中国 AI，杀进日本动漫了：用 H3 给一只猫开场演唱会

中国 AI，杀进日本动漫了。MiniMax 正与日本伙伴推进 IP 共创；我在优云智算用 H3 拍了一场屋顶演出，把参考图、镜头重试和实际花费一起拆开。

读到《中国 AI 开始攻占日本》时，我最感兴趣的是原文描述的那个场景：秋元康坐在台下，屏幕里的大空翼踢进了一颗原版动画里没有的球。

熟悉的角色，开始有了原作之外的新故事。

这次我选的制作入口是优云智算（PS：因为真的真的太香太划算了，如果你还没注册可以用我邀请👉优云智算注册送算力🎁）。它的视频工作站接入了 MiniMax H3，我在这里，把一段原创动画短片从角色设定做到镜头，再把中间的过程拆开。

先看这个故事，《月亮，借我一晚》片段。

约一分钟。角色参考和静态分镜由 Codex 生成，动态镜头与原生音轨来自 H3；经过镜头挑选、局部合成、本地组接与音轨处理，再进剪映检查、导出并添加字幕。

日本动漫的新故事，怎么接上了中国模型

MiniMax 的官方公告里，能看到这件事的具体进展：它与日本 KAGAMIAI 合作，推进 H3 IP Edition，希望把 IP 素材、生成规则、商业条款和使用记录接到创作流程里。哪些 IP 能用、能怎么用，仍取决于各个合作方的条件。官方公告

日本 IP 共创的消息，让我想往下试一步：在优云智算接入的 H3 里（不要问为什么用他家🎁！问就是便宜大碗！），换一个景别，自己的角色还能不能对上；几个镜头放在一起，动作和声音能不能连起来。

我这次拍的，是一个自己的角色！

她偷了一小块月亮

女主暂名凛，26 岁，是个夜里演出的吉他手。

红色短夹克，黑色上衣和长裤，及肩黑发上别着一枚银色弯月发夹。她跑得很急，回头看追光的时候，却还带着一点笑。

她怀里抱着一个银色琴盒。巡逻机追过来，她跨过屋顶的低管线，缩进机房墙角。等搜索光离开，才把琴盒放上旧台子。

镜头转到台子对面：一只黑猫，已经端端正正坐好了。

琴盒打开，里面是一把电吉他，琴头上夹着一小片月亮。

广播响起：“请归还月亮。”

巡逻机靠近天台。猫转过耳朵，警惕地望向电机声的方向。凛没有再跑，她站到猫前面，抬头迎着那束白光。

“再借三分钟。”

巡逻机停了一拍，冷白的搜索灯慢慢暖下来。

“计时开始。”

吉他响起来。它也留在了天台上，把灯光打向她。

30 秒初版拍到了追逐、开盒和开演，巡逻机却只在广播里出现一次。扩成一分钟时，我补上了躲避、猫的反应和巡逻机的回应。最后的演出，多了一位观众。

三幅都是 H3 输出截帧：挡光、巡逻机灯光变化，以及重新补出的结尾全景。

全身参考确定服装轮廓，近景再看眼神和表情。

先让女主长得一样，再让她跑起来

这次的人物设计里，我先固定了几个容易检查的地方：左侧的弯月发夹、红夹克的长度、黑色高腰裤，以及始终跟着她的银色琴盒。

发夹尤其容易暴露问题。它固定在人物自己的左侧；近景里能看见，转到另一侧也可能被头发挡住。要检查的是它有没有真的换边，再看脸型和衣服是否接得上。

月亮也得有一个确定的位置。我把它设定为夹在琴头外侧的一小块实体，开盒时能看见，吉他拿出来以后也跟着走。这样最后演出时，月亮就有地方待着。

女主的吸引力，我想放在她的表情和动作上。被追着跑还要回头笑，护着琴盒不肯撒手，开演之前先找自己的观众。镜头越近，越要看清她正在想什么。

先把月亮固定在哪里画清楚，后面的镜头才能有共同参照。

实际生成后，我把回头、放盒和回应的镜头放在一起看。红夹克、黑衣和脸部轮廓大致接得上，发丝的分束、衣领等细节仍会变化。发夹有时被头发挡住，需要结合角度判断；琴头的小零件，则还得单独放大查。

