夜雨聆风你的算力费，一半交了「抽卡税」
如果你问我，做AI视频的公司，钱到底烧在哪？
我的答案只有一个：抽卡。
一条提示词扔进去，模型给你一条废片。改两个字再扔，还是废片。一个镜头十连抽、二十连抽，积分像自来水一样流走。很多老板月底一看账单，素材没出几条，算力费先干出去大几千。
我管这个叫「抽卡税」——提示词写不明白，就要不停地给模型交税。
这里没有神话，只有计算。抽卡税能不能省？能。而且省法的答案，就写在MiniMax的官方提示词文档里。
这篇文章，我想把这件事一次性讲透。
第一章：牌桌变了——MiniMax H3掀了Seedance的桌子
先说大势。
做AI视频的人都知道，过去这一年多，视频生成这个牌桌上，Seedance一家独大。画质好、生态全，但你没得选，价格人家说了算。
7月31号，MiniMax把H3开源了。
我先给结论，再给数字：
H3的效果，能平替Seedance 2.0 fast大约80%的场景，价格却不到一半。详细的内容大家看我写的这个万字长文，评测得非常的细致。
万字长文：MinimaxH3/SeeDance2.0/2.5全维度测评
注意，80%这个数字不是我拍脑袋的。是做漫剧量产的一线团队，把生产工具里的模型直接换成H3、直出一批视频之后给的实测结论。现在大部分漫剧工作流的主力规格，本来就是fast 480P超分到720P在跑——H3正好卡在这个量产档位上。
再报一组更狠的数字：
同规格实测，H3生成2K视频、一次出4条，消耗370积分；Seedance 2.0跑1080P，要1904积分。活动期间，H3的价格低至0.1元每秒。
什么意思？同样的预算，别人抽一次卡，你抽五次。
而且H3还有一个杀手锏：一抽四、一抽八。一条提示词，一次直接给你四个版本，表情、动作、镜头节奏各不相同，挑最满意的一条用就行。
素材量就是选片空间，选片空间就是成片率。
很多人看到这会说：那我把模型全换成H3不就省钱了？
这是极大的误解。
第二章：垄断打破之后，分水岭不是模型，是提示词
你以为省钱的关键是换便宜模型，其实是让便宜模型听话。
为什么以前漫剧团队宁愿多花钱也要用Seedance？画质吗？不是。单论画面惊艳度，有些模型比它更炸。
真正的原因是三个字：可控性。
提示词优化到位的情况下，Seedance的抽卡次数是可控的——你大致知道写什么样的提示词，几次之内能出能用的片。而有些模型，你怎么抽都是赌，抽到最后只能自己降低预期，捏着鼻子接受一条。
现在H3把这条路打通了。它对提示词的遵循度极高，人物动作自然，前后逻辑合理，能完成复杂的动作和镜头调度，不会突然给你做出一些莫名其妙的动作来。官方文档里，文生视频的提示词上限开到了2000字——Seedance那边也是2000字封顶，这个规格就是对标着专业工作流去的。
看明白了吗？
模型越听话，提示词就越值钱。
以前模型不可控，提示词写得再好也是白搭，大家拼的是谁积分多、谁命好。现在模型可控了，同一台机器、同一份积分，提示词写得好的人一次成片，写得烂的人十连抽全废。
差距从这一刻起，不在显卡上，在提示词上。
提示词，就是算力的杠杆，
Minimax省钱的前提是你会写精准控场提示词。
第三章：MiniMax官方文档里的省钱密码——四段结构
我把MiniMax官方那份视频提示词写作指南，从头到尾读了三遍。
官方自己把「完整镜头描述」的公式印在文档里：
完整镜头描述 = 镜头序列 + 主体细节 + 环境光影 + 运镜音效。
拆开看：
第一，镜头拆分。用Shot 1、Shot 2区分分镜，控制每段的时长和画面切换。你不拆，模型就自己给你剪，剪成什么样全凭缘分。
第二，主体刻画。外貌、穿搭、动作、神态，写得越精细，人物稳定性越高。你只写「一个女人」，它每条给你换一个女人。
