MiniMax H3 10Eros V5 Dual-Sampling Hybrid Keyframe-Reference-combination to Video Workflow

Basic Model : MiniMax H3|Published : Sep 23, 2026 14:13

Workflow

ssy

ref-character

ref-environment

first frame

last frame

prompt

integrated_multimodal_description:

A 15-second cinematic surreal live-action dramatic scene with the visual language of Yorgos Lanthimos’s *Poor Things*: eccentric retro-futurist production design, distorted wide-angle spatial perspective, theatrical yet tactile physical sets, whimsical grotesque geometry, Victorian-futurist visual influences, slightly uncanny symmetry, restrained deadpan performance, richly textured practical materials, soft dreamlike illumination, and an unnatural pastel color palette dominated by sickly mint green, dark crimson, cream yellow, silver, translucent blue and pale lavender.

Character rendering is realistic but subtly uncanny. Human anatomy remains physically correct and stable. Facial animation is restrained and readable, relying on natural eye movement, breathing, hesitation, posture changes, hand behavior and small facial tension rather than exaggerated theatrical reactions.

The setting is an impossible retro-futurist dining room belonging to no recognizable historical period. A gigantic oval window reveals a pale lavender sky containing two pale moons. Sickly mint-green walls surround dark-red, cream-yellow and polished-silver furniture. An abnormally enormous circular dining table dominates the room, deliberately making the human figure appear small and isolated.

At the center of the table sits a young woman in an exaggerated sculptural ivory-white dress. Directly in front of her is a single silver plate containing one semi-transparent blue gelatinous object.

The blue gelatinous object is the central narrative prop. Its exterior scale, shape, position and orientation on the silver plate remain identical across all shots unless a piece is visibly removed with the spoon. Its translucent material allows objects inside to appear distorted and partially obscured.

The REAL GIRL is a young woman with consistent facial features, hairstyle, age and body proportions, wearing the same sculptural ivory-white dress throughout. At the beginning she is calm, serious and absorbed in eating. She initially believes the blue object is ordinary food and does not know that an identical miniature version of herself exists inside it.

The MINIATURE GIRL is visually identical to the real girl in face, hairstyle, clothing and proportions, but only several centimeters tall. She exists physically inside the blue gelatinous object with a miniature dining table and chair. She initially repeats the real girl's eating behavior, then becomes aware of the real girl and deliberately approaches the gelatin wall.

The REPLACEMENT GIRL appearing in the final shot is the former miniature girl transformed to normal human scale. She must remain visually identical to the original girl but behave with unnervingly calm certainty.