30 秒初版三个实际生成镜头的截帧，依次为回头、放盒、回应。前面的角色图是设计参考，这里才是 H3 输出。

先排 8 格，再补到一分钟

最初的 30 秒，我先拆成 8 个镜头。下面是初版的节奏，后面再根据成片里缺少的信息补镜。

我先把这 8 格排成两列四行。它们是静态设计；30 秒初版里的越障改成了落地特写，开盒用声音接到已经打开的琴盒，结尾保留全景。故事要交代的信息还在，拍法可以调整。

每行从左向右读，再到下一行，对应上表的 01–08。

一分钟版用了 19 个剪辑段。奔跑、回头和落脚更短，巡逻机扫过屋面的画面插进两段躲避动作之间；放琴盒以后，给女主留一眼看见猫的反应。后半段再让巡逻机出现、女主开口请求，最后进入演出。

落脚从初版的约 4 秒缩到 1 秒，放盒从约 4 秒缩到 2.5 秒。省出的时间给了人物和追逐者的反应，故事就能继续往下走。

让镜头动起来，先想这一秒看什么

有一张面向 AI 视频创作者的运镜图解，把相机运动和画面示例放在一起，很适合拿来对照。到了自己的故事，我想先问一句：这一秒，要让观众看清什么？

比如女主回头，重要的是眼神；琴盒打开，重要的是月亮；最初的全景交代猫是她的观众；新版结尾还要让人看到巡逻机留下了。镜头的动作得跟着这些信息走。

“近景”“低机位”“推近”说的是不同的事情：近景决定画面装下多少，低机位决定从哪里看，推近决定相机往哪里走。把它们分开写，比只丢一句“电影感运镜”更容易说明意图。

下面是这次用来想镜头的几种拍法。摇摄、俯仰和变焦留作备选，成片没有全上；一分钟版结尾用固定全景，交代女主、猫和巡逻机的位置。

这里最容易混的是推近和变焦，以及侧移和摇摄。提示词里可以直接写出“相机向前靠近”或“相机保持原位，向右转动”，少留一点猜测空间。基本动作可以对照这份相机运动教学。

开场要是同时写“快速跟拍、环绕、推近、甩镜”，我就很难判断生成结果到底有没有按预想完成。这次先让一个镜头承担一种主要运动，转场交给剪辑。

先看跑动，再靠近表情，最后交代空间。这里展示的是静态机位与景别设计。生成时，人物动作和相机运动仍要分别检查。

光从哪里来，也写进镜头里

另一份打光图解，让我注意到可以把“电影感”拆成光的方向、软硬和颜色。我给这支片子先定了三种状态。

实际布光里，主光负责主要照明，补光可以抬起阴影，背光可以帮助人物从背景里分离出来；这些作用可以参考Adobe 的视频布光说明。用于生成时，我把它们翻成画面要求，再检查模型有没有画出来。

例如开盒这一镜，我写了“弯月的柔白光照亮她靠近琴盒的一侧脸颊，另一侧保留较暗的蓝色环境光，弯月轮廓清楚”。这样至少能逐项看结果：光源在哪，照到了哪里，脸有没有看不清，月亮有没有过曝。

从左到右：追逐、开盒、开演。

补镜时，我又给巡逻机准备了两张参考：同一个金属球体，眼睛和下置灯分别是冷白、暖白。冷光放在起始帧，暖光放在结束帧，让这次灯光变化接住它的那句“计时开始”。实际结果里，球体和机位大致保持住了，灯光完成了过渡。

