MiniMax H3 nhận ảnh, đoạn video và bản âm thanh trong cùng một yêu cầu — hãy trỏ tới chúng trong prompt theo thứ tự, như Image 1, Video 1, Audio 1.
MiniMax H3 là mô hình video mà MiniMax phát hành bên trong sản phẩm Hailuo 3 của họ, tích hợp ở đây ngày 12 tháng 8 năm 2026. Ba điểm cuối nằm sau một bộ chọn duy nhất — text-to-video, image-to-video và reference-to-video — dùng chung một bảng điều khiển và cùng một mức giá theo giây. Chế độ tham chiếu là phần đáng học: tối đa chín ảnh, ba đoạn video và ba bản âm thanh trong một yêu cầu, được trỏ tới trong prompt theo thứ tự chứ không phải bằng thẻ @.
Giờ là những phần khiến bạn tốn tiền. Video tham chiếu bị tính phí: số giây đầu vào của nó được cộng vào số giây đầu ra của bạn, nên một video tham chiếu 10 giây trên một đoạn 10 giây sẽ bị tính thành hai mươi giây. Image-to-video chỉ dùng khung hình đầu tiên — đầu vào khung hình cuối mà API thượng nguồn có mở ra thì không được bật ở đây. Không có 1080p và không có 4K, âm thanh không có nút tắt, tác vụ đã gửi không thể hủy, và chúng tôi chưa bấm giờ mô hình này.
Model video flagship của MiniMax tạo các clip 4–15 giây kèm âm thanh gốc ở 768p hoặc 2K, điều khiển bằng văn bản, một ảnh khung hình đầu, hoặc hỗn hợp tham chiếu ảnh, video và âm thanh — không cần API key, không cần tài khoản riêng.
Văn bản-thành-video cho prompt thuần túy, ảnh-thành-video để làm chuyển động khung hình đầu, và tham chiếu-thành-video cho những brief tham vọng: tối đa 9 ảnh, 3 đoạn video và 3 đoạn âm thanh trong một yêu cầu, được gọi trong prompt là "Image 1", "Video 1", "Audio 1". Thay một người trong clip, giữ khuôn mặt từ một tấm ảnh, hay điều khiển thoại từ một đoạn giọng nói.
H3 xuất video kèm âm thanh gốc, và ở chế độ tham chiếu, nó có thể diễn theo một đoạn giọng nói được cung cấp với khẩu hình môi đồng bộ — đưa cho nó một ảnh chân dung cùng một đoạn âm thanh và mô tả cách thể hiện. Âm thanh tham chiếu miễn phí; chỉ video tham chiếu mới cộng thêm số giây đầu vào tính phí.
Hai bậc đầu ra với giá theo giây hiển thị trước khi bạn tạo: 55 tín dụng mỗi giây ở 768p, 90 ở 2K. Một bản nháp 768p dài 4 giây là 220 tín dụng; khi chuyển động đã ổn, chạy lại đúng brief đó ở 2K để bàn giao. Sáu tỷ lệ khung hình từ 9:16 dọc đến 21:9 siêu rộng.
H3 nhận prompt dài tới 7.000 ký tự, đủ để mô tả chuyển động máy quay, dàn cảnh, phục trang và không khí trong một lượt. Mỗi lần tạo đều giữ trọn prompt và tham số trong lịch sử, nên một cảnh quay ưng ý có thể tái hiện lại vào tuần sau.
Được tạo tại đây ngày 15 tháng 8 năm 2026, ngay lần đầu, với đúng câu lệnh và thiết lập hiển thị. Mỗi clip kiểm chứng một trong các khả năng được nêu ở phần dưới trang này.
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.
Nó là mô hình nặng tham chiếu trong dàn này: nhiều tài sản đầu vào mỗi yêu cầu hơn mức các bậc Veo hay Kling chấp nhận, và độ dài đoạn phim vượt qua bức tường tám giây.
