MiniMax H3 รับภาพ คลิปวิดีโอ และแทร็กเสียงในคำขอเดียว — ชี้ถึงมันในพรอมต์ตามลำดับ เป็น Image 1, Video 1, Audio 1
MiniMax H3 คือโมเดลวิดีโอที่ MiniMax ปล่อยไว้ในผลิตภัณฑ์ Hailuo 3 ของตน ผนวกเข้ามาที่นี่เมื่อ 12 สิงหาคม 2026 มีสามเอนด์พอยต์อยู่หลังตัวเลือกเดียว — text-to-video, image-to-video และ reference-to-video — ใช้แผงเดียวกันและราคาต่อวินาทีเดียวกัน โหมดอ้างอิงคือส่วนที่คุ้มค่าที่จะเรียนรู้: ภาพได้ถึงเก้าภาพ วิดีโอสามคลิป และแทร็กเสียงสามแทร็ก ในคำขอเดียว โดยชี้ถึงมันในพรอมต์ด้วยลำดับ ไม่ใช่ด้วยแท็ก @
ทีนี้ส่วนที่ต้องจ่าย วิดีโออ้างอิงถูกคิดเงิน: วินาทีของอินพุตถูกบวกเข้ากับวินาทีของเอาต์พุต วิดีโออ้างอิง 10 วินาทีบนคลิป 10 วินาทีจึงคิดเป็นยี่สิบวินาที Image-to-video ใช้เฉพาะเฟรมแรก — อินพุตเฟรมสุดท้ายที่ API ต้นทางเปิดให้ไม่ได้เปิดใช้ที่นี่ ไม่มี 1080p และไม่มี 4K เสียงไม่มีสวิตช์ปิด งานที่ส่งไปแล้วยกเลิกไม่ได้ และเรายังไม่ได้จับเวลาโมเดลนี้
โมเดลวิดีโอเรือธงของ MiniMax สร้างคลิป 4–15 วินาทีพร้อมเสียงในตัวที่ 768p หรือ 2K ขับเคลื่อนด้วยข้อความ ภาพเฟรมแรก หรือการผสมภาพ วิดีโอ และเสียงอ้างอิง — ไม่ต้องใช้ API key ไม่ต้องสมัครบัญชีแยก
Text-to-video สำหรับการเขียนพรอมต์ล้วน ๆ, image-to-video เพื่อทำให้เฟรมแรกเคลื่อนไหว และ reference-to-video สำหรับบรีฟที่ทะเยอทะยาน: ใส่ภาพสูงสุด 9 ภาพ วิดีโอ 3 คลิป และแทร็กเสียง 3 แทร็กในคำขอเดียว โดยอ้างถึงในพรอมต์ว่า "Image 1", "Video 1", "Audio 1" จะแทนที่คนในคลิป รักษาใบหน้าจากภาพถ่าย หรือขับเคลื่อนบทพูดจากแทร็กเสียงก็ได้
H3 ให้วิดีโอพร้อมเสียงในตัว และในโหมดอ้างอิงยังแสดงตามแทร็กเสียงที่คุณให้มาได้พร้อมขยับปากตรงจังหวะ — แค่ส่งภาพบุคคลกับคลิปเสียง แล้วบรรยายลีลาการพูด เสียงอ้างอิงฟรี มีเพียงวิดีโออ้างอิงเท่านั้นที่เพิ่มวินาทีขาเข้าที่คิดค่าใช้จ่าย
เอาต์พุตสองระดับพร้อมราคาต่อวินาทีที่แสดงก่อนสร้าง: 55 เครดิตต่อวินาทีที่ 768p และ 90 ที่ 2K ร่างงาน 768p ความยาว 4 วินาทีคือ 220 เครดิต เมื่อการเคลื่อนไหวลงตัวแล้ว รันบรีฟเดิมที่ 2K เพื่อส่งงานจริง อัตราส่วนภาพ 6 แบบ ตั้งแต่แนวตั้ง 9:16 ถึงจอกว้างพิเศษ 21:9
H3 รับพรอมต์ยาวได้ถึง 7,000 ตัวอักษร เพียงพอที่จะบรรยายการเคลื่อนกล้อง ตำแหน่งตัวละคร เสื้อผ้า และอารมณ์ของฉากในครั้งเดียว งานที่สร้างทุกชิ้นเก็บพรอมต์และพารามิเตอร์ครบถ้วนไว้ในประวัติ ช็อตที่ออกมาดีจึงทำซ้ำได้เหมือนเดิมในสัปดาห์หน้า
สร้างที่นี่เมื่อวันที่ 15 สิงหาคม 2026 ในครั้งแรก พร้อมพรอมต์และค่าตั้งตรงตามที่แสดง แต่ละคลิปทดสอบความสามารถข้อหนึ่งที่ระบุไว้ด้านล่างของหน้านี้
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.
