MiniMax H3 文生视频
用最多 7,000 个字符描述场景、镜头、对白和声音。可选 4–15 秒、768p 或 2K，以及 21:9、16:9、4:3、1:1、3:4 或 9:16。
打开工作台MiniMax H3 AI 视频生成器：带原生立体声的 2K 视频
MiniMax H3（又称海螺 03）是 MiniMax 推出的通用多模态视频模型。它能在同一个创作上下文里理解文字、图片、视频和音频，生成 4–15 秒、最高 2K、带原生立体声的视频。MiniMax H3 能遵循关于角色、动作、镜头、分镜、风格、对白、音乐、可读文字和品牌元素的详细指令。
文生、首尾帧或参考生视频 · 768p 或 2K · 4–15 秒 · 立体声
MiniMax H3 文生、首尾帧与参考工作流
三种工作流共享 4–15 秒时长、768p 或 2K 画质和立体声。可以从文字、关键帧，或图片、视频和音频开始。
探索 MiniMax H3 功能
MiniMax H3 把多模态上下文、原生 2K 与立体声、多参考控制、精准指令、关键帧和文生视频场景集中在一个模型里。
MiniMax H3 统一理解多模态上下文
MiniMax H3 会在同一个上下文里理解文字、图片和音频。每个输入都可以承担不同的角色，比如确定角色形象、产品外观、视觉风格，或者唱歌的嗓音。只需用文字说明每个文件和视频的关系，例如“让 Image1 中的角色唱出 Audio1 里的歌”。MiniMax H3 会让这些创意元素在成片中保持连贯。
- MiniMax H3：文字、图片与音频统一理解
- 每个文件承担各自角色
- 用自然语言描述关系
MiniMax H3 原生 2K 画面与立体声
MiniMax H3 会同时生成最高 2K 的画面和原生立体声，而不是事后另外配音。动作、对白、音乐、环境声和音效都可以在同一条提示词里指挥。这样音画衔接更紧密，看到的和听到的在节奏上也更自然。MiniMax 默认提供 2K，MiniMax H3 也能以 768p 渲染，用来更快、更省地打样。
- MiniMax H3：最高 2K，或用 768p 打样
- 32kHz 立体声与画面同步生成
- 对白、音乐和音效写进一条提示词
MiniMax H3 灵活的多参考控制
在一次生成中组合多张图片、一段视频和音频。角色形象可以来自一张图，产品或服装来自另一张图，动作来自视频，嗓音或声音来自参考音频。用自然语言说明每个文件该如何影响结果，可以减少参考素材之间的冲突。在本站，MiniMax H3 支持最多 9 张参考图、一段 2–15 秒的视频和最多 3 段合计 15 秒的音频。
- MiniMax H3：最多 9 张参考图
- 1 段视频和最多 3 段音频
- 用 Image1、Video1、Audio1 指代
MiniMax H3 精准遵循指令与文字渲染
MiniMax H3 能遵循关于镜头顺序、时间节奏、转场、运镜、角色动作和声音设计的详细指令。它还能更清晰地渲染文字、片头标题、界面元素、招牌和品牌细节。无论是你要求出现的内容，还是明确排除、必须保持不变的元素，MiniMax H3 都能更可靠地照做。这让它很适合片头字幕、动态海报和产品片。
- MiniMax H3：镜头顺序、节奏与运镜按指令执行
- 标题、招牌和品牌细节更清晰
- 遵守必须保持不变的要求
用 MiniMax H3 让图片或首尾帧动起来
图生视频支持上传一张图片，也支持一对首帧和尾帧。单张图片可以作为开场画面，生成自然的角色动作、场景变化和镜头运动。再加上一张结尾帧，就能更清楚地控制片段如何开始、过渡和结束。MiniMax H3 很适合动态海报、产品展示、界面演示、角色表演和主视觉动画。
- MiniMax H3：单张图片或首尾帧
- 画面比例跟随图片
- JPG、PNG 或 WEBP，每边 256–5760px
用 MiniMax H3 从文字生成原创音画场景
文生视频无需上传素材，直接根据文字提示词生成带声音的完整片段。可以一次性描述环境、角色、动作、镜头、镜头推进、画面风格、对白、音乐和环境声。MiniMax 表示可稳定支持 11 种对白语言，包括中文、英语、日语、韩语、西班牙语、法语、德语、葡萄牙语和俄语。MiniMax H3 适合广告创意、电影感片段、动画短片、动态图形和社媒内容。
- MiniMax H3：无需上传素材
- 11 种语言的对白稳定支持
- 21:9 到 9:16 多种画面比例
如何用 MiniMax H3 创作视频
只需三步，用 MiniMax H3 做出带声音的完整视频：
MiniMax H3：选择工作流并添加素材
登录并打开 MiniMax H3 工作台。文生视频只需写提示词；首尾帧模式上传首帧和可选的尾帧；参考模式可添加最多 9 张参考图、一段 2–15 秒的视频和最多 3 段音频。
MiniMax H3：描述场景并选择参数
写下动作、镜头、节奏、对白、音乐和声音，给每个参考素材明确的角色，并说明哪些必须保持不变。选择 4 到 15 秒、768p 或 2K 以及画面比例。开始前先确认积分预估。
MiniMax H3：生成、查看并下载
