يقبل MiniMax H3 صورًا ومقاطع فيديو ومسارات صوتية في طلب واحد — أشِر إليها في المطالبة بالترتيب، كـ Image 1 وVideo 1 وAudio 1.
MiniMax H3 هو نموذج الفيديو الذي تشحنه MiniMax داخل منتجها Hailuo 3، ودُمج هنا في 12 أغسطس 2026. ثلاث نقاط نهاية خلف مُنتقٍ واحد — من نص إلى فيديو، ومن صورة إلى فيديو، ومن مرجع إلى فيديو — تتشارك اللوحة نفسها والسعر نفسه لكل ثانية. ووضع المرجع هو الجزء الجدير بالتعلّم: حتى تسع صور، وثلاثة مقاطع فيديو، وثلاثة مسارات صوتية في طلب واحد، يُشار إليها في المطالبة بالترتيب لا بوسوم @.
والآن الأجزاء التي تكلّفك شيئًا. الفيديو المرجعي محاسَب عليه: تُضاف ثواني دخله إلى ثواني خرجك، فمرجع من 10 ثوانٍ على مقطع من 10 ثوانٍ يُحاسَب كعشرين. والتحويل من صورة إلى فيديو يستخدم الإطار الأول فقط — ودخل الإطار الأخير الذي يتيحه الـ API المصدر غير مفعّل هنا. ولا يوجد 1080p ولا 4K، وليس للصوت مفتاح إيقاف، والمهام المُرسَلة لا يمكن إلغاؤها، ولم نقس زمن هذا النموذج.
نموذج الفيديو الرائد من MiniMax يولّد مقاطع من 4–15 ثانية بصوت أصلي بدقة 768p أو 2K، انطلاقًا من نص أو صورة إطار أول أو مراجع مختلطة للصور والفيديو والصوت — دون مفتاح API ودون حساب منفصل.
نص إلى فيديو للكتابة الخالصة، وصورة إلى فيديو لتحريك إطار أول، ومراجع إلى فيديو للطلبات الطموحة: حتى 9 صور و3 مقاطع فيديو و3 مسارات صوتية في طلب واحد، يُشار إليها في البرومبت بـ "Image 1" و"Video 1" و"Audio 1". استبدل شخصًا في مقطع، أو حافظ على وجه من صورة، أو حرّك حوارًا من مسار صوتي.
H3 يُخرج فيديو بصوت أصلي، وفي وضع المراجع يمكنه أداء مسار صوتي مرفق بحركة شفاه متزامنة — أعطه صورة شخصية ومقطعًا صوتيًا وصِف طريقة الأداء. الصوت المرجعي مجاني؛ ومراجع الفيديو وحدها هي التي تضيف ثواني إدخال محتسبة.
فئتان للمخرجات مع تسعير لكل ثانية يُعرض قبل أن تولّد: 55 رصيدًا للثانية بدقة 768p و90 بدقة 2K. مسوّدة من 4 ثوانٍ بدقة 768p تكلّف 220 رصيدًا؛ وعندما تنجح الحركة، أعد تشغيل الطلب نفسه بدقة 2K للتسليم. ست نسب أبعاد من 9:16 العمودية إلى 21:9 فائقة العرض.
H3 يقبل برومبتات حتى 7,000 حرف، وهو ما يكفي لوصف حركة الكاميرا وتوزيع المشهد والأزياء والأجواء دفعة واحدة. ويحتفظ كل توليد ببرومبته ومعلماته كاملة في السجل، لذا يمكن إعادة إنتاج اللقطة الناجحة الأسبوع المقبل.
أُنتج هنا في 15 أغسطس 2026 من المحاولة الأولى، مع عرض الموجّهات والإعدادات كما هي. كل مقطع يختبر واحدة من القدرات المذكورة أسفل هذه الصفحة.
A thunderstorm rolling over a wheat field at dusk, wind bending the crop in waves, distant lightning illuminating the clouds, low rumbling thunder, slow push-in.
A street musician playing an upright bass on a rainy night pavement, fingers moving on the strings, reflected neon in the puddles, handheld documentary camera.
إنه النموذج الكثيف المراجع في هذه التشكيلة: أصول دخل لكل طلب أكثر مما تقبله مستويات Veo أو Kling، وأطوال مقاطع تتجاوز جدار الثماني ثوانٍ.
تسع صور، وثلاثة مقاطع فيديو، وثلاثة مسارات صوتية في طلب واحد، يُستشهد بها بالترتيب في المطالبة. وذلك يكفي لتثبيت وجه من صورة، وموقع من أخرى، وصوت من تسجيل، في تمريرة واحدة.
كلا مستويَي Veo يتوقفان عند ثماني. أما H3 فيصل إلى خمس عشرة، بأي ثانية كاملة، بسعر ثابت لكل ثانية — فالطول قرار مباشر لا قفزة بين حزم.
