单图动画、首尾帧与多参考视频：三种工作流怎么选？

只有一张图片，先用单图动画；必须落到指定结尾，选首尾帧，并准备相容的起点；需要同一个角色出现在不同镜头，用经过整理的多参考素材，再检查连续性。 选择依据是最需要保护的创作要求，而不是能够上传多少个文件。

这三种方式代表不同的输入约束，并不是从低到高的画质等级。一张图片可以定义起始构图、结尾目标，也可以只提供人物身份参考；这三种职责不能混用。参考素材只有在用途明确、模型支持的情况下才有帮助。

本文于 2026 年 11 月 9 日核对官网公开页面与一手文档。提示词、操作顺序和验收方法属于编辑建议，不是实测成功率。文中六张配图均为解释工作流的信息科技草图，不是视频模型生成效果的证明。

目录

• 先按不能丢失的要求选择
• 单图动画从清晰的起始画面向后发展
• 首尾帧让结尾成为可以到达的目标
• 多参考视频定义跨镜头的角色身份
• 素材准备避免参考之间互相打架
• 把三种工作流组合成短片
• 验收结果并控制重试成本
• 常见问题
• 一手资料

先按不能丢失的要求选择

现有素材与核心需求	优先选择	主要控制目标	仍然需要检查
只有一张人像、插画或产品图，希望稍微动起来	单图动画	起始外观与构图	全片身份、轮廓和运动是否稳定
已有开场图和必须使用的结尾图	首尾帧	起点与终点两幅构图	中间路径是否连贯，最后是否真正到位
同一个人或产品需要进入多个新场景	多参考视频	重复出现的外观与素材职责	各镜头及剪辑点是否保持一致
只有已经确认的结尾图	先补相容的开场，或使用明确支持的仅尾帧模式	结尾目标	当前模型和接入渠道是否提供该模式
人物系列广告还要收在指定产品画面	拆分镜头，组合使用	角色身份与指定结尾	分别生成的片段能否顺畅衔接

先回答三个问题：开头必须长什么样？结尾必须长什么样？中间什么东西不能变？ 只有开头固定，一张图常常已经足够；两端构图都已确定，才值得引入首尾帧；场景变化、人物不变，则应该关注身份参考。

还要区分网站与模型。根据本站的关于页面，pikah3flex.com 是独立平台，并非 Pika 官方服务。当前公开工作流页面也说明，这里尚未提供 Pika H3 Flex 模型本身。开始前，应核对实际选中的模型、模式和支持的输入类型，不能把网站名称直接当成底层模型名称。

单图动画从清晰的起始画面向后发展

单图动画通常也叫图片转视频，即把一张静态图片作为运动的视觉起点。适合的任务包括：让人像眨眼、让产品表面出现移动反光、让风景里的薄雾缓慢漂移，或者让插画中的环境产生轻微变化。

原图已经提供了外观、构图和光线，提示词更应该补充随时间发生的变化。如果图片里是青绿色夹克，文字却要求红色大衣，就把本来明确的输入变成了互相冲突的指令。先保住原图，再增加必要动作，往往更容易定位问题。

先只安排一个动作和一个镜头决定

打开图片转视频入口，上传清晰图片，选择兼容模型，检查支持的输出设置。第一次尝试建议只有一个温和动作，再配固定机位或一次缓慢运镜。

产品图可以从下面这段创作指令开始修改：

以上传的台灯图片作为起始构图。台灯保持直立，位置和结构不变。一道柔和反光缓慢掠过灯罩，光束中有少量浮尘移动。固定镜头、稳定曝光、单个连续镜头。保留台灯轮廓与材质，不新增物体或文字。

人像可以改成一次眨眼、轻微呼吸和一个小幅表情。初次测试不宜同时要求转头、走路、换衣服和摄像机绕行，否则失败后很难判断是哪一项引起漂移。

这仍然不代表逐像素保留。模型要推断原图看不到的表面：让摄像机绕正面产品图大幅旋转，相当于要求它补出背面结构；轻微推近需要推断的未知信息较少。背部或侧面细节关系到交付时，应减少露出角度，或者补充兼容的参考素材。

什么情况下应该换工作流？ 当指定结尾不能妥协，或者多个新场景必须出现同一个角色、并且视角差别较大时，单个起始画面没有独立表达这些要求。此时增加一大段文字，未必比选择正确的输入方式有效。

首尾帧让结尾成为可以到达的目标

首尾帧生成提供两个时间锚点：视频从哪里开始，以及应该在哪里结束。它适合受控揭幕、姿态变化、产品在两个确认位置之间移动，或两个分镜构图之间的过渡。

MiniMax 的基础视频提示词指南分别定义首帧、首尾帧和仅尾帧任务，并要求首尾帧任务描述连接两幅画面的连续路径。这也说明，普通上传区里的两张参考图，并不会自动获得时间线端点的含义。

