MiniMax H3 tar emot bilder, videoklipp och ljudspår i en enda förfrågan — peka ut dem i prompten efter ordning, som Image 1, Video 1, Audio 1.
MiniMax H3 är videomodellen som MiniMax levererar inuti sin produkt Hailuo 3, integrerad här den 12 augusti 2026. Tre endpoints ligger bakom en väljare — text-till-video, bild-till-video och referens-till-video — och delar samma panel och samma pris per sekund. Referensläget är den del som är värd att lära sig: upp till nio bilder, tre videoklipp och tre ljudspår i en enda förfrågan, utpekade i prompten efter ordning snarare än med @-taggar.
Nu till det som kostar dig något. Referensvideo debiteras: dess indatasekunder läggs till dina utdatasekunder, så en referens på 10 sekunder på ett 10-sekundersklipp debiteras som tjugo. Bild-till-video använder bara första bildrutan — sista-bildruteinmatningen som uppströms-API:et exponerar är inte aktiverad här. Det finns ingen 1080p och ingen 4K, ljudet har ingen avstängning, inskickade uppgifter kan inte avbrytas, och vi har inte tidtagit den här modellen.
MiniMax flaggskeppsmodell för video genererar 4–15 sekunders klipp med inbyggt ljud i 768p eller 2K — styrt av text, en första bildruta eller blandade bild-, video- och ljudreferenser. Ingen API-nyckel, inget separat konto.
Text till video för ren promptning, bild till video för att animera en första bildruta och referens till video för de ambitiösa uppdragen: upp till 9 bilder, 3 videoklipp och 3 ljudspår i en förfrågan, refererade i prompten som "Image 1", "Video 1", "Audio 1". Byt ut en person i ett klipp, behåll ett ansikte från ett foto eller driv dialog från ett röstspår.
H3 levererar video med inbyggt ljud, och i referensläget kan den framföra ett medskickat röstspår med synkroniserade läpprörelser — ge den ett porträtt och ett ljudklipp och beskriv framförandet. Referensljud är gratis; bara videoreferenser lägger till debiterbara insekunder.
Två resultatnivåer med sekundpris som visas innan du genererar: 55 credits per sekund i 768p, 90 i 2K. Ett 4-sekundersutkast i 768p kostar 220 credits; när rörelsen sitter kör du samma brief igen i 2K för leverans. Sex bildförhållanden från stående 9:16 till ultrabrett 21:9.
H3 tar emot prompter på upp till 7 000 tecken — nog för att beskriva kamerarörelse, scenografi, kostym och stämning i ett svep. Varje generering behåller sin fullständiga prompt och sina parametrar i historiken, så en tagning som fungerar går att återskapa nästa vecka.
Genererat här den 15 augusti 2026, vid första försöket, med exakt de prompter och inställningar som visas. Varje klipp prövar en av de förmågor som påstås längre ner på sidan.
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.
Det är den referenstunga modellen i det här uppställningen: fler indatatillgångar per förfrågan än Veo-nivåerna eller Kling accepterar, och kliplängder bortom åttasekundersmuren.
Nio bilder, tre videoklipp och tre ljudspår i en enda förfrågan, utpekade efter ordning i prompten. Det räcker för att hålla ett ansikte från ett foto, en plats från ett annat och en röst från en inspelning, i ett och samma svep.
Båda Veo-nivåerna stannar vid åtta. H3 går till femton, vilken hel sekund som helst, till ett fast pris per sekund — så längden blir ett rakt beslut i stället för ett hopp mellan paket.
I referensläge framför den ett röstspår du levererar med synkroniserade läpprörelser, och själva referensljudet är gratis. Beskriv framförandet i prompten på samma sätt som du skulle regissera en inläsning.
Två nivåer, ett fast pris var, samma prompt. Kör rörelsen billigt tills den fungerar, kör sedan om den identiska briefen i 2K för versionen du lämnar över.
Ljudet har ingen avstängning, stegen slutar vid 2K, och en inskickad uppgift körs till slut. Behöver du ett tyst klipp har Kling 3.0 ljudet av som standard; behöver du 4K har båda Veo-nivåerna och Kling 3.0 den nivån.
Samma arbetsyta, samma kreditpott — att byta mellan vilka som helst av dessa är ett klick.
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| Upplösningar | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| Kliplängd | 4–15s, vilken hel sekund som helst | 4, 6 eller 8s | 4, 6 eller 8s | 3–15s, vilken hel sekund som helst |
| Ljud | Inbyggt och alltid på — ingen växel | Valfritt, och det ändrar priset | Valfritt, och det ändrar priset | Valfri växel, av som standard |
| Krediter per sekund, 768p och 2K | 55 vid 768p · 90 vid 2K | Erbjuds inte — den här nivån kör 720p, 1080p och 4K | Erbjuds inte — den här nivån kör 720p, 1080p och 4K | Erbjuds inte — den här modellen kör 720p, 1080p och 4K |
| Krediter per sekund, 720p | Erbjuds inte | 80 tyst · 160 med ljud | 50 tyst · 75 med ljud | 45 tyst · 60 med ljud |
| Krediter per sekund, 1080p | Erbjuds inte | 80 tyst · 160 med ljud — samma pris som 720p | 50 tyst · 75 med ljud — samma pris som 720p | 60 tyst · 85 med ljud |
| Krediter per sekund, 4K | Erbjuds inte | 160 tyst · 240 med ljud | 150 tyst · 175 med ljud | 200, ljud inkluderat utan extra kostnad |
| Krediter för ett klipp, från golv till tak | 220–1 350 för enbart utdata; 2 820 med 15s referensvideo och 9 referensbilder | 320–1,920 | 200–1,400 | 135–3,000 |
| Referenstillgångar per förfrågan | Upp till 9 bilder, 3 videor och 3 ljudspår, 12 totalt | En bild | En bild | En bild |
| Hastighet vi mätt själva | 3m 33s för 5s och 7m 32s för 20s, båda 720p (2 klipp, augusti 2026) | Inte uppmätt | Inte uppmätt | Inte uppmätt |
Upplösningar, kliplängder och varje kreditsiffra i den här tabellen är hämtade ur vårt eget modellregister den 20 augusti 2026 — samma pristabeller per sekund som prissätter dina genereringar, inte leverantörers marknadsföringssidor. Priserna gäller per sekund utdata, så multiplicera med kliplängden du väljer; på H3 läggs referensvideons indatasekunder till det antalet till samma pris. Upplösningsraderna är uppdelade eftersom H3 erbjuder 768p och 2K medan de andra tre erbjuder 720p, 1080p och 4K — en nivå en modell inte säljer märks "Erbjuds inte" i stället för att fyllas med en närliggande siffra. Celler vi inte har mätt säger det.