มันคือโมเดลที่อ้างอิงหนักที่สุดในกลุ่มนี้: รับแอสเซตอินพุตต่อคำขอมากกว่าที่ระดับ Veo หรือ Kling รับได้ และความยาวคลิปทะลุกำแพงแปดวินาที
ภาพเก้าภาพ วิดีโอสามคลิป และแทร็กเสียงสามแทร็ก ในคำขอเดียว อ้างถึงตามลำดับในพรอมต์ นั่นพอที่จะตรึงใบหน้าจากภาพหนึ่ง สถานที่จากอีกภาพหนึ่ง และเสียงจากไฟล์บันทึก ในรอบเดียว
ทั้งสองระดับของ Veo หยุดที่แปด H3 ไปได้ถึงสิบห้า ทีละวินาทีเต็ม ในอัตราต่อวินาทีคงที่ — ความยาวจึงเป็นการตัดสินใจตรงไปตรงมา ไม่ใช่การกระโดดข้ามแพ็กเกจ
ในโหมดอ้างอิง มันจะแสดงตามแทร็กเสียงที่คุณให้มาพร้อมการขยับปากที่ซิงก์กัน และตัวเสียงอ้างอิงเองก็ฟรี อธิบายลีลาการพูดในพรอมต์แบบเดียวกับที่คุณจะกำกับการอ่านบท
สองระดับ แต่ละระดับอัตราคงที่หนึ่งอัตรา พรอมต์เดียวกัน รันการเคลื่อนไหวแบบถูกๆ จนกว่าจะใช้ได้ แล้วรันบรีฟเดิมซ้ำที่ 2K สำหรับเวอร์ชันที่คุณจะส่งมอบ
เสียงไม่มีสวิตช์ปิด บันไดความละเอียดหยุดที่ 2K และงานที่ส่งไปแล้วจะรันจนจบ ถ้าคุณต้องการคลิปเงียบ Kling 3.0 ปิดเสียงไว้เป็นค่าเริ่มต้น; ถ้าคุณต้องการ 4K ทั้งสองระดับของ Veo และ Kling 3.0 มีระดับนั้น
พื้นที่ทำงานเดียวกัน กองเครดิตเดียวกัน — การสลับไปมาระหว่างตัวไหนก็ตามใช้แค่คลิกเดียว
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| ความละเอียด | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| ความยาวคลิป | 4–15s ทีละวินาทีเต็ม | 4, 6 หรือ 8s | 4, 6 หรือ 8s | 3–15s ทีละวินาทีเต็ม |
| เสียง | เนทีฟและเปิดตลอด — ไม่มีปุ่มสลับ | เลือกได้ และมันเปลี่ยนอัตราค่าบริการ | เลือกได้ และมันเปลี่ยนอัตราค่าบริการ | ปุ่มสลับ ปิดไว้เป็นค่าเริ่มต้น |
| เครดิตต่อวินาที ที่ 768p และ 2K | 55 ที่ 768p · 90 ที่ 2K | ไม่มีให้ — ระดับนี้รัน 720p, 1080p และ 4K | ไม่มีให้ — ระดับนี้รัน 720p, 1080p และ 4K | ไม่มีให้ — โมเดลนี้รัน 720p, 1080p และ 4K |
| เครดิตต่อวินาที ที่ 720p | ไม่มีให้ | 80 เงียบ · 160 พร้อมเสียง | 50 เงียบ · 75 พร้อมเสียง | 45 เงียบ · 60 พร้อมเสียง |
| เครดิตต่อวินาที ที่ 1080p | ไม่มีให้ | 80 เงียบ · 160 พร้อมเสียง — อัตราเดียวกับ 720p | 50 เงียบ · 75 พร้อมเสียง — อัตราเดียวกับ 720p | 60 เงียบ · 85 พร้อมเสียง |
| เครดิตต่อวินาที ที่ 4K | ไม่มีให้ | 160 เงียบ · 240 พร้อมเสียง | 150 เงียบ · 175 พร้อมเสียง | 200 รวมเสียงโดยไม่คิดเพิ่ม |
| เครดิตสำหรับหนึ่งคลิป ตั้งแต่ต่ำสุดถึงสูงสุด | 220–1,350 สำหรับเอาต์พุตอย่างเดียว; 2,820 เมื่อมีวิดีโออ้างอิง 15s และภาพอ้างอิง 9 ภาพ | 320–1,920 | 200–1,400 | 135–3,000 |