生成一段15秒、16:9、2K、原生立体声的超现实黑色童话短片。核心概念是“进食者与食物中的复制体发生身份置换”：女孩从平静进食，到发现果冻内部存在一个与自己完全相同的微型女孩，双方隔着果冻表面完成一次指尖与手掌的接触，接触瞬间身份互换，原本的女孩被缩小困入果冻，复制体则取代她继续进食。整体表演克制、冷静，恐惧通过停顿、视线、呼吸和动作变化逐渐累积，最终以复制体若无其事的行为形成反转。
固定人物与场景：年轻女孩始终保持完全一致的面部、发型和乳白色结构主义裙装；微型女孩与真正女孩外貌、发型、服装完全相同，只存在体型尺度差异。餐厅处于一个不存在于任何现实年代的复古未来主义世界，巨大椭圆窗户外是淡紫色天空与两颗苍白月亮，病态薄荷绿色墙面，暗红、奶油黄与银色家具。一张尺寸异常巨大的圆桌位于空间中央，银色盘子始终放在女孩正前方，盘中只有一个半透明蓝色果冻状物体。果冻具有厚实、湿润、透光的胶状材质，内部人物透过蓝色介质时产生轻微折射与模糊，但人体比例始终自然准确。
0–2秒：广角大全景。建立整个餐厅环境，镜头保持明显的广角空间畸变感，巨大建筑、椭圆窗与异常宽阔的圆桌占据绝大部分画面，女孩坐在圆桌中央，在整体构图中只占小比例，强调人物被空间包围的感觉。女孩神情平静而认真，低头看着银盘，用勺子从蓝色果冻边缘挖下一小块，送入口中，缓慢咀嚼；动作细小、自然，没有意识到异常。
2–4秒：硬切女孩第一人称主观视角，近距离俯视银盘的特写，整个画面只包含银色盘子与被挖去一小块的蓝色果冻。镜头沿着刚刚形成的缺口看入果冻内部：深处竟然存在一个与女孩完全相同、身体比例正常但整体被等比例缩小的微型女孩，她坐在一张微型餐桌前，背对镜头。微型女孩此刻同步举起自己的小勺子，将食物送入口中。保持清楚的尺度层级：银盘和果冻属于真实尺度，微型女孩完整地处于果冻内部深处背对镜头。
4–5.5秒：硬切真正女孩正面中景。女孩停止咀嚼，目光固定在果冻上，出现短暂迟疑；她的呼吸轻微停顿，随后缓慢重新举起勺子，模仿刚才微型女孩的动作。此镜头从外部观看果冻，蓝色果冻保持厚实完整的主体体积和半透明胶状质感，微型女孩只作为内部模糊的小型人影隐约可见，不透视展示内部细节。真正女孩的注意力始终落在果冻上。
5.5–7秒：再次硬切女孩第一人称主观视角，特写，银盘与蓝色果冻，近距离特写。通过果冻可见内部微型女孩仍坐在微型餐桌旁，背对镜头，只看得到背影，她原本正在进食，却突然完全停止动作。停顿约半秒后，她抬头，转动头部，最终扭头正面对准镜头。动作极安静，与前面的机械同步形成明显断裂。
7–8秒：迅速硬切真正女孩坐在餐厅里餐桌前的正面中近景。女孩明显愣住，眼睛轻微睁大，呼吸骤停，握着勺子的手悬在半空，身体本能地向后缩动极小距离。惊恐第一次真正出现，同时混杂困惑；表演保持真实克制，以眼神、呼吸和僵住的手部动作传达反应。
8–10秒：切回银盘与蓝色果冻的第一人称视角特写。微型女孩从微型椅子上站起来，身体保持完整、自然的人体比例，她离开微型餐桌，一步一步向果冻靠近镜头这一侧的内壁走来。她逐渐靠近，但始终保持完整比例。她最终停在透明内壁后方，抬起一只正常比例的手，将手掌平贴在果冻内壁上，安静地隔着蓝色介质凝视镜头。注意微型女孩身体比例合理，细节符合逻辑。
10–12秒：硬切侧面中近景，固定镜头，摄像机侧拍，这是清楚展示两个女孩产生联系的关键镜头。侧拍真正女孩坐在椅子上保持坐姿，身体缓慢从腰部向桌子方向俯身；桌上的银盘和盘中的蓝色果冻与她同时清晰入镜，与真正的女孩在画面中左右相对；真正女孩视线始终锁定果冻，迟疑地伸出一根食指靠近表面，手指停顿在果冻表面静止；同一镜头画面中，果冻内部的微型女孩保持完整微型身体站在内壁后方，一只正常比例的小手掌贴着内壁，同样静止。真正女孩的指尖最终轻轻触碰果冻外表面，与内部微型女孩掌心的位置重合接触。侧拍画面中两个女孩分别处于画面左、右；注意桌上盘子和果冻大小符合逻辑。
12–13.5秒：切镜头，果冻内部视角的近距离特写。原本真正的女孩已经被完整等比例缩小成微缩女孩尺寸并困在蓝色果冻内部，仍穿着完全相同的乳白色裙装；镜头与她保持合理距离，可以清楚看到完整头部、上半身、双臂以及部分下半身，双手尺寸始终与身体比例一致。她终于彻底失去此前的克制，惊恐地连续用双手拍打面前的透明胶状内壁，左右手交替撞击表面，身体随每次撞击产生真实的肩部和躯干反作用，果冻表面出现轻微弹性震颤与波纹。她的手掌始终只占身体尺度中正常的比例，镜头不贴近手掌，而是以被困女孩整体为视觉中心。