Jämför MiniMax H3 med andra videomodeller — samma arbetsyta, ett klick för att byta.
| Modell | minimax-h3 (MiniMax H3, modellen bakom Hailuo 3) — integrerad här den 12 augusti 2026 |
|---|---|
| Lägen | Text-till-video, bild-till-video från en första bildruta, och referens-till-video från en blandad tillgångsuppsättning — tre endpoints bakom en väljare, identiskt prissatta |
| Upplösning | 768p och 2K — det finns ingen 1080p-nivå och ingen 4K-nivå |
| Längd | 4 till 15 sekunder, vilken hel sekund som helst (4 som standard) |
| Bildförhållanden | 16:9, 9:16, 1:1, 4:3, 3:4 och 21:9 i text- och referensläge; bild-till-video följer referensbildrutan |
| Referenstillgångar | Upp till 9 bilder, 3 videoklipp och 3 ljudspår, 12 totalt. Referensvideo kör 2–15 sekunder per klipp och 15 sekunder sammanlagt. Utpekade i prompten som "Image 1", "Video 1", "Audio 1" |
| Promptlängd | Upp till 7 000 tecken |
| Ljud | Inbyggt och alltid på — det finns ingen ljudväxel |
| Credits | Per sekund: 55 vid 768p, 90 vid 2K, samma pris i alla tre lägen. Referensvideons indatasekunder debiteras till samma pris per sekund; referensbilder efter den femte kostar 30 extra styck; referensljud är gratis |
| Kreditintervall per klipp | 220 för ett 4-sekunders 768p-klipp, 1 350 för ett 15-sekunders 2K-klipp. Fullastad med 15 sekunder referensvideo och 9 referensbilder toppar en 2K-förfrågan på 2 820 |
| Avbrytning | Inskickade uppgifter kan inte avbrytas |
| Uppmätt hastighet | Inte mätt — vi har inte kört något tidtaget riktmärke på den här modellen |
Tre steg från en tom promptruta till ett färdigt klipp.
Öppna modellväljaren och välj MiniMax H3. Panelen visar kreditkostnad, upplösningsalternativ och längdgränser innan du spenderar något.
Skriv motivet, händelsen och hur kameran rör sig. Bifoga en första bildruta om klippet ska utgå från en viss bild.
Ladda ner klippet, förläng det eller skicka det vidare till mer redigering. Prompt, modell och inställningar följer med i din historik.
Ett konto, hela arbetsflödet för bild- och videogenerering.
Kör MiniMax H3 på gratisnivåns dagliga credits, eller uppgradera för premiummodeller, snabbare generering och 4K-utdata.
Perfekt för att komma igång
Faktureras årligen · 240 USD/år
Faktureras årligen · 380 USD/år
Filmiskt karaktärsskådespeleri och multimodalt referensarbete — animera en första bildruta, behålla identiteter från referensfoton och framföra medskickat ljud med synkade läppar. Resultatet är 4–15 sekunder i 768p eller 2K med inbyggt ljud.
55 credits per utsekund i 768p och 90 i 2K, så ett 4-sekundersklipp i 768p kostar 220 credits. Insekunder från referensvideor debiteras enligt samma taxa; referensbilder utöver 5 kostar 30 credits styck; referensljud är gratis. Den exakta totalsumman visas innan du genererar.
Ja — H3 är modellen som MiniMax levererar i sin videoprodukt Hailuo. På CreateVision AI kör du den direkt i webbläsaren utan MiniMax-konto eller API-nyckel.
Upp till 9 bilder, 3 videoklipp (2–15 sekunder vardera, 15 sekunder sammanlagt) och 3 ljudspår — högst 12 tillgångar totalt. Referera till dem i prompten i ordning: "Image 1", "Video 1", "Audio 1".
Hela sekunder från 4 till 15, i 768p eller 2K. Text- och referensläget erbjuder 16:9, 21:9, 4:3, 1:1, 3:4 och 9:16 (referensläget kan även anpassa sig automatiskt); bild till video följer förhållandet i din första bildruta.
Nej. H3 genererar inbyggt ljud vid varje körning och det finns ingen växel för det, så priset du ser är det enda priset. Behöver du en tyst plåt kan du antingen tysta den i din redigering eller välja en modell där ljudet är valfritt — Kling 3.0 har det av som standard.
H3 ger mest värde för 4–15 sekunders karaktärs- och dialogtagningar. Seedance 2.5 går upp till 30 sekunder och tar emot betydligt fler referenser per förfrågan, till ett högre sekundpris. För billiga utkast är Seedance 2.0 Mini fortfarande budgetvalet.
Ett-klicks-verktyg för allt runt genereringen — putsa, styla om och dela.