| แอสเซตอ้างอิงต่อคำขอ | ได้ถึง 9 ภาพ 3 วิดีโอ และ 3 แทร็กเสียง รวม 12 ชิ้น | หนึ่งภาพ | หนึ่งภาพ | หนึ่งภาพ |
| ความเร็วที่เราวัดเอง | 3m 33s สำหรับ 5s และ 7m 32s สำหรับ 20s ทั้งคู่ที่ 720p (2 คลิป, สิงหาคม 2026) | ไม่ได้วัด | ไม่ได้วัด | ไม่ได้วัด |
ความละเอียด ความยาวคลิป และทุกตัวเลขเครดิตในตารางนี้ อ่านมาจากรีจิสทรีโมเดลของเราเองเมื่อ 20 สิงหาคม 2026 — ตารางอัตราต่อวินาทีชุดเดียวกับที่คิดเงินการสร้างของคุณ ไม่ใช่หน้าการตลาดของผู้ให้บริการ อัตราคิดต่อวินาทีของเอาต์พุต ให้คูณด้วยความยาวคลิปที่คุณเลือก; บน H3 วินาทีของวิดีโออ้างอิงที่เป็นอินพุตจะถูกบวกเข้าไปในจำนวนนั้นในอัตราเดียวกัน แถวความละเอียดถูกแยกออกเพราะ H3 ให้ 768p และ 2K ขณะที่อีกสามตัวให้ 720p, 1080p และ 4K — ระดับที่โมเดลไม่ได้ขายจะเขียนว่า "ไม่มีให้" แทนที่จะเติมด้วยตัวเลขใกล้เคียง ช่องที่เราไม่ได้วัดจะบอกไว้ตรงๆ
เปรียบเทียบ MiniMax H3 กับโมเดลวิดีโออื่น ๆ — เวิร์กสเปซเดียวกัน สลับได้ในคลิกเดียว
| โมเดล | minimax-h3 (MiniMax H3 โมเดลที่อยู่เบื้องหลัง Hailuo 3) — ผนวกเข้ามาที่นี่เมื่อ 12 สิงหาคม 2026 |
|---|---|
| โหมด | Text-to-video, image-to-video จากเฟรมแรก และ reference-to-video จากชุดแอสเซตผสม — สามเอนด์พอยต์หลังตัวเลือกเดียว ราคาเท่ากัน |
| ความละเอียด | 768p และ 2K — ไม่มีระดับ 1080p และไม่มีระดับ 4K |
| ความยาว | 4 ถึง 15 วินาที ทีละวินาทีเต็ม (ค่าเริ่มต้น 4) |
| อัตราส่วนภาพ | 16:9, 9:16, 1:1, 4:3, 3:4 และ 21:9 ในโหมดข้อความและโหมดอ้างอิง; image-to-video ตามเฟรมอ้างอิง |
| แอสเซตอ้างอิง | ได้ถึง 9 ภาพ 3 คลิปวิดีโอ และ 3 แทร็กเสียง รวม 12 ชิ้น วิดีโออ้างอิงยาว 2–15 วินาทีต่อคลิป และรวมกัน 15 วินาที อ้างถึงในพรอมต์ว่า "Image 1", "Video 1", "Audio 1" |
| ความยาวพรอมต์ | ได้ถึง 7,000 ตัวอักษร |
| เสียง | เนทีฟและเปิดตลอด — ไม่มีปุ่มสลับเสียง |
| เครดิต | ต่อวินาที: 55 ที่ 768p, 90 ที่ 2K อัตราเดียวกันทั้งสามโหมด วินาทีของวิดีโออ้างอิงที่เป็นอินพุตคิดในอัตราต่อวินาทีเดียวกันนั้น; ภาพอ้างอิงตั้งแต่ภาพที่หกขึ้นไปบวกภาพละ 30; เสียงอ้างอิงฟรี |
| ช่วงเครดิตต่อคลิป | 220 สำหรับคลิป 768p ยาว 4 วินาที, 1,350 สำหรับคลิป 2K ยาว 15 วินาที เมื่อใส่วิดีโออ้างอิง 15 วินาทีและภาพอ้างอิง 9 ภาพเข้าไป คำขอ 2K จะขึ้นไปสูงสุดที่ 2,820 |
| การยกเลิก | งานที่ส่งไปแล้วยกเลิกไม่ได้ |
| ความเร็วที่วัดจริง | เราไม่ได้วัด — เราไม่ได้รันเบนช์มาร์กจับเวลากับโมเดลนี้ |