先确认两个画面之间存在合理动作

上传前，对照主体身份、画幅、背景、物体大小、光照和摄像机角度。无意改变的因素越少，动作要求就越清楚。

例如，同一盏台灯在首帧向下折叠，在尾帧抬起，通过转轴运动连接就比较合理。如果尾帧还把台灯换成蓝色、更换桌子，并把白天改为夜晚，模型就需要同时解释多种变化。可以先简化两端差异，或者明确把它设计成变形转场，而不是要求普通的自然抬升。

当所选模型支持时，可以使用本站的首尾帧模式入口。将两张图片分别放入对应的起始和结束槽位，并确认模式没有切回普通参考生成。运动指令可以这样写：

从首帧中台灯向下折叠的姿态开始。单个连续镜头里，转轴逐渐打开，灯罩缓慢升到尾帧指定的位置。底座始终固定，摄像机与光照保持不变。最终落到尾帧构图；如果所选时长允许，结尾短暂停稳。

实际上传和引用方式以界面为准。本文的自然语言示例是创作简报，不是适用于所有模型的 API 请求格式，也不能替代模型专用的提示词规范。

只有结尾图时怎么办

先准备一张与结尾保持同一人物、产品、场景及画幅关系的开场图。可以通过图像编辑推导起始姿态，审核确认后再进入视频生成。另一条路线是仅尾帧生成，但前提是所选模型与当前接入渠道明确提供该功能。

不要因为模型文档有仅尾帧能力，就推断任何网站接入都能调用。也不要只在文字里写“最后变成这张图”，就当成已经绑定尾帧。时间端点应通过对应模式和素材职责表达。

相同首尾图可以作为循环视频的设计条件，但并不保证无缝循环。接缝还受运动方向、速度、光照和背景元素影响。应把结尾与开头连接播放，检查是否出现顿挫、跳光或位置突变。

多参考视频定义跨镜头的角色身份

多参考视频利用一组素材，引导重复出现的外观、环境、风格或动作。和首帧不同，角色参考图不必原样出现在成片里；它可以只回答“这个人是谁”，由提示词决定人物在新镜头中的构图和动作。

本站的多参考视频工作流根据所选模型支持不同参考材料，公开说明也明确提示，人物和产品细节仍可能变化。多张图片、视频参考与音频参考是不同能力，需要分别确认，不能因为页面叫“多模态”就默认全部可用。

用少量素材定义明确职责

需要反复出现的人物，可以从清晰正面或四分之三侧面肖像开始，再加一张同一人物的互补视角。如果服装或身材比例重要，再加入全身图。这只是素材准备建议，不代表任何模型都允许相同数量的输入。

参考组中的服装、发型、年龄观感与标志性配饰应保持一致。环境图只有在提供必要信息时才加入；如果场景图里还有另一个人，就可能给身份选择增加歧义。

先交代每张图片的用途，再写镜头：

参考 A 定义女性的面孔、深色短发和青绿色夹克。参考 B 展示同一人物与同一套服装的另一视角。参考 C 仅提供工作室的窗边光线与空间布局。中景中，女性走到桌边，放下一本笔记本，然后停下。保持脸部结构、发型与服装可辨认。固定机位，单个连续动作。

把 A、B、C 换成所选界面实际支持的引用标记。MiniMax 的全参考模式指南区分主体定义、保留关系与镜头描述；对日常创作来说，这支持一个实用做法：每份素材先分工，再让它进入镜头。

素材越多不代表越稳。如果肖像、侧脸和服装展示图分别是不同的人，模型可能混合身份。优先删掉矛盾素材，通常比继续堆图更能明确“到底应该保留谁”。同样，同一人物不同年龄、不同妆容的图片也需要先筛选。

多镜头故事应先确认一个干净的身份基准，再增加复杂动作。每段视频都比较开始、中间和结尾的人物，尤其关注转身、遮挡、手部接触之后的面孔变化。首帧看起来像，并不能证明整段角色都一致。

素材准备避免参考之间互相打架

把素材准备当成一次简短的编辑审核，可以减少许多无法通过提示词补救的问题：

1. 先确定交付画幅。 首尾图按同一目标画幅准备，确认界面采用裁切、补边还是缩放。不要等视频生成后才发现重要物体在竖屏中被切掉。
2. 保留有用细节。 面部要可辨认，产品重要边缘要完整。尽量不用带操作界面、严重压缩或包含多个竞争主体的截图。
3. 删除矛盾信息。 对齐服装、产品版本、标签和光照；如果确实需要变化，就把它写成明确的创作目标。
4. 给素材标注用途。 在镜头计划里写清“人物身份”“环境”“首帧”或“尾帧”，避免把一张风格参考误当成时间端点。
5. 核对上传限制与素材权利。 查看当前模型允许的文件格式、大小、数量及参考时长，使用有权处理与发布的材料。

如果使用视频参考，应说明需要借鉴的是动作、构图还是氛围。参考片里出现另一位演员，不应无意中变成人物身份来源。如果模型支持音频参考，也应把它的用途与视觉素材分开交代，而不是用一段模糊指令统管全部输入。

品牌标志和必须准确呈现的文案，适合在后期合成已确认的图形素材，再检查跟踪与摆放位置。增加图片像素，不能直接保证模型把每个小字都生成正确。产品广告尤其要把“看起来相似”和“可以准确对外展示”分开验收。