第三，场景氛围。空间、布景、光线、色调。光这一项，是翻车重灾区——光源不写清楚，画面里的光就会打架。
第四，镜头运动加音频。推、拉、摇、环绕还是固定机位，环境音、人声、背景音乐，都要标注。
文档里还有几条「禁用要点」，条条都是钱：
不要只写静态画面，必须给连续动作——静态描述出来的东西大概率不能用，这一条就是一次重抽。
画面里的文字、字幕、对话气泡要单独标注——不标注，乱码满天飞，又是一次重抽。
多参考素材要分别标明用途：哪张是人脸参考、哪张是动作参考、哪张是场景参考。H3最多能吃9张参考图，还能文字、图片、视频、音频联合输入，但你不标注用途，它就给你乱用。
发现规律了吗？
官方文档的每一条规定，翻译过来都是同一句话：你少给一个维度的信息，模型就自由发挥一个维度。自由发挥就是翻车，翻车就是重抽，重抽就是烧钱。
提示词不是文学创作，是一份配置单。配置单填全，一次成片；填不全，拿积分赌运气。
第四章：从四段到九维——把官方标准变成可复制的生产线
官方四段结构是好东西，但它有个问题：知道和做到之间，隔着几百条废片。
你自己写的时候，怎么检查漏没漏维度？漏了哪个？用什么词补？写带货片子和写短剧，补法一样吗？
这就是我们点金手做「九维控场提示词」的原因。
我们把官方的四段结构，拆成了九个导演维度槽位：视觉吸睛、镜头语言、灯光氛围、主体动作、情绪表情、物理交互、场景环境、转化指令、负面强控。
你把自己写好的、乱糟糟的提示词扔给它，它干三件事：
第一，拆稿归位。把你原稿里每一个词组拆出来，归进九个槽位，哪几个槽位是空的，一目了然。
第二，补缺不创作。缺的维度按导演思维补上，每维最多补1到3个词。但你的主体、核心动作、叙事顺序、商业卖点，一字不动。它是格式刷，不是重写器——刷完还是你的稿子，只是更专业。
第三，负面强控兜底。九个维度里，镜头语言、灯光氛围、负面强控这三个是「安全三件套」，缺了必补。这是我们拿几百条实测提示词换来的经验：镜头定住、光统一、负面词兜底，翻车概率直接砍掉一大半。
官方文档说「不要写静态画面」「字幕要单独标注」，落到九维里，就是第④主体动作和第⑨负面强控。官方讲原则，九维给执行。
九维之上，我们还内置了三套人脸正姿引擎——口播片走摄影纪实版、短剧走电影质感版、探店带货走素人抓拍版。因为人脸假不假，直接决定完播和转化，这一刀必须单独下。
一句话总结：官方文档告诉你什么是对的，九维控场保证你每次都对。
抽卡次数砍半，省下来的积分是实打实的钱。这才是「最省钱的写法」的真正含义——不是少花钱，是让每一分钱都不打废片。
模型会换代，AI编导提示词的本事不会换。
最后说几句。
我程序员出身，买过几百万的显卡，做过一年数字人，我见过太多人死在「差生文具多」上——模型出一个追一个，会员开了一堆，提示词还是那三句半。
时代变了。H3这一开源，闭源视频模型横行霸道的日子基本宣告结束。以后的算力只会越来越便宜，便宜到人人用得起。
到那时候，拼什么？
拼谁能用提示词，把算力指挥得指哪打哪。
模型会换，牌桌会翻，但「会用提示词指挥算力」这个本事，一旦长在你身上，谁都拿不走。
我们把提示词升级为了九维控场提示词，不单单是四镜，而是在四镜之上，要做到精准控场，精准的控制内容的输出。在之前，Seedance 2.0和其他的文本生成视频时代是无法做到这件事的！
8月14号、15号，我们点金手的AI编导课，两天时间，就把这套东西装进你的业务里——九维控场提示词怎么用、三套人脸引擎怎么调、文生图生视频怎么搭进你现有的生产线。不是讲概念，是手把手出片。
能省算力，谁还烧算力？能一次成片，谁还十连抽？
上升期，靠算力多赢；下半场，靠提示词少输。
评论区里，老板们聊一聊：你上个月的抽卡税，交了多少？
更多Ai编导提示词文生视频干货文章：
