带原生立体声音频的 AI 视频生成器

同时导演画面和声音

MiniMax H3 可以在生成场景画面的同时生成原生立体声音频。声音指令应当服务于画面，建议描述重要声音的来源、距离、强度和出现时机，而不是罗列大量互不相关的音效。

四种常用声音层

1. 环境音： 风声、室内底噪、车辆、雨声、人群或森林昆虫。
2. 动作音效： 脚步、布料、机械、碰撞、开门或水声。
3. 人声： 一句简短对白、低语、广播或背景交谈。
4. 音乐方向： 克制的打击乐、远处弦乐、电子脉冲，或者明确不要音乐。

并不需要同时使用四层声音。两个清楚的声音层通常比拥挤的声轨更容易控制。

示例

安静室内

日出前，面包师打开一间小店，中景固定镜头，暖色实景灯光，轻微冰箱嗡鸣声，纸袋摩擦声，不要音乐。

动作场景

摩托车在潮湿隧道中加速，低机位跟拍，头顶灯光重复掠过，发动机声从左侧移向中央，伴随轮胎水花与深沉隧道混响。

对白时刻

宇航员透过起雾的头盔面罩向外看，面部特写，镜头缓慢推进，无线电静电声，她轻声说“我看见那些灯了”，克制的低频合成器音色。

改善声音指令的方法

• 让每个主要声音都与画面中可见的事物关联。
• 使用“附近、远处、身后、正在接近”等距离描述。
• 短视频中的对白应保持简短。
• 如果希望突出环境与音效，可以明确写“不要音乐”。
• 发布前分别使用耳机和扬声器检查。

不同生成结果的音频仍可能存在差异。未经允许，不要把生成对白冒充真实人物；音乐和人声的使用也需要符合适用权利和平台规则。

MiniMax H3 Video 为独立运营服务，与 MiniMax 不存在隶属或官方背书关系。