Chín ảnh, ba đoạn video và ba bản âm thanh trong một yêu cầu, được trích dẫn theo thứ tự trong prompt. Từng đó đủ để giữ một khuôn mặt từ tấm ảnh này, một địa điểm từ tấm ảnh kia và một giọng nói từ một bản thu, trong cùng một lượt.
Cả hai bậc Veo đều dừng ở tám giây. H3 chạy tới mười lăm, bất kỳ số giây nguyên nào, ở một mức giá phẳng theo giây — nên độ dài là một quyết định thẳng thắn chứ không phải một bước nhảy giữa các gói.
Ở chế độ tham chiếu, nó diễn một bản thu giọng nói do bạn cung cấp với khẩu hình khớp môi, và bản thân âm thanh tham chiếu là miễn phí. Hãy mô tả cách đọc trong prompt như thể bạn đang chỉ đạo một buổi thu.
Hai bậc, mỗi bậc một mức giá phẳng, cùng một prompt. Hãy chạy phần chuyển động với giá rẻ cho tới khi nó ổn, rồi chạy lại đúng mô tả đó ở 2K cho bản bạn bàn giao.
Âm thanh không có nút tắt, thang bậc dừng ở 2K, và một tác vụ đã gửi sẽ chạy tới hết. Nếu bạn cần một đoạn phim câm, Kling 3.0 để tắt tiếng theo mặc định; nếu bạn cần 4K, cả hai bậc Veo và Kling 3.0 đều có bậc đó.
Cùng không gian làm việc, cùng kho tín dụng — chuyển giữa bất kỳ cái nào cũng chỉ một cú nhấp.
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| Độ phân giải | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| Độ dài đoạn phim | 4–15s, bất kỳ số giây nguyên nào | 4, 6 hoặc 8s | 4, 6 hoặc 8s | 3–15s, bất kỳ số giây nguyên nào |
| Âm thanh | Bản địa và luôn bật — không có nút chuyển | Tùy chọn, và nó làm đổi mức giá | Tùy chọn, và nó làm đổi mức giá | Nút chuyển tùy chọn, mặc định tắt |
| Tín dụng mỗi giây, 768p và 2K | 55 ở 768p · 90 ở 2K | Không cung cấp — bậc này chạy 720p, 1080p và 4K | Không cung cấp — bậc này chạy 720p, 1080p và 4K | Không cung cấp — mô hình này chạy 720p, 1080p và 4K |
| Tín dụng mỗi giây, 720p | Không cung cấp | 80 câm · 160 kèm âm thanh | 50 câm · 75 kèm âm thanh | 45 câm · 60 kèm tiếng |
| Tín dụng mỗi giây, 1080p | Không cung cấp | 80 câm · 160 kèm âm thanh — cùng mức giá với 720p | 50 câm · 75 kèm âm thanh — cùng mức giá với 720p | 60 câm · 85 kèm tiếng |
| Tín dụng mỗi giây, 4K | Không cung cấp | 160 câm · 240 kèm âm thanh | 150 câm · 175 kèm âm thanh | 200, đã bao gồm tiếng, không tính thêm phí |
| Tín dụng cho một đoạn phim, từ sàn tới trần | 220–1.350 chỉ tính riêng đầu ra; 2.820 khi có 15s video tham chiếu và 9 ảnh tham chiếu | 320–1,920 | 200–1,400 | 135–3,000 |
| Tài sản tham chiếu mỗi yêu cầu | Tối đa 9 ảnh, 3 video và 3 bản âm thanh, tổng cộng 12 | Một ảnh | Một ảnh | Một ảnh |
| Tốc độ chúng tôi tự đo | 3m 33s cho 5s và 7m 32s cho 20s, cả hai 720p (2 clip, tháng 8 năm 2026) | Chưa đo | Chưa đo | Chưa đo |
Độ phân giải, độ dài đoạn phim và mọi con số tín dụng trong bảng này được đọc từ registry mô hình của chính chúng tôi ngày 20 tháng 8 năm 2026 — chính những bảng giá theo giây dùng để tính tiền các lần tạo của bạn, không phải các trang tiếp thị của nhà cung cấp. Giá tính theo mỗi giây đầu ra, nên hãy nhân với độ dài đoạn phim bạn chọn; trên H3, số giây video tham chiếu đầu vào được cộng vào số đó ở cùng mức giá. Các hàng độ phân giải bị tách ra vì H3 cung cấp 768p và 2K trong khi ba mô hình kia cung cấp 720p, 1080p và 4K — một bậc mà mô hình không bán thì được đánh dấu "Không cung cấp" chứ không điền bằng một con số gần đó. Những ô chúng tôi chưa đo thì ghi thẳng ra.
