H3 Max Multi Angle 关键帧：四个数摆相机

我在 H3 Max Multi Angle 上渲的第一条环绕，出来是一张带声音的静止画面。

五秒，768P，相机一个像素都没动。我认真写了提示词描述镜头绕着一只陶瓶缓慢划过，选了合理的时长，钱也付了。我唯一没做的事是改第二个关键帧——两个机位的角度、高度、距离完全一样，模型就照做了：在那个位置定住五秒。

这个失败值得放在开头，因为它正好指向这个接口最不一样的地方。它根本不读运镜语言。 你在提示词里写「the camera arcs slowly around the vase」，一点变化都不会有。相机去哪，由数值说了算。

提示词只有一个任务，而且不是控制相机

Multi Angle 自带一段默认提示词，特殊到值得原文照录：

The same elements in the reference are rigid. Preserve every element exactly.
The entire scene is frozen. Only the camera moves. no scene motion only camera motion

这不是在描述一个镜头，这是一句冻结指令——而且它在干实事。这个模型的全部卖点就是：你的照片保持原样，视点绕着它变。提示词就是那个把画面按住的东西。

所以最常见的第一个错误，恰恰看起来最合理：把默认提示词换成自己场景的描述。你写「一只陶瓶放在橡木桌上，晨光」——你就把那句让瓶子别动的指令删掉了。主体开始漂移，模型开始编运动，你拿到的东西更接近普通的图生视频，而那不是你来这儿的原因。

别动提示词。相机的控制权在完全另一个地方。

每个机位四个数

一条轨迹就是一串相机机位，每个机位四个值：

三个决定相机在空间的位置，第四个决定它什么时候到。

时间是归一化的，不是秒

time: 0.5 就是片子的中点，不管这条片子是 5 秒还是 15 秒。这很方便——改时长不用重写轨迹——但它有个副作用，很多人是撞上去才知道的。

第一个机位会从视频开头一直保持到它自己的时间点。 所以一条第一帧在 time: 0.3 的轨迹，前 30% 是定住不动的，然后才开始移动。另一头同理，最后一个机位保持到结束。

知道之后这其实很有用。运动开始前留一个静止的节拍，是真正的剪辑选择。它只有在你不知情的时候才是问题。

角度有正负，而且没有上限

这是唯一没有天花板的字段。0 → 360 是顺时针转一整圈，0 → -360 是反方向转一圈，0 → 720 是绕两圈。

符号比数字重要。 从 350 走到 10 不是往前挪 20 度——那是倒着走 340 度，因为模型是按写下的数值读的，不会自己找最短路径。想跨过「零点」就继续往上加：350 → 370。

fal 把总行程上限设在 32 圈，远超一条 15 秒片子能看清的量。

高度的影响比你以为的大

0 是与主体平视，90 是正上方垂直向下，-90 是从底下往上。

到 30 度就已经是摇臂的观感了。60 度是相当强势的俯拍。我自己摸下来，大多数主体真正好用的区间比 schema 允许的窄得多——大概在 -15 到 45 之间；超过 70 就开始暴露模型对你这个物体顶面知道得有多少，因为照片压根没拍到那儿。

距离是相对照片的，不是米

这里没有单位。实用的理解方式是：1 大致就是这张照片当初拍摄的位置。 比它小是推近，比它大是拉远。

0.35 近到有贴近感，1.5 是舒服的揭示距离。机位之间大幅摆动——比如 0.3 到 1.4——会产生类似移动车的运动，这恰恰是这个接口能做出的最有电影感的东西之一，因为它不能变焦。

三条真能用的轨迹

转台——产品镜头。五个机位，均匀分布，高度和距离恒定，角度按 0 / 90 / 180 / 270 / 360 走。这是这个模型输出最可预测的一种，而可预测正是商品图录要的。

升降摇臂——两个机位就够。起点 elevation: 0, distance: 0.9，终点 elevation: 55, distance: 1.4。上升和后拉叠在一起，读起来就是一次揭示。

