Pruna Reference 影片教學：把人物、動作與聲音參考分工，先做五秒驗證
Pruna Reference 影片教學示範如何分配人物、動作與聲音參考，先用五秒短片確認輸入，再加入首尾影格與音訊控制。提供可修改提示詞與請求結構，說明原生解析度、放大輸出和參考素材費用，避免只看每秒輸出單價就估錯預算。
Pruna Reference 適合先從素材分工開始學。參考圖負責人物外觀、參考影片負責動作，放在同一個請求裡，卻未必會自動按照你想的方式組合。
如果人物、場景與聲音互相衝突，增加素材可能讓結果更難理解。因此，第一輪先用短片確認誰在做什麼，比一次加入全部參考更容易看出錯誤。
Pruna 在 官方 X 分享 介紹，以 MiniMax H3 為基礎的 P-Video-2-Pro-Reference 接受不同類型的參考輸入。具體設定應以 現行官方模型文件 為準，本文資料查詢日為 2026 年 10 月 23 日。
這種流程適合已有角色圖、動作短片或聲音素材的創作者，先做五秒樣本，再逐步擴充。以下提示詞與練習安排由本站撰寫，沒有把官方展示當成本站的品質與速度實測。
先決定每份素材只負責哪一件事，才有辦法判斷成片是人物錯了、動作錯了，還是兩者的關係沒有交代清楚。
Pruna Reference 先準備什麼？把素材責任寫成一張表
第一組輸入只需要能驗證一個清楚的目標。例如角色站在桌前拿起杯子，先準備角色圖與簡單動作參考，不必同時處理複雜背景、轉場與對話。
官方文件要求提示詞加至少一份圖像或影片參考，音訊則是選用輸入。這表示只放音訊加文字，不是這個 Reference 工作流的完整起點，應先準備能提供視覺依據的素材。
把每份檔案命名成看得出用途的名稱，例如人物、動作、房間或音軌。不要所有檔案都叫最終版，否則下一次替換其中一份時，很難知道哪個才是原本已確認的參考。
一份素材只交代一個主要責任
人物圖可以負責臉部與服裝，動作影片可以負責拿杯子的速度與順序。若動作片裡的人物長得不同，就在文字裡明確指出不沿用那人的身份，避免模型同時受到兩個外觀來源影響。
| 素材 | 這份參考提供什麼 | 第一輪檢查什麼 |
|---|---|---|
| 人物圖 | 臉部、服裝與比例 | 主角仍能被認成同一人 |
| 動作片 | 起勢、移動與落點 | 動作順序能看懂 |
| 場景圖 | 空間與主要物件 | 人物與桌面位置相容 |
| 音檔 | 聲音或節奏 | 出現時間符合畫面 |
表裡先分開責任，成片出錯時就能回頭修改對應輸入。如果人物不對卻一直換動作片，通常無法知道外觀問題到底來自哪一張圖。
準備完成後，先看參考之間是否矛盾。例如人物圖坐著，動作片卻從站姿開始，就要決定採用哪個起點，不能期待工具替你猜到真正需求。
素材清楚後，再用短樣本驗證組合方式。第一輪的目的，是知道哪些部分能保留，而不是立刻得到完整廣告。
先做五秒樣本：把提示詞寫成能看見的動作
第一個樣本只安排一個動作，較容易比較輸入與輸出。像「向鏡頭點頭後回到原位」，有明確的開始、過程與結束，比「做出有魅力的表現」更容易判斷。
先固定人物與場景，再讓動作發生。若還不確定模型如何理解參考，可以先不加聲音，把觀察集中在身份、位置與手部，下一輪再增加音訊。
以下是本站自行撰寫的練習提示詞，不是官方示範原文。使用時要把素材稱呼換成實際上傳順序，並依平台支援的方式引用。
人物圖只提供主角的臉部、髮型與服裝。
動作影片只提供拿起杯子與放回桌面的順序，不沿用片中人物身份。
主角站在簡單桌面後方，面向鏡頭。
先看向杯子，用右手拿起，停在胸前，再放回原位。
攝影機保持固定中景，雙手與杯子完整留在畫面內。
第一版只做五秒，先確認人物與手部動作，不加入字幕或對話。
先比較結果，再改一項要求
把輸出和參考放在一起看，先確認人物是否正確，再看動作是否有開始與結束。兩項都不對時，先縮減輸入，避免一次改更多參數讓問題變得難追蹤。
