剧钩子该做多长、什么画幅？

9:16 竖屏，15 秒以内。这是刷屏观众决定去留的窗口期，也恰好匹配 H3 的 4–15 秒生成区间——一次生成，一个钩子。

能用这种方式做一整集吗？

钩子是一次生成；一集是一次完整制作。做多场景剧集，用 Pixo 的分镜工作流：它把你的故事梗概变成剧本和逐镜头分镜，用共享素材保持角色一致，再逐镜头调用 Seedance 2.0、Kling 3.0、Veo 3.1 等模型渲染。

怎么试用？

MiniMax H3 已上线 Pixo 的 Playground——生成 4–15 秒、768p 或 2K 的竖屏场景，导出无水印。新用户注册即得 200 免费积分，套餐折扣目前最高达 55%。

---

MiniMax H3 现已上线 Pixo 的 Playground——生成 4–15 秒、768p 或 2K 的竖屏场景，主角由参考照片锁定。立即注册——新用户注册即得 200 免费积分，套餐折扣目前最高达 55%。