主体揭示——三个机位，三个轴同时动：先近、略低，再拉出、平视，最后拉远、俯视。这一条最像是有人设计过的镜头，而不是转台。

工具页的工作台里这三条都做成了预设，而且它把路径画成俯视平面图，花钱之前就能看清形状。

它不做什么

fal 把排除项写得很直接，围绕它们做计划之前值得先知道：

• 不能变焦。 焦距全程不变。想靠近就把相机移过去，那是另一种观感——而且往往更好。
• 没有开场推镜。 片子从你的第一个机位直接开始，没有引入运动。
• 不能横滚。 地平线全程水平。
• 主体不会动。 这是设计如此。人不走动，水不流动，头发不飘。

要是这几样里有你必须要的，那就得走普通 H3 那条路，用文字而不是数值指挥相机——公布的 20 种运镜讲的是那套词汇。

一条完整轨迹，逐行说明

下面是那条转台，按接口收到的样子写出来：

[
  { "time": 0,    "azimuth": 0,   "elevation": 18, "distance": 0.8 },
  { "time": 0.25, "azimuth": 90,  "elevation": 18, "distance": 0.8 },
  { "time": 0.5,  "azimuth": 180, "elevation": 18, "distance": 0.8 },
  { "time": 0.75, "azimuth": 270, "elevation": 18, "distance": 0.8 },
  { "time": 1,    "azimuth": 360, "elevation": 18, "distance": 0.8 }
]

其中三处是刻意的。

高度是 18，不是 0。 完全平视的环绕看起来很平，而且它要求模型在每个角度都把物体轮廓侧着渲出来，那正是瑕疵最容易露的地方。稍微俯一点能给镜头带来体积感，也让顶面全程有一部分可见。

距离是 0.8，不是 1。 比源照片稍近一点。它把画面填满，又没有近到模型开始编造表面细节的范围里。

角度的均匀分布对应时间的均匀分布。 这才是转速恒定的原因。分布不均——比如机位在 0、90、180 而时间在 0、0.7、1——会转出一个先爬后冲的效果，读起来像失误而不是设计。

输出不对时，通常是这几种之一

常被问到的

改时长会影响轨迹吗？ 不会。时间是归一化的，同一条轨迹在 5 秒和 15 秒都成立，只是相机在更长的片子里走得更慢。这是唯一一个可以随便改而不用重调的东西。

可以让环绕从中途才开始吗？ 可以，而且这是个正经技巧。第一个关键帧放在 time: 0.3，运动开始前就有一个静止的节拍。只是要知道这是你选的，而不是撞上的。

两个关键帧可以共用一个时间吗？ schema 没禁止，但那等于要求模型同时出现在两个地方，结果不可预测。让时间严格递增。

一条轨迹该有几个关键帧？ 比你以为的少。摇臂或半圈环绕，两个就够。整圈转台，五个够。上限是 12，但那么密的路径往往会自己打架——每多一个机位就是一个额外约束，卡在真正重要的那几个之间。

源图的宽高比有影响吗？ 输出跟随输入图，和这个系列的普通图生视频一样。一张方形产品图环绕出来就是方形视频。

一套省积分的流程

先用 480P 打草稿。 轨迹在任何档位读起来都一样。480P 只要 1080P 的五分之一，却能告诉你形状对不对。

渲之前先看图。 如果路径看着像一个点，说明机位挨得太近；如果看着像一条穿过主体的直线，说明你的角度值是从中间穿过去而不是绕过去。

一次只改一个轴。 环绕不对劲的时候，通常是某一个字段的问题。四个一起改，你分不清是哪个修好的。

最后再升档。 768P 是原生渲染档，大部分成片停在这里。1080P 是对同一个 768P 结果做的潜空间精修——它让已有的细节更锐利，而不是生成更多细节，所以交付时值这个价，测试时纯属浪费。

说到底

Multi Angle 是个窄工具，但它把一件事做得很准：让相机绕着一个不动的场景移动。提示词不是相机住的地方，运镜词毫无作用，整个镜头就是每个机位四个数。

想通这一点之后，它是 AI 视频里少见的可预测的东西——考虑到这个领域有多少时间花在反复重摇然后祈祷上，这一点本身就值点什么。

本文的字段名、取值范围和上限来自 fal 为 Multi Angle 接口公布的 schema，2026 年 9 月核对。本站与 MiniMax、fal 均无隶属关系。