开始生成，MiniMax H3 会同时生成画面和立体声。在作品库里预览，需要时调整提示词、首尾帧或参考素材，然后下载成片，用于广告、产品页或社媒内容。
模型对比
MiniMax H3 对比 MiniMax Hailuo 2.3：有哪些新变化
MiniMax 把 Hailuo 2.3 列为旧版文生与图生视频模型。MiniMax H3 在一个通用模型里加入了原生立体声、2K 输出、4 到 15 秒的时长和多模态参考。
| 功能 | MiniMax H3最高 2K | MiniMax Hailuo 2.3 |
|---|---|---|
| 定位 | 通用多模态视频模型 | 文生与图生视频模型 |
| 工作流 | 文生、首尾帧、多模态参考 | 文生视频与图生视频 |
| 最高画质 | 2K | 1080p |
| 画质选项 | 768p 或 2K | 768p 或 1080p |
| 视频时长 | 4 到 15 秒任选 | 768p 为 6 或 10 秒，1080p 为 6 秒 |
| 原生声音 | 32kHz 立体声，始终开启 | 未列出 |
| 帧率 | 24 fps | 24 fps |
| 首尾帧 | 支持 | 未列出 |
| 参考输入 | 文字、图片、视频和音频 | 未列出 |
| 对白语言 | 稳定支持 11 种语言 | 未列出 |
| 画面比例 | 21:9、16:9、4:3、1:1、3:4、9:16 | 未列出 |
| 主要优势 | 指令遵循、文字与品牌渲染 | 指令遵循与物理表现 |
MiniMax H3 常见问题
MiniMax H3 是什么？
MiniMax H3 是 MiniMax 推出的通用多模态视频模型。它能在同一个上下文里理解文字、图片、视频和音频，生成 4–15 秒、最高 2K、带原生立体声的视频。
MiniMax H3 和海螺 03 是同一个模型吗？
是的。MiniMax H3 也被称为海螺 03 或海螺 3.0。它是海螺 01 和海螺 02 之后的新一代，把文字、图片、视频和音频任务合并到一个模型里，而不再拆成多个专用模型。
本站的 MiniMax H3 提供哪些工作流？
在 MiniMax H3 中，你可以从文字提示词开始，也可以让首帧（可加尾帧）动起来，或者把最多 9 张参考图和一段视频与可选音频组合起来。三种方式生成的视频都带立体声。
MiniMax H3 视频能做多长、什么画质？
时长可在 4 到 15 秒之间任选，默认 6 秒。MiniMax H3 以 24 fps 输出 768p 或 2K，本站默认 2K。文生视频和参考模式可选 21:9、16:9、4:3、1:1、3:4 和 9:16，首尾帧模式跟随图片比例。
MiniMax H3 会生成声音吗？
会。每条 MiniMax H3 视频都带有与画面同步生成的 32kHz 立体声音轨，声音无法关闭。在提示词里描述对白、音乐和音效即可；MiniMax 表示稳定支持 11 种对白语言。
MiniMax H3 消耗多少积分？
MiniMax H3 按输出秒数计费：768p 每秒 16 积分，2K 每秒 26 积分。一条 6 秒 2K 视频消耗 156 积分，15 秒 2K 视频消耗 390 积分，6 秒 768p 草稿消耗 96 积分。参考视频的秒数按同一费率另计，例如 5 秒参考视频加 6 秒 2K 视频消耗 286 积分。前 5 张参考图不额外收费，之后每张加 8 积分；音频不额外收费。
可以使用多少张参考图、视频和音频？
本站的 MiniMax H3 支持最多 9 张参考图、一段视频和最多 3 段音频。至少要加一张图片或一段视频，音频不能单独使用。在提示词里用 Image1、Video1 和 Audio1 指代这些文件，并说明每个文件控制什么。
可以上传哪些图片、视频和音频文件？
MiniMax H3 的图片支持 JPG、PNG 或 WEBP，最大 30MB，每边 256–5760px，宽高比 0.4–2.5。参考视频支持 MP4 或 MOV，最大 50MB，时长 2–15 秒，每边 256–5760px，帧率 24–60fps。音频最多 3 个 MP3 或 WAV 文件，每个最大 15MB、时长 2–15 秒，合计不超过 15 秒。文件不符合要求时，上传框会直接提示原因。
可以使用参考视频或编辑已有视频吗？
可以。你可以添加一段 2–15 秒的参考视频来引导动作、镜头或场景，它的秒数与输出一起计费。编辑已有视频和使用多段参考视频本站暂未提供。
MiniMax H3 和 Hailuo 2.3 有什么不同？
MiniMax 把 Hailuo 2.3 列为旧版模型，支持文生和图生视频，画质 768p 或 1080p，时长 6 或 10 秒。MiniMax H3 新增了原生立体声、2K 输出、4 到 15 秒任选的时长和多模态参考。
如何为 MiniMax H3 写出更好的提示词？
围绕画面意图、参考素材的角色、时间节奏、镜头、声音以及必须保持不变的内容来组织提示词。给每个参考素材一个明确的任务，按顺序描述镜头，同时写清要做什么和不要做什么，让 MiniMax H3 按同一个创作方案执行。