例如人物正確、杯子卻換了形狀，可以補一張杯子參考，或把畫面改成更容易辨認的角度。若人物一直變樣，就先換更清楚的角色圖，而不是增加鏡頭花樣。
如果使用種子值記錄生成條件，也要一起記下提示詞與素材版本。種子值可以協助重現設定，但換了模型、平台或其他輸入後，不應把相同數字當成畫面一定完全相同的保證。
當五秒樣本看得出人物與動作的分工，再決定要延長片長、增加鏡頭，還是保留短段落交給剪輯接續。
API 請求怎麼組？先上傳檔案，再傳回傳網址
API 是讓程式呼叫服務的介面。需要批次製作時，先把一個最小請求跑通，再加入更多素材。這樣可以分清楚問題出在檔案上傳、欄位名稱，還是生成內容本身。
官方模型頁示範先將素材上傳到檔案端點，再把回傳網址放進預測請求。下列為依官方欄位整理的本站範例結構，網址位置必須替換成你自己的上傳結果，這不是已執行的請求。
{
"input": {
"prompt": "人物圖提供身份；動作影片只提供拿起杯子的順序。固定中景，完成後回到原位。",
"image": ["［已上傳的人物圖網址］"],
"video": ["［已上傳的動作片網址］"],
"duration": 5,
"resolution": "480p",
"mode": "cost",
"aspect_ratio": "16:9"
}
}
模型選擇、認證與請求位置仍應對照官方文件，不要把上述內容直接貼到任意平台。不同合作平台可能另外封裝欄位，也可能有自己的價格與回傳方式。
收到工作編號後，還要保存哪些資料？
保留請求內容、工作編號、輸出網址與完成狀態，再把成片下載到專案。只有工作已完成的訊息，還看不出人物是否正確，也不代表檔案永久可用。
若請求失敗，先讀錯誤訊息對照欄位與輸入限制。例如檔案格式不符，就處理檔案，不要直接改寫整段提示詞，因為內容文字未必是造成失敗的原因。
同一輪若需要很多版本，也先用清楚的版本名稱記錄。先跑一個可檢查的樣本，等結果方向正確再擴大，比大量產生之後才發現用了錯誤角色圖更容易管理。
程式流程通過後，再加入首尾畫面或指定音軌。這些控制會影響成片，應各自有一個可以比較的版本。
首尾影格與聲音怎麼管？分清參考與保留原音軌
首尾影格提供開始與結束的視覺目標，但中間仍需要合理動作。官方把它們稱為柔性關鍵影格，因此不應當成每個像素都必須完全一致的硬性剪輯鎖定。
如果希望角色從坐姿站起，首尾圖要有相容的場景、人物與比例。兩張圖差異太大，工具就要同時處理換景、換角度與動作，結果更難判斷是哪個要求沒有做到。
想保留原音檔，要特別查看音訊設定
依現行文件，keep_audio 預設關閉。若啟用，需要恰好一份音檔，該檔案會成為影片音訊，與只作為聲音參考的用途不同，長度也要和要求的影片範圍一起確認。
例如你希望影片完整沿用一句旁白，先確認原音檔長度，再看輸出有沒有被切掉或多出尾段。不要只因為上傳了音檔，就推定成片保留的是同一條聲音。
另外把音樂與對話用途寫清楚。音樂提供情緒與節拍，對話則要配合人物的說話時間，若兩者都混在一條參考裡，回頭修正時比較難分開。
首尾畫面和音檔各自通過後，再把它們放進同一個版本。這能讓你知道新增一項控制後，原本已正確的角色或動作是否受到影響。
延伸閱讀：FastH3 Omni 是什麼？MiniMax H3 影片最多快 11.9 倍的條件與授權
不同工具即使使用相關基礎模型，也可能提供不同的設定與輸出方法。因此，這個流程要以本次入口的文件和實際結果核對，不能直接把其他工具的限制套進來。
解析度與費用怎麼選？先看可用片段，再看最後輸出
草稿階段先確認動作與身份，再提高輸出尺寸，能讓每次修改有明確目的。原本手部錯誤的片段，即使放大到更高解析度，也不會因此變成合理動作。
截至查詢日，官方文件列出原生的 480p 與 768p，另有以 768p 影片放大的 1080p、2K 與 4K。選單有更大的尺寸，不代表底層直接原生生成相同解析度，評估細節時要分清這個差異。
預算要包含參考輸入與重做次數