في وضع المرجع يؤدي مسار صوت تزوّده به مع حركة شفاه متزامنة، والصوت المرجعي نفسه مجاني. صِف الأداء في المطالبة كما توجّه قراءة.
مستويان، لكل منهما سعر ثابت، والمطالبة نفسها. شغّل الحركة بثمن زهيد حتى تعمل، ثم أعد تشغيل الموجز ذاته عند 2K للنسخة التي تسلّمها.
ليس للصوت مفتاح إيقاف، والسلّم يتوقف عند 2K، والمهمة المُرسَلة تعمل حتى تكتمل. وإن احتجت مقطعًا صامتًا، فـ Kling 3.0 يترك الصوت مطفأً افتراضيًا؛ وإن احتجت 4K، فكلا مستويَي Veo وKling 3.0 لديهما ذلك المستوى.
مساحة العمل نفسها، ومجمع النقاط نفسه — والتبديل بين أي منها بنقرة واحدة.
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| الدقات | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| طول المقطع | 4–15s، بأي ثانية كاملة | 4, 6 أو 8s | 4, 6 أو 8s | 3–15s، بأي ثانية كاملة |
| الصوت | أصلي ودائم التشغيل — بلا مفتاح | اختياري، ويغيّر السعر | اختياري، ويغيّر السعر | مفتاح اختياري، مطفأ افتراضيًا |
| النقاط لكل ثانية، عند 768p و2K | 55 عند 768p · 90 عند 2K | غير متاح — هذا المستوى يشتغل بـ 720p و1080p و4K | غير متاح — هذا المستوى يشتغل بـ 720p و1080p و4K | غير متاح — هذا النموذج يشتغل بـ 720p و1080p و4K |
| النقاط لكل ثانية، عند 720p | غير متاح | 80 صامت · 160 مع صوت | 50 صامت · 75 مع صوت | 45 صامت · 60 مع صوت |
| النقاط لكل ثانية، عند 1080p | غير متاح | 80 صامت · 160 مع صوت — السعر نفسه عند 720p | 50 صامت · 75 مع صوت — السعر نفسه عند 720p | 60 صامت · 85 مع صوت |
| النقاط لكل ثانية، عند 4K | غير متاح | 160 صامت · 240 مع صوت | 150 صامت · 175 مع صوت | 200، والصوت مشمول بلا تكلفة إضافية |
| نقاط مقطع واحد، من الحد الأدنى إلى الأقصى | 220–1,350 للخرج وحده؛ و2,820 مع 15s من الفيديو المرجعي و9 صور مرجعية | 320–1,920 | 200–1,400 | 135–3,000 |
| الأصول المرجعية لكل طلب | حتى 9 صور، و3 مقاطع فيديو، و3 مسارات صوتية، 12 في المجموع | صورة واحدة | صورة واحدة | صورة واحدة |
| السرعة التي قسناها بأنفسنا | 3m 33s لمدة 5s و7m 32s لمدة 20s، وكلاهما بدقة 720p (مقطعان، أغسطس 2026) | غير مقيس | غير مقيس | غير مقيس |
قرأنا الدقات وأطوال المقاطع وكل رقم نقاط في هذا الجدول من سجل النماذج الخاص بنا في 20 أغسطس 2026 — وهي جداول الأسعار نفسها لكل ثانية التي تسعّر تولّيداتك، لا صفحات تسويق المزوّدين. والأسعار لكل ثانية من الخرج، فاضرب في طول المقطع الذي تختاره؛ وفي H3، تُضاف ثواني دخل الفيديو المرجعي إلى ذلك العدد بالسعر نفسه. وصفوف الدقة مفصولة لأن H3 يقدّم 768p و2K بينما تقدّم الثلاثة الأخرى 720p و1080p و4K — والمستوى الذي لا يبيعه نموذج مُعلَّم بـ "غير متاح" بدل ملئه برقم قريب. والخانات التي لم نقسها تقول ذلك.
قارن MiniMax H3 مع نماذج فيديو أخرى — مساحة العمل نفسها، ونقرة واحدة للتبديل.
