主歌第一镜，她是银色短发、左耳一颗星星耳钉。副歌第一镜还是她。到了副歌第三镜，换了一身亮片外套，脸也跟着换了：下巴尖了一点，眼距宽了一点。你回去翻 prompt，一个字没动。模型没出错，它只是从来没被要求「记住这个人」。你给它的是一张首帧，它就只负责把这一张图画活。

所以「锁脸」这件事，在音乐 MV 里其实是一个输入选择：这一镜是图生视频（分镜静帧当首帧），还是参考生视频（给它一叠同一个人的照片）。2026 年 10 月，MiniMax H3 Max Turbo 在 fal 上架了参考生视频入口，H3 家族的快档第一次能真正锁脸。

网上的模型对比，大多拿单镜画质排队。本文换一个尺子：一支 MV 的四十多个镜头里，同一个歌手能不能一直是同一个人，花多少钱、等多久。下面是我们自己在 SunoMV 里接入这几家锁脸入口之后的取舍。

为什么 MV 锁脸看跨镜不看单镜

一首三分钟的歌按歌词切，常常四十到五十镜。单镜再漂亮，只要副歌里歌手换了一张脸，观众就会出戏。画质是镜头级的问题，身份稳定是整支 MV 的问题。

歌已经多到不缺了。Business of Apps 整理的 Suno 数据提到 Suno 平台每天产出约 700 万首歌。你在竞争的是「被看见」，而一个能被认出来的歌手形象，比任何一镜的光影都更能让人记住这首歌。

同一位银色短发歌手出现在四块屏幕的不同副歌场景里，脸始终一致

示意图：SunoMV Team · MV 锁脸要的是四十多镜里同一个人，不是某一镜最好看

我们看了 SunoMV 近 90 天生成的视频片段：Seedance Fast 约占 69%，MiniMax H3 Max Turbo 约占 5.8%，是 H3 Max 的约 6 倍；FLUX 3 只有约 0.2%。大多数用户在大多数镜头里，选的是「快、够用」的模型。这也说明一件事：默认出片几乎都是图生视频，只有手里有角色锁脸图、或者有一段运动参考视频时，才值得升级到参考生视频。

实用规则： 先问这一镜有没有「同一个人要跨镜出现」的需求。没有，就用图生视频；有，再开锁脸。

H3 Max Turbo 参考生视频到底多了什么

以前 H3 Max Turbo 只有文生视频、图生视频和首尾帧。你有角色图时，最多只能把第一张参考图当首帧用。那叫「锁首帧」，不叫「锁脸」：第一镜像她，第二镜从另一张分镜图起画，模型手里已经没有她的照片了。

现在 fal 上的 minimax/h3-max-turbo/reference-to-video 给了一个真正的参考槽（2026-10-26 查阅）：

参考图最多 9 张，参考视频最多 3 段，参考音频最多 3 段，合计不超过 12 个文件；视频、音频各自总长不超过 15 秒。
prompt 里用 Image 1、Video 1、Audio 1 指代对应素材。
480P / 768P / 1080P 三档（1080P 是在 768P 原生输出上做潜空间精修），时长 0.92–15 秒。
没有 image_url / end_image_url：同一次请求里不能一边锁脸、一边钉死首尾帧。

导演桌上的软木板钉着同一位戴红色毛线帽说唱歌手的九张参考照，笔记本屏幕里他在舞台上表演

示意图：SunoMV Team · 一套参考包：正脸、侧脸、四分之三、全身服装、配饰特写

我们在 SunoMV 已经接上：选 H3 Max Turbo 开拍时，角色库里有脸图就自动走参考生视频；没有角色图，照旧走图生视频。FAST 开关的视频模型也换回了 Turbo。