官方採依模式與解析度計算的輸出費用，參考圖片、影片與音訊另計。因此，社群上看到的最低每秒數字，只是計算起點，不能直接當成一個含多份素材的完整請求價格。
可以建立簡單紀錄，列出這次用了幾張圖、幾秒動作片、幾秒音檔，以及實際留下多少可用秒數。最後比較每個可用片段花了多少，比只比較單次生成的標價更貼近製作工作。
例如同一個動作生成三次，只有第三次能用，前兩次仍是取得成片的成本。若某個複雜鏡頭持續失敗，可以縮短動作或改用簡單構圖，再決定是否值得提高解析度。
文件也區分速度與成本模式。先依自己的等待時間與預算選擇，再在專案記下模式，避免下一次漏填後使用不同預設值，卻以為只是同一個版本重新產生。
最後怎麼驗收？先確認參考是否各自完成工作
驗收時把成片和素材責任表放在一起，逐項看身份、動作、場景與聲音。每一項都能找到對應輸入，修改時才不會只剩「再像一點」這種難以執行的要求。
在動作接觸前、接觸中與離開後停格，尤其留意手、道具與衣服是否變形。再聽一次音軌，確認要求保留的聲音沒有被替換，或在結尾意外截斷。
如果人物穩定但動作太複雜，先縮短動作參考。若聲音正確但畫面節奏跟不上，先調整動作和片長，不要直接重新錄製已經正確的旁白。
交付時一起保留輸入檔、提示詞、參數、工作編號與最終影片。這樣下一位接手的人才能知道，這段結果來自哪一組素材，也能決定只替換其中一張圖是否足夠。
第一次可以只用一張人物圖和一段簡單動作，完成五秒樣本後再逐一加聲音與首尾目標。每次只增加一個明確要求，最容易看出哪些控制真正幫助了自己的作品。
練習一個人物拿杯子的版本對照：用結果決定增加哪份參考
可以先做只有人物圖的版本，再做人物圖加動作片的版本。兩版都要求固定鏡頭拿起杯子，這樣就能看出動作參考帶來的影響，並知道它是否同時改變了人物外觀。
這是本站的練習設計，沒有聲稱已跑過這組輸入。實作時使用自己有權使用的角色與動作素材，並讓杯子的形狀簡單，先把手部與物件關係看清楚。
第一版只用文字描述拿起杯子，檢查模型如何安排速度與路徑。第二版保留原圖與文字，加入動作片，並明確說明只繼承動作順序，接著比較兩版的手勢、停留和放回位置。
如果第二版動作更接近參考，人物卻開始像動作片裡的人，就回到素材責任調整。可以改用人物較不明顯的動作參考，或縮短片段，把注意力集中在需要學習的動作上。
先決定什麼結果值得保留
人物能被認出、杯子不會忽然改形、拿起與放回有清楚順序，可以作為第一輪通過條件。光線是否更有電影感，可以晚一輪處理，因為它不會修正錯誤的手和杯子關係。
若兩版都只有前半段穩定，就先縮短用途，或把拿起和放回拆成兩個鏡頭。這樣的取捨應寫進紀錄，讓接手者知道最終成片是由哪些可用片段組成。
接著才考慮加場景圖。場景圖的目的是固定桌面與房間，加入後若人物位置突然改變，就先檢查圖中的桌面高度是否和原始動作相容，別直接把問題歸到提示詞太短。
用同一份紀錄比較製作成本
把兩版的生成次數、使用模式與實際費用記下，再加上各自留下的秒數。如果加入動作參考提高單次花費，卻能減少重做，也可能更符合製作需求，反過來則應考慮簡化輸入。
這份比較只適用於你自己的素材與工作，不能用一組成功案例推論所有場景都更省。尤其換成雙人、快速運鏡或對話時，原本的通過條件也要重新評估。
最後把人物圖、動作片與採用版本一起歸檔，再記下沒有採用的原因。下一次換商品或換角色時，就能沿用已清楚的分工方式，同時知道哪些結果還需要重新觀看。
延伸閱讀：AI 碰撞定格影片教學：用 Codex＋Seedance 製作自己的商品短片
Pruna Reference FAQ
只有文字或音檔就能開始嗎？
此模型文件要求提示詞加至少一份圖像或影片參考，音訊是選用輸入。若你使用的是其他模型或平台，要另外確認對應要求。
選 4K 就是原生生成 4K 嗎？
依查詢時官方文件，較高尺寸透過 768p 輸出再放大。應把放大能力與原生生成細節分開評估。
首尾影格能保證所有中間畫面正確嗎？
不能。它們提供起點與終點目標，中間的動作和身份仍需觀看驗收。兩端相容、動作簡單，較容易看出哪些地方需要修正。