把三种工作流组合成短片

假设要制作一支女性角色与台灯共同出现的短广告，可以拆成三个交付镜头，不必让一次生成承担所有要求：

镜头	必须完成的任务	建议工作流	放行条件
产品开场	保留已确认的产品图	单图动画	外形、颜色与标签位置正确
人物互动	让同一位女性与产品互动	多参考视频	面孔、夹克、比例和手部接触合理
收尾揭幕	落到确认过的台灯姿态	首尾帧	动作合理，结尾构图到位

先生成各镜头最简单的版本，粗剪确认节奏，再增加更复杂的运动。相邻镜头应对齐屏幕运动方向、物体位置、光线和人物视线。一个单独观看很漂亮的片段，也可能因为接不上前后镜头而无法使用。

如果下一段要以上一段的最后一帧开场，应先检查那一帧。把已经变形的面孔传入下一次生成，相当于把错误升级成新的输入条件。连续性开始下降时，回到经过确认的角色参考，通常比无休止地沿用上一段截图更可控。

这套拆分思路也便于返工：产品开场合格、人物互动失败，就只重做互动镜头；不必为了修一张脸，把已经确认的开场与结尾一起推翻。拆镜头的依据是独立的验收目标，而不是为了增加不必要的制作步骤。

第一次生成前写一张验收卡

每个镜头记录素材职责、必须完成的动作、允许的运镜，以及不能改变的细节。台灯特写可以写成：“保留珊瑚色灯罩、同一转轴、底座不动、文字不变，只出现一次缓慢扫光。”人物互动则检查确认过的面孔与夹克、笔记本是否保持实体，以及它与桌面的接触是否可信。

把这些要求与“色调再暖一点”“背景再虚一点”等偏好分开。候选片段只要破坏产品关键结构，即使灯光漂亮也应返工；如果全部硬性条件已经满足，就可以进入剪辑，不必仅为追逐另一种氛围再生成一轮。

验收卡也方便其他人提供具体反馈。将它和选定素材、结果放在一起，后续修改就能从已确认的决定出发，避免重新解释整个创意。

验收结果并控制重试成本

先检查是否满足简报，再评价是否漂亮。对所有候选片段采用相同标准，避免被偶然出现的漂亮画面分散注意力：

发现的问题	优先尝试的修改	验收标准
人物转身时换脸	减少旋转；模型支持时补一致的互补视角	转身前后面部结构与发型一致
硬变形后突然跳到尾帧	缩小首尾差异，或选择更合适的受支持时长	中间姿态合理，最后数帧自然到位
多个人物身份混合	删除矛盾或不必要的参考	全片可以辨认出同一个人
产品扭曲或标签改变	减少运动；关键文字留给后期	逐帧比较轮廓与重要细节
单镜头好看，剪在一起不通顺	对齐构图、视线和运动方向	连续播放时动作与空间关系成立

另外检查肢体、接触、阴影、反射、多余物体和声音。端点相似、角色稳定、运动自然是三个不同的验收维度：结尾到位不代表中间没变形，人物稳定也不代表手能正确拿起产品。

每次重试只改一个变量，并保存模型、提示词、参考组和输出设置。这样才能知道是减少运镜有帮助，还是换了一张素材后情况改善。不要把同时改动多个条件后的结果，当成某一个因素的可靠证明。

预算可以使用这个口径：

每条可用片段的成本 =（生成支出 + 素材准备 + 剪辑与审核投入）÷ 通过验收的片段数。

提交前核对当前报价与订阅或积分包说明。现金与 Credits 建议分列，除非明确写出换算依据。先设一个小规模试错额度；如果连续几次都出现同一问题，就应修改素材或工作流，而不是重复提交完全相同的请求。

常见问题

只有一张图能保持同一个角色吗？

对动作温和的单镜头，一张清晰图片可以提供有效的身份锚点。新视角和新场景会暴露原图没有的信息。模型支持时，可以加入一致的互补参考，但仍需逐段检查，不能把上传成功当作身份锁定成功。

上传两张参考图就等于首尾帧吗？

不等于。参考图可以描述身份或风格，并不一定对应时间位置；首尾槽位才明确把图片绑定到开头和结尾。应该显式选择模式和素材职责，不能仅凭文件数量判断。

视频参考会完全复制原来的动作吗？

不应默认如此。先确认模型支持什么，以及界面如何使用参考片。明确要求借鉴某个动作或构图，再按这个有限目标比较结果，不要把“可以上传视频”理解为精确动作迁移。

第一次应该先尝试哪一种？

使用能够表达最难要求的最简单输入：小幅动画先用一张起始图；指定结尾用相容的首尾图；重复人物用经过筛选的参考组。只有确实缺少某项控制时，才增加素材和流程复杂度。

一手资料

• MiniMax H3 基础视频提示词指南：区分任务类型与画面时间对齐方式。
• MiniMax H3 全参考模式指南：说明参考素材职责与逐镜头描述。

上述文档及正文链接的产品页面核对于 2026 年 11 月 9 日。模型文档描述其对应接入方式的能力，当前平台集成决定本次会话实际能使用哪些控件。