13.5–15.5秒：迅速硬切餐厅正面中景。身份置换已经完成：刚才果冻内部的复制体现在成为正常大小的“女孩”，保持坐在原来的椅子上。她拥有与原女孩完全相同的脸、发型与乳白色服装，却恢复最初那种异常平静的神情。她先若无其事地低下眼睛，用一只手轻轻整理自己的乳白色衣领，手离开衣领后自然落下；随后另一只手拿起勺子，从蓝色果冻边缘缓慢挖下一小块。果冻内部可以隐约看见被困的微型原女孩（背对镜头）。复制体平静地看着勺子中的果冻，嘴角没有夸张笑容，只保留令人不安的冷静。拉镜头，镜头从中景快速而平稳地向后拉开，最后约0.5秒重新形成广角大全景：巨大餐厅再次压迫人物，正常大小的复制体仍安静坐在巨大圆桌中央，银盘和装着原女孩的蓝色果冻留在她面前，随后切黑场结束。
摄影保持复古未来主义电影质感，使用极端广角建立镜头、克制的正面构图、主观果冻特写与侧面关系镜头形成尺度变化；所有切镜由“发现—模仿—对视—靠近—接触—交换—进食”的信息变化驱动。保持餐桌、椅子、银盘、果冻的位置和空间轴线跨镜头一致，主观镜头均来自女孩坐姿时的真实视线高度。女孩在前半段的情绪发展保持“平静→迟疑→确认→惊恐”，复制体则始终保持近乎机械的安静。画面具有复古胶片颗粒、柔和但略病态的综合色彩、奶油质感布料、冷银金属反光与高透蓝色胶状材质；淡紫天空、薄荷绿墙面、暗红家具与乳白裙装形成怪诞而精致的综合色彩体系。
声音使用完整原生立体声环境设计：开场保持空旷餐厅极轻的室内混响、金属勺接触银盘的细小清脆声、果冻被切开的湿润弹性声和女孩极轻的咀嚼声；发现微型女孩后逐渐加入几乎不可察觉的低频持续音。微型女孩走近时加入细小脚步与果冻内部闷化的空间声；10–12秒随着真正女孩靠近，呼吸声逐渐清晰；指尖接触瞬间出现短促低频冲击并在黑屏时瞬间抽空环境声；12秒-13.5秒被困女孩拍打果冻产生连续、闷钝而富有弹性的撞击声；最后复制体整理衣领时只有细微布料摩擦，勺子再次切入果冻时重现开场的湿润切割声，以声音首尾呼应完成身份置换，最终画面明确停留在复制体坐着继续进食、原女孩完整缩小并被困在果冻内部的结果上。
注意果冻中微缩女孩的身体比例结构保持正确正常合理，不要出现比例结构失调。空间场景调度合理符合逻辑.一共9个镜头，不要自行增加或减少，完全按照9个镜头描述生成。

duration

aspect_ratio

Instructions

Uses 10Eros Max h3 hybrid beta5 with MiniMax H3 as the core generation setup, combining a high/low dual-sampling architecture, hybrid keyframe reference guidance, and multiple specialized LoRAs to enhance visual detail, motion quality, and overall consistency. The workflow supports flexible reference-driven video generation with controlled character, scene, and motion development, making it suitable for cinematic sequences, character performances, dynamic action, and stylized video creation. A 16-second high-quality video can be generated in approximately 8 minutes at a cost of around $0.47.

MiniMax H3 10Eros V5 Dual-Sampling Hybrid Keyframe-Reference-combination to Video Workflow. Uses 10Eros Max h3 hybrid beta5 with MiniMax H3 as the core generation setup, combining…

Gallery

No creation yet