一条镜头提示词，写到什么程度

以开盒这一镜为例，我用了“首尾帧”入口，只传起始帧，结束帧留空。实际提交的原始提示词如下：

从上传的已打开琴盒首帧自然继续，生成一个连续的二维手绘动画近景，保持同一张脸、同一服装、同一片靛蓝夜色屋顶。相机从琴盒近侧边缘缓慢向前靠近一点，让黑色六弦电吉他和琴头外侧金属夹上固定的小弯月更清楚。弯月始终是有清楚轮廓的实体，固定在同一个夹具上，不漂浮、不变形、不变成拨片，不增添第二把琴。柔和珍珠白月光照在琴弦、内衬和女主靠近琴盒的一侧脸颊。女主双手安静扶着盒边，微微探身，带着满意的半笑看着琴，不取琴、不说话、不动嘴。开头一声轻微金属盒扣声，随后短暂停顿，画外远处巡逻广播以低沉、略带电声的成年男性声音，用清楚的普通话说一次：“请归还月亮。”其余只有轻微屋顶风声，无配乐、字幕、镜头切换、猫或新增人物。

这段把五件事分开交代了：沿用谁、镜头靠近哪里、月亮固定在哪里、人物做多小的动作，以及广播什么时候说话。

我没有让这个五秒镜头同时完成开盒、取琴、转身和弹奏。起始帧已经是打开的琴盒，H3 只要继续这一幕。开盒这件事，由前一镜和盒扣声来交代。

2026 年 10 月 25 日实际操作截图；这是原始提示词。该次开启了平台默认的提示词优化，生成前还会经过改写。

声音也得拆。跑动时只要脚步和呼吸，落地时要有接触声，开盒后才出现广播。女主只说一句“再借三分钟”，然后扫一次弦。我给前半段的镜头都写了不生成背景配乐，最后在剪辑里衔接音量和余音。

本地转写用于核对“请归还月亮”“再借三分钟”和“计时开始”三句对白，再按各自时间点制作字幕。字幕单独保留，方便继续调整。

先试最难的镜头，再铺满八格

优云智算的视频页提供文生视频、首尾帧和全能参考入口。这次先试回头近景、越过管线、开盒看见月亮，分别看脸、身体运动和道具能不能接上，再补齐其他镜头。

越障第一版用的是“全能参考”。我按顺序给了四张图：女主全身、闭合琴盒、屋顶场景、这一格的动作构图。

附件要真的传进去，并说明每张负责什么。这一次多给参考，并没有解决动作的问题。

这里还有一个容易看错的地方：“媒体输入限免”指的是参考媒体输入，输出视频仍然计费。我这次每条选择 5 秒、768P、16:9、1 条，在周末八折时段，提交前显示 40 积分，完成后也实际扣了 40 积分。(再次夸一句，优云智算 真香！👏)

提示词写了，模型也未必照做

越障第一版，她跨过管线以后，又跳上了旁边的木箱。动作很积极，但她已经跑过了这支片子需要停下来的地方。

越障第一版原始测试片段：跨管线之后又跳上木箱

我第二次改用已经跨到一半的起始帧，把动作缩到“后脚跟过管线，再迈一小步，落稳停住”，同时固定相机和背景。

多跳的问题收住了，新的问题是站直以后，头出了画面。

最后我取了第二版的落地部分，剪成脚部特写。前一镜已经交代了她是谁，这一镜只需要让观众看见脚落到屋顶上。

左：第一版原始结果。右：第二版加后期裁切；不能把它当成模型直接生成了右边的构图。

采用的落地特写：越障第二版经过裁切和选段

另一个问题出在猫身后的灯串。

原定是追逐和开盒都留在冷光里，开演时才变暖。猫的第一版却把灯串提前点亮了，黑毛也被照成偏棕色。

第二版，我加强了固定冷光、固定曝光的描述，并关闭提示词优化。猫的毛色稳了一些，灯串还是亮了。这次同时改了提示词和开关，不能据此判断是哪一个改变起了作用。

这格最终用了后期合成：取视频第一帧的暗背景，用蒙版保留猫的眨眼和转耳动作，把背景停在灯串未亮的状态。

左边仍然提前亮灯；右边经过后期。固定机位，让这次修补有了可用的背景。

这两次让我更在意一件事：生成一个镜头之前，要知道它非得完成什么。动作没按要求走，可以再收窄；信息已经交代完，就可以切走。脸、琴头的小零件、手和弦的位置，也仍要放大检查，不能拿这次的一个和弦，推到复杂演奏都可靠。