สามขั้นตอนจากช่องพรอมต์ว่างเปล่า สู่คลิปที่เสร็จสมบูรณ์
เปิดตัวเลือกโมเดลแล้วเลือก MiniMax H3 แผงจะแสดงค่าเครดิต ตัวเลือกความละเอียด และขีดจำกัดความยาว ก่อนที่คุณจะเสียเครดิตใดๆ
เขียนตัวแบบ การเคลื่อนไหว และการเคลื่อนกล้อง แนบเฟรมแรกไว้ถ้าอยากให้คลิปเริ่มจากภาพที่กำหนด
ดาวน์โหลดคลิป ต่อความยาว หรือส่งไปแก้ไขต่อ พรอมต์ โมเดล และการตั้งค่าจะติดอยู่กับงานในประวัติของคุณ
บัญชีเดียว ครบทั้งเวิร์กโฟลว์การสร้างภาพและวิดีโอ
ใช้ MiniMax H3 ด้วยเครดิตรายวันของแพ็กเกจฟรี หรืออัปเกรดเพื่อใช้โมเดลพรีเมียม สร้างงานเร็วขึ้น และเอาต์พุตระดับ 4K
เหมาะสำหรับการเริ่มต้น
เรียกเก็บเงินรายปี · $240/ปี
เรียกเก็บเงินรายปี · $380/ปี
โดดเด่นด้านการแสดงของตัวละครแบบภาพยนตร์และงานอ้างอิงแบบมัลติโมดัล — ทำให้เฟรมแรกเคลื่อนไหว รักษาเอกลักษณ์บุคคลจากภาพถ่ายอ้างอิง และแสดงตามไฟล์เสียงที่ให้มาพร้อมขยับปากตรงจังหวะ เอาต์พุตคือวิดีโอ 4–15 วินาทีที่ 768p หรือ 2K พร้อมเสียงในตัว
55 เครดิตต่อวินาทีของเอาต์พุตที่ 768p และ 90 ที่ 2K ดังนั้นคลิป 768p ความยาว 4 วินาทีคือ 220 เครดิต วินาทีขาเข้าของวิดีโออ้างอิงคิดในอัตราเดียวกัน ภาพอ้างอิงที่เกิน 5 ภาพคิดเพิ่มภาพละ 30 เครดิต ส่วนเสียงอ้างอิงฟรี ยอดรวมที่แน่นอนจะแสดงก่อนสร้าง
ใช่ — H3 คือโมเดลที่ MiniMax ใช้ในผลิตภัณฑ์วิดีโอ Hailuo ของตัวเอง บน CreateVision AI คุณใช้งานมันได้โดยตรงในเบราว์เซอร์ โดยไม่ต้องมีบัญชี MiniMax หรือ API key
ภาพสูงสุด 9 ภาพ วิดีโอ 3 คลิป (คลิปละ 2–15 วินาที รวมกันไม่เกิน 15 วินาที) และแทร็กเสียง 3 แทร็ก รวมสื่อทั้งหมดไม่เกิน 12 ชิ้น อ้างถึงในพรอมต์ตามลำดับ: "Image 1", "Video 1", "Audio 1"
เลือกได้เป็นวินาทีเต็มตั้งแต่ 4 ถึง 15 ที่ 768p หรือ 2K โหมดข้อความและโหมดอ้างอิงรองรับ 16:9, 21:9, 4:3, 1:1, 3:4 และ 9:16 (โหมดอ้างอิงยังปรับอัตโนมัติได้ด้วย) ส่วน image-to-video จะใช้อัตราส่วนตามภาพเฟรมแรกของคุณ
ไม่ได้ H3 สร้างเสียงเนทีฟทุกรอบและไม่มีปุ่มสลับสำหรับมัน อัตราที่คุณเห็นจึงเป็นอัตราเดียวที่มี ถ้าคุณต้องการภาพเงียบ คุณปิดเสียงในขั้นตอนตัดต่อได้ หรือเลือกโมเดลที่เสียงเป็นตัวเลือก — Kling 3.0 ปิดเสียงไว้เป็นค่าเริ่มต้น
H3 คุ้มค่ากว่าสำหรับช็อตตัวละครและบทสนทนาความยาว 4–15 วินาที ส่วน Seedance 2.5 ทำได้ยาวถึง 30 วินาทีและรับสื่ออ้างอิงต่อคำขอได้มากกว่ามาก แลกกับราคาต่อวินาทีที่สูงกว่า ถ้าต้องการร่างงานราคาประหยัด Seedance 2.0 Mini ยังคงเป็นตัวเลือกสายประหยัด
เครื่องมือคลิกเดียวสำหรับทุกงานรอบการสร้าง — เก็บงาน เปลี่ยนสไตล์ แชร์ได้เลย