| النموذج | minimax-h3 (MiniMax H3، النموذج خلف Hailuo 3) — دُمج هنا في 12 أغسطس 2026 |
|---|---|
| الأوضاع | من نص إلى فيديو، ومن صورة إلى فيديو من إطار أول، ومن مرجع إلى فيديو من مجموعة أصول مختلطة — ثلاث نقاط نهاية خلف مُنتقٍ واحد، بسعر متطابق |
| الدقة | 768p و2K — لا يوجد مستوى 1080p ولا مستوى 4K |
| المدة | من 4 إلى 15 ثانية، بأي ثانية كاملة (4 افتراضيًا) |
| نسب الأبعاد | 16:9، 9:16، 1:1، 4:3، 3:4 و21:9 في وضعَي النص والمرجع؛ والتحويل من صورة إلى فيديو يتبع الإطار المرجعي |
| الأصول المرجعية | حتى 9 صور، و3 مقاطع فيديو، و3 مسارات صوتية، 12 في المجموع. والفيديو المرجعي من 2 إلى 15 ثانية لكل مقطع و15 ثانية مجتمعة. ويُستشهد بها في المطالبة كـ "Image 1" و"Video 1" و"Audio 1" |
| طول المطالبة | حتى 7,000 حرف |
| الصوت | أصلي ودائم التشغيل — لا يوجد مفتاح للصوت |
| النقاط | لكل ثانية: 55 عند 768p، و90 عند 2K، بالسعر نفسه في الأوضاع الثلاثة. وثواني دخل الفيديو المرجعي تُحاسَب بالسعر نفسه لكل ثانية؛ والصور المرجعية بعد الخامسة تضيف 30 لكل واحدة؛ والصوت المرجعي مجاني |
| نطاق النقاط لكل مقطع | 220 لمقطع من 4 ثوانٍ عند 768p، و1,350 لمقطع من 15 ثانية عند 2K. ومحمّلًا بـ 15 ثانية من الفيديو المرجعي و9 صور مرجعية، يبلغ طلب 2K حده الأقصى عند 2,820 |
| الإلغاء | المهام المُرسَلة لا يمكن إلغاؤها |
| السرعة المُقاسة | لم يُقَس — لم نُجرِ قياسًا زمنيًا على هذا النموذج |
ثلاث خطوات من مربع موجِّه فارغ إلى مقطع نهائي.
افتح منتقي النماذج واختر MiniMax H3. تعرض اللوحة تكلفة الأرصدة وخيارات الدقة وحدود المدة قبل أن تنفق أي رصيد.
اكتب الموضوع والحركة وكيف تتحرك الكاميرا. أرفق إطارًا أولًا إذا أردت أن يبدأ المقطع من صورة محددة.
نزّل المقطع أو مدّده أو أرسله لمزيد من التحرير. يبقى الموجِّه والنموذج والإعدادات مرفقة به في سجلّك.
حساب واحد، وسير العمل الكامل لتوليد الصور والفيديو.
شغّل MiniMax H3 برصيد الخطة المجانية اليومي، أو رقِّ اشتراكك للحصول على نماذج متميزة وتوليد أسرع وإخراج 4K.
مثالي للبدء
يُحاسَب سنويًا · $240/year
يُحاسَب سنويًا · $468/سنة
أداء سينمائي للشخصيات وعمل مرجعي متعدد الوسائط — تحريك إطار أول، والحفاظ على الهويات من الصور المرجعية، وأداء صوت مرفق بحركة شفاه متزامنة. المخرجات من 4–15 ثانية بدقة 768p أو 2K مع صوت أصلي.
55 رصيدًا لكل ثانية إخراج بدقة 768p و90 بدقة 2K، أي أن مقطعًا من 4 ثوانٍ بدقة 768p يكلّف 220 رصيدًا. وتُحتسب ثواني الفيديو المرجعي المُدخلة بالسعر نفسه؛ وكل صورة مرجعية بعد الخامسة تضيف 30 رصيدًا؛ أما الصوت المرجعي فمجاني. ويُعرض الإجمالي الدقيق قبل أن تولّد.
نعم — H3 هو النموذج الذي تقدّمه MiniMax في منتج الفيديو Hailuo. وعلى CreateVision AI تشغّله مباشرة في المتصفح دون حساب MiniMax أو مفتاح API.
حتى 9 صور و3 مقاطع فيديو (2–15 ثانية لكل منها، و15 ثانية مجتمعة) و3 مسارات صوتية، بحد أقصى 12 أصلًا إجمالًا. أشر إليها في البرومبت حسب ترتيبها: "Image 1" و"Video 1" و"Audio 1".
ثوانٍ كاملة من 4 إلى 15، بدقة 768p أو 2K. يوفر وضعا النص والمراجع نسب 16:9 و21:9 و4:3 و1:1 و3:4 و9:16 (ويمكن لوضع المراجع أيضًا التكيّف تلقائيًا)؛ أما صورة إلى فيديو فيتبع نسبة إطارك الأول.
لا. يولّد H3 صوتًا أصليًا في كل تشغيلة ولا يوجد مفتاح له، فالسعر الذي تراه هو السعر الوحيد. وإن احتجت لقطة صامتة فيمكنك كتم الصوت في المونتاج، أو اختيار نموذج صوته اختياري — فـ Kling 3.0 يتركه مطفأً افتراضيًا.
H3 هو الخيار الأفضل قيمةً للقطات الشخصيات والحوار من 4–15 ثانية. يصل Seedance 2.5 حتى 30 ثانية ويقبل أصولًا مرجعية أكثر بكثير في الطلب الواحد، بسعر أعلى للثانية. وللمسوّدات الرخيصة، يبقى Seedance 2.0 Mini الخيار الاقتصادي.
أدوات بنقرة واحدة لكل ما يحيط بالتوليد — تحسين، وتغيير النمط، والمشاركة.
