好文集ChatGPT Plus¥119

这次可以把重点从“做了一支古风舞”提升到 H3 舞蹈提示词的一个可复用案例:核心经验不是堆更多负面词

这次可以把重点从“做了一支古风舞”提升到 H3 舞蹈提示词的一个可复用案例:核心经验不是堆更多负面词,而是让人物动作、音乐节拍、歌词情绪和镜头转场形成连续的物理逻辑。下面整理成适合发 X 的介绍文章,末尾附完整案例提示词入口。

嵌入推文(联网查看)

这次做了一支 87.667 秒、149.5 BPM 的古风舞蹈 MV,使用 MiniMax H3,输入只有:

<Picture 1>:人物 + 场景唯一视觉锁定 <Audio 1>:完整音乐与节奏驱动

一共 7 段,每段约 11–14 秒。

这次最大的收获,不是“怎么写得更性感”,而是终于把舞蹈、歌词、镜头和段间转场放进了同一套逻辑里。

1|舞蹈不能被歌词牵着走

最容易出现的问题,是:

歌词说“面纱”→ 就做摘面纱 歌词说“跪疤”→ 就摸膝盖 歌词说“故人来”→ 就突然回头 歌词说“公子,是你吗”→ 整段变成演戏

这样做虽然“符合歌词”,但最后生成的往往不是舞蹈,而是古装哑剧。

这次改成:

音乐先决定舞蹈 phrase,歌词只改变动作质地。

比如“跪疤”不直接表演伤痕,而是让身体的重心降低、膝部承重增加,但胯部依然保持舞蹈律动。

观众听到歌词以后,才会自己理解这层含义。

2|性感的核心必须落在身体机制

这次最后确定的核心不是“摆性感 Pose”,而是:

脚步 → 重心 → 骨盆 → 腰 → 躯干 → 肩 → 手 → 袖

其中第三段尤其重要。

参考了一段“遮面—低位—扭胯—扶髋—起身”的舞蹈结构后,把它改造成:

Side Lunge-Plié + 连续扭胯 + 骨盆 Figure-8 + 腰部延迟跟随

而且要求:

双手完全挡住脸。

脸被遮住以后,视觉重点反而落在下半身连续的节奏变化上。

这比单纯写“seductive dance”有效得多。

3|动作不能按 0.4 秒一拍机械换姿势

149.5 BPM 意味着一拍只有约 0.4013 秒。

如果写成:

一拍右胯 一拍左胯 一拍抬手 一拍转头

很容易产生明显的 AI 拼动作感。

这次采用的是:

一个 3.2107 秒 phrase = 一个完整身体动作句。

内部才使用多个 beat accent。

也就是:

准备 → 发力 → 连续 → 强拍 → 回收 → 下一 phrase

这样速度很快,但舞蹈仍然像一个完整动作。

4|段间转场必须是身体运动本身

7 段不是 7 个独立视频。

设计成:

旋身 → 袖扫 → 遮镜 遮镜 → 面纱/双手 → 低位扭胯 扭胯 → 下沉 → 膝部 低位 → 起身 → 手部 手部 → 转向 → 眼神 眼神 → 情绪短暂中断 → 重新启动 重新启动 → 腰部旋转 → 最终释放

也就是说:

上一段的结束动作,就是下一段的开始动作。

这样连续拼接后,才像一支完整 MV。

5|每段开始使用局部特写,但局部必须有“功能”

不是随机拍性感身体部位。

而是让局部特写对应这一段真正的动作发动点:

01 腿 / 重心 02 手腕 / 袖 03 双手遮脸 / 胯部 04 膝部 / 低位 05 手 / 伸展与回收 06 眼睛 / 识别 07 腰部 / 最终释放

这样镜头变化本身也成为编舞的一部分。

6|歌词反差,最终要进入身体

这首词真正有价值的不是“古风”两个字,而是它一直存在的反差:

风华 vs 低眉 仙子 vs 随侍 遮掩 vs 暴露 华美 vs 屈辱 伸展 vs 被拉回 故人出现 vs 情绪失控 最后无歌词后的自由释放

所以最终 7 段的动作弧线是:

冷艳扭胯 → 扩张/收缩 → 遮面强扭胯 → 压低身体仍继续舞 → 伸展/回收 → 情绪断拍 → 完整释放

这也是我这次最想记录下来的经验:

不要让 H3 “表演歌词”,要让 H3 “跳舞”,然后让歌词改变这支舞的意义。

完整七段提示词已经整理成案例,包含人物锁定、统一环境、色彩母版、节奏参数、局部特写、歌词反差、动作 phrase 与段间实体转场。

完整提示词:

GitHub|2026-09 Purple Veil Dance — Seven Segment Case Study

#MiniMaxH3 #H3Prompt #AIVideo #古风舞蹈 #PromptEngineering #AI视频

你这个案例的 GitHub 仓库本身就是按“问题 → 失败模式 → breakthrough → 最终 prompt”的 case-study 形式组织的,所以这篇文案也比较适合直接作为案例介绍,而不只是单纯展示成片。(github.com)

全文完
查看原文