实用规则： 参考包按「一个人一组」准备：正脸、侧脸、全身、标志性配饰各一张，比塞九张相似自拍更管用。

Turbo 和 H3 Max 锁脸同价那差在哪

很多人第一反应是「Turbo 更便宜，所以锁脸也更便宜」。不是。按 2026-10-26 实际调用的计费折算，Turbo 参考生视频约为 $0.05 / $0.08 / $0.16 每秒（480P / 768P / 1080P），和 H3 Max 参考生视频的标价同一档。图生视频才是 Turbo 便宜的地方：fal 页面上 Turbo 图生视频的标准价是 $0.025 / $0.04 / $0.08 每秒，约为 H3 Max 的一半。

锁脸成本相同，取舍就只剩两条：

Turbo 胜在速度。 同一段时间里能多跑几轮，副歌换装、换机位、换表情都能多试几版，早一点发现哪一镜脸漂了。
H3 Max 胜在画质，还能钉首尾帧。 H3 Max 的参考生视频可以同时传首帧、中间帧、尾帧。副歌进出的构图要钉死、脸也要锁住，这一镜只有 H3 Max 能一次做完。

所以我们的观点是：MV 锁脸要的是跨镜身份稳定，不是单镜画质。迭代期用 Turbo 参考生视频，靠轮次换稳定；定稿时把关键几镜交给 H3 Max，把首尾帧和脸一起钉住。没有角色图的空镜、环境镜，继续用 Turbo 图生视频，那里才是真省钱。

剪辑师坐在两块显示器之间，左边是略糊的草稿，右边是同一姿势的高清定稿

示意图：SunoMV Team · 锁脸价格一样，Turbo 换的是轮次，H3 Max 换的是画质和首尾帧

决策过滤器： 这一镜要不要钉死进出构图？要，就用 H3 Max 参考生视频；不要，Turbo 更快。

五家锁脸入口放进 MV 场景对比

下面只比「真锁脸」的参考生视频入口。FLUX 3 不在表里：它没有角色库锁脸，它的改视频是拿已有片子做视频到视频，适合改一件衣服，不负责记住一个人。

模型（fal 参考生视频）	参考槽位上限	时长 / 档位	参考价（约 720P 档，每秒）	MV 里最适合
H3 Max Turbo	9 图 + 3 视频 + 3 音频，合计 12	0.92–15 秒，480P–1080P	768P 约 $0.08	迭代期多镜同一歌手
H3 Max	9 图 + 视频 + 音频，可钉首/中/尾帧	480P–1080P	768P $0.08	定稿关键镜、副歌进出
Seedance 2.0 Fast	9 图（`@Image1`）+ 3 视频 + 3 音频，合计 12	4–15 秒，480P / 720P	720P 约 $0.24	舞蹈运动参考、带音频演唱
Kling O3 Standard	参考图 + 元素合计 4（`@Image1` / `@Element1`）	3–15 秒	$0.084（关音频）	单歌手、按槽位写 prompt
Wan 3.0	10 图 + 5 视频 + 5 音频	2–30 秒，480P–1080P	720P $0.10	桥段长跟拍镜

价格来源：fal 各模型页与 llms.txt，2026-10-26 查阅；Turbo 参考生为 2026-10-26 实际调用计费折算。Seedance 有参考视频输入时按 0.6 倍计价。

几个在表里看不出来的点：

Seedance 是我们出片量最大的家族，参考视频、参考音频都吃得下。舞蹈 MV 里，把一段真人跳舞的视频当 @Video1，比在 prompt 里写「hip-hop dance」稳得多。代价是单价：720P 档大约是 H3 家族锁脸的 3 倍。
Kling O3 上限 4 张，而且参考图和元素共用这个额度。单人 MV 够用，乐队 MV 就紧了。好处是槽位写法很硬，第一行先绑定 @Image1 再写动作，模型不太会自己发挥。
Wan 3.0 单镜最长 30 秒，参考容量也大，适合桥段里「人一直走、镜头一直跟」的长镜头，不适合按歌词一行一镜的快切。