首尾都给了，还要看中间

新增的表情近景，也碰到了不听话的地方。我只想拍她看见猫时的一个微笑，第一版却在后半段让猫从画面下沿冒了出来，还顺手点亮了身后的灯。

第二次，我把同一张表情图同时传到起始帧和结束帧，时长缩到 4 秒，动作只留眨眼和嘴角的一点变化。这次猫没有入镜，灯也保持熄灭。

左右取自两次生成约 3.25 秒的位置，都是原始输出截帧。

这次实际提交的提示词是：

用上传的相同首尾帧严格锁定同一幅面部近景，四秒内全画面只有这一个成年女主，不改变构图与背景。凛闭口，视线维持看向右下角，极轻地眨眼一次，嘴角只加深一点点温柔微笑，然后回到结束帧的表情。只有一两缕发丝轻动，不转身、不低头抱东西。首尾帧以外的主体始终留在画外，四秒中没有任何东西进入画面下沿。背景是稳定的冷蓝屋顶，所有可见灯泡全程熄灭，光照完全不变。固定镜头、二维手绘动画、原成年面孔与月牙发夹不变。只有夜风，没有对白、音乐或字幕。

但同样的双帧办法，用在墙角躲避镜头上，中间仍然有一段光漏到了她身上。我取了前后两段还在暗处的动作，中间切到巡逻机扫描，再切回她放松肩膀。首尾给得一样，中间仍要逐段看。

猫的反应试了 3 次：直接照向身体、只照箱前地面、去掉扫光描述，光照和毛色还是会漂移。最终保留的是第三次经裁切的头部反应，交代它听到了电机、转过耳朵。

表演也单独试了一条 15 秒镜头。虽然写了“不切镜”，结果仍然从全景切进了中景。我把中景的入点移到叠化完全结束以后，再补一条 6 秒固定全景来收尾。

最后四个剪辑段的吉他声音，取自同一条 15 秒的原生音轨，连续铺在女主、猫和巡逻机的画面下。切到猫和巡逻机时，旋律还接着往下走。

这次实际花了多少

从 30 秒初版到这一分钟版，累计完成 23 条 H3 任务，总计 1072 积分。其中 15 条为新版提供了画面，剪成 19 个段落；其余包括重试，以及初版用过、新版没有沿用的镜头。

8.84 元是累计这些 H3 任务按套餐单价折算的消耗。实际先买了 99 元整包，静态参考制作和剪辑时间没有计入这个数字。本次扩充的 672 积分，按同样单价折合约 5.54 元！！！（你就说有没有很划算很香吧！👉 立马注册）

分辨率也要分清：这次 H3 下载到的原始视频是 1344×768，剪辑时统一画幅并放大到 1080P。我查看平台的 1080P 选项时，页面也写着“原生 768P · 使用超分放大”。这次没有另外生成 1080P 样本来比较画质。

十九段素材先按切点清单完成本地组接与音轨处理，再导入剪映复核、导出。新版剪映草稿使用组接后的母片轨道，独立素材和切点另外保留；字幕另存 SRT。

想试的话，从一小段开始

想用 H3 拍点自己的东西，可以先让一个角色做几秒钟的小动作，看看参考、动作和声音能不能对上，再决定要不要把整段故事做下去。

这是我的优云智算邀请链接（点击获取！）。页面里的当前活动和计费条件可以一起看；生视频积分与 GPU 算力的计费方式要分清，再决定用哪一种。

按 9.9 元这档的积分单价折算，上面的 80 积分约合 0.72 元。需要先购买 9.9 元整包，这里按消耗积分折算。它对应的是页面上的一次生成报价，成片成本还要算重试和废片。页面说明生成失败不扣积分（直接就感动哭了😭）；当然，已经生成、只是效果不满意的片段，不能直接当成免费重试。

PS：价格与活动按上述日期记录，页面未标明这项时段活动的结束日期，使用前再看当前报价。

除了这些，还有具细节的教程和海量模板，在线浏览👉

—

记得用我的邀请哦🥺

👉https://passport.compshare.cn/register?referral_code=KBOM2FrZqjBLgqSqh4Sjz&ytag=GPU_YY_YX_X_cell

关注 Cell细胞 @cellinlab 看更多 AI 实战！​