MiniMax 生成参数与提示词怎么配合

很多人把 MiniMax 系列模型用不好的原因，归咎于提示词写得不够细。其实一半的问题出在参数上：提示词决定内容方向，参数决定表现的幅度和节奏，两者要配套设计。这篇按视频、语音、文案三类高频场景，聊聊怎么把两者搭起来用。

先分清两类旋钮

以海螺（Hailuo）系视频产品和 M 系列对话模型为例，界面上常见的可调项大致分两类：

• 内容型参数：比如视频时长、画幅比例、是否开启音频。这类直接改变产出形态，提示词必须跟着改——你让 6 秒视频讲一个三幕剧情，谁也救不了。
• 幅度型参数：比如语音的语速、语调，TTS 的情感强度。这类调节表现张力，提示词里的情绪词要和参数档位一致，别一边把语速拉满一边写「娓娓道来」。

一个经验法则：先定参数，再写提示词。参数框定了容器大小，提示词负责往里装内容。

视频生成：时长决定提示词的信息密度

H 系列视频模型支持原生音频，这意味着画面描述和声音描述可以写进同一段提示词。但时长越短，能承载的信息越少。6 秒左右的镜头，提示词只需一个主体、一个动作、一种氛围；更长的片段才够空间铺展开情节。

可复制模板（短镜头）：

主体：一位穿米色风衣的年轻女性
动作：她转过身，抬手把头发别到耳后，嘴角微微上扬
镜头：中景，从侧前方缓慢推近
氛围：黄昏街道，暖色路灯刚亮起，空气里有轻微薄雾
音频：环境音为远处车流声与风声，人物不说话
时长：6 秒，画幅 16:9

注意结构：主体→动作→镜头→氛围→音频→时长。这个顺序让模型优先锁定主体，参数信息放最后做约束。如果生成结果人物不稳定，先把动作删减到只有一个；如果构图乱，把镜头描述挪到提示词开头。

语音克隆与 TTS：情绪词和参数要同向

克隆音色后做配音，常见翻车点是提示词情绪和参数档位打架。正确做法是把情绪强度交给参数，把情绪「方向」交给提示词：参数调到中档，提示词就写克制的情绪；拉满档位，提示词才用「激动地」「大声地」这类强词。

可复制模板（产品口播）：

音色：使用克隆音色「小雨」
文本：这款新口味气泡水，冰镇之后风味更清爽。
情绪：轻快、亲切，带一点安利的热情，但不夸张
语速：中等偏快
停顿：在「之后」后停顿半拍
多音字备注：气泡 读 qì pào

文本里有容易读错的词，务必写在备注里；长句拆短，配合停顿标注，出来的节奏感会自然很多。

文案与推理：用参数约束长度和格式

M 系列文本模型擅长长上下文和多模态输入，写营销文案时容易输出过长。与其在提示词里反复强调「简短」，不如配合输出长度类参数一起收口，双保险。

可复制模板（短视频口播文案）：

角色：你是短视频口播文案写手，目标平台为竖屏短视频
输入素材：（粘贴产品图或链接说明）
任务：为这款产品写一条口播文案
要求：
1. 开头 3 秒有一个具体痛点或反常识钩子
2. 正口语化，短句为主，总字数不超过 120 字
3. 结尾给出一句行动号召
4. 直接输出文案，不要解释

如果素材是一段长文档或多张图，直接丢给模型做输入即可，长上下文是它的强项；此时把格式要求写在提示词末尾，模型遵守度更高。

一套排查顺序

结果不满意时，按这个顺序排查：先看参数（时长、语速、长度限制是否匹配任务），再砍提示词的信息量（一次只留一个核心动作或情绪），最后才润色措辞。顺序反了，容易在提示词里堆形容词，掩盖真正的参数错配。参数与提示词不是两个独立开关，而是一套联动系统——先把容器定准，再往里装内容，出片率和出稿率都会稳定不少。具体可调项以各产品官方页面为准。