四类 MV 镜头分别该点谁

演唱镜头。 歌手正脸、口型是重点。先用 Turbo 参考生视频把同一张脸跑出几版，选定后再决定要不要做口型精修。H3 家族的参考槽能吃演唱音频（Audio 1），但歌词能不能唱准，还是交给生成之后的口型精修更稳，详见 H3 开源后音乐 MV 的对口型工作流。

副歌换装。 换外套最容易换脸。参考包里放一张「新外套全身照」加两张脸部特写，prompt 写 Image 1 的人穿着 Image 3 的外套。迭代用 Turbo，定稿镜头如果要和上一镜无缝接上，用 H3 Max 钉首帧。

多镜头同一歌手。 这是 Turbo 参考生视频最该用的地方：同一套参考包，连续跑主歌、桥段、副歌，速度快就能多比几轮。

舞蹈运动参考。 手里有一段真人跳舞的视频，就把它当运动参考。Seedance、H3 家族、Wan 3.0 都有参考视频槽；我们一般先试 Turbo（便宜的是时间），动作复杂、Turbo 跟不住时再换 Seedance。

排练室里穿卫衣的舞者对着手机录下一个动作，旁边大屏里霓虹街头的歌手做着同一个动作

示意图：SunoMV Team · 一段真人跳舞视频当参考，比十个形容词更能把动作说清楚

下面这条测评把 H3 的角色一致性和更高分辨率放在一起看，适合在动手前先建立预期：

视频：Mark DK Berry · MiniMax H3 的角色一致性与高分辨率测试

实用规则： 动作交给参考视频，身份交给参考图，歌词交给口型精修。三件事别塞进同一句 prompt。

在 SunoMV 里怎么用

打开 Suno 链接出 MV，粘贴歌曲，先生成分镜静帧。
在角色库给主唱上传参考包：正脸、侧脸、全身、标志配饰。
空镜、环境镜保持默认图生视频；有主唱的镜头选 MiniMax H3 Max Turbo，系统会自动走参考生视频锁脸。
预览整支歌，挑出副歌进出、需要和上一镜无缝衔接的两三镜，换 H3 Max 并钉首尾帧。
特写演唱镜再做口型精修，最后导出。

想弄清图生视频、参考生视频、改视频三条入口的边界，可以看做 MV 时图生视频、参考生视频、改视频分别干什么。想了解 H3 开源以后整个生态（加速版、后训练模型、托管入口）的来龙去脉，看支柱文 MiniMax H3 开源生态全解析。做短剧而不是 MV 的话，多角色、多场次的锁脸取舍在 DramaSo 的短剧锁脸对比里。

常见问题

H3 Max Turbo 锁脸比 H3 Max 便宜吗？

不便宜。按实际调用计费，Turbo 参考生视频和 H3 Max 参考生视频同一档价格。Turbo 的优势是快，能多迭代；便宜的是 Turbo 的图生视频，约为 H3 Max 的一半。

Turbo 参考生视频能同时钉首尾帧吗？

不能。它的接口没有 image_url / end_image_url。需要「锁脸 + 钉首尾帧」的镜头，用 H3 Max 参考生视频。

没有角色图，H3 Max Turbo 还会走参考生视频吗？

不会。没有参考图时 SunoMV 仍按分镜静帧走图生视频，这也是默认出片的方式。

FLUX 3 能锁脸吗？

不能。FLUX 3 没有角色库式的参考生视频，它的改视频是对已有片段做视频到视频修改。

参考图放几张最好？

单人 MV 四到六张通常够：正脸、侧脸、四分之三侧、全身服装、一两个标志配饰。九张塞满相似角度，不如少几张但角度分明。

锁脸不是为了让某一镜更好看，而是让观众在第四十镜还认得出这是谁。先用快的跑通，再把钱花在需要钉死的那几镜上。

现在就做一支主唱不换脸的 MV：

🌐 SunoMV： https://suno.bi/zh
🎬 音频出视频： https://suno.bi/zh/audio-to-video-ai-generator
✨ Suno 链接直接出片： https://suno.bi/zh/features/suno-to-video