So sánh MiniMax H3 với các model video khác — cùng một không gian làm việc, một cú nhấp để chuyển đổi.
| Mô hình | minimax-h3 (MiniMax H3, mô hình đứng sau Hailuo 3) — tích hợp ở đây ngày 12 tháng 8 năm 2026 |
|---|---|
| Chế độ | Text-to-video, image-to-video từ một khung hình đầu, và reference-to-video từ một bộ tài sản hỗn hợp — ba điểm cuối sau một bộ chọn duy nhất, giá y hệt nhau |
| Độ phân giải | 768p và 2K — không có bậc 1080p và không có bậc 4K |
| Thời lượng | 4 đến 15 giây, bất kỳ số giây nguyên nào (mặc định là 4) |
| Tỷ lệ khung hình | 16:9, 9:16, 1:1, 4:3, 3:4 và 21:9 ở chế độ chữ và chế độ tham chiếu; image-to-video bám theo khung hình tham chiếu |
| Tài sản tham chiếu | Tối đa 9 ảnh, 3 đoạn video và 3 bản âm thanh, tổng cộng 12. Video tham chiếu dài 2–15 giây mỗi đoạn và 15 giây tổng cộng. Được trích dẫn trong prompt là "Image 1", "Video 1", "Audio 1" |
| Độ dài prompt | Tối đa 7.000 ký tự |
| Âm thanh | Bản địa và luôn bật — không có nút chuyển âm thanh |
| Tín dụng | Theo mỗi giây: 55 ở 768p, 90 ở 2K, cùng mức giá trong cả ba chế độ. Số giây video tham chiếu đầu vào tính theo đúng mức giá mỗi giây đó; ảnh tham chiếu từ tấm thứ sáu trở đi cộng thêm 30 mỗi tấm; âm thanh tham chiếu là miễn phí |
| Khoảng tín dụng mỗi đoạn phim | 220 cho một đoạn 768p dài 4 giây, 1.350 cho một đoạn 2K dài 15 giây. Chất đầy với 15 giây video tham chiếu và 9 ảnh tham chiếu, một yêu cầu 2K chạm trần ở 2.820 |
| Hủy tác vụ | Tác vụ đã gửi không thể hủy |
| Tốc độ đo thực tế | Chúng tôi không đo — chúng tôi chưa chạy một phép đo chuẩn có bấm giờ nào trên mô hình này |
Ba bước từ ô prompt trống tới một clip hoàn chỉnh.
Mở bộ chọn mô hình và chọn MiniMax H3. Bảng thông tin hiển thị mức credits, các tùy chọn độ phân giải và giới hạn thời lượng trước khi bạn tiêu bất kỳ credits nào.
Viết chủ thể, hành động và cách máy quay chuyển động. Đính kèm khung hình đầu nếu bạn muốn clip bắt đầu từ một bức ảnh cụ thể.
Tải clip về, kéo dài nó, hoặc đưa sang chỉnh sửa tiếp. Prompt, mô hình và thiết lập luôn đi kèm trong lịch sử của bạn.
Một tài khoản, trọn vẹn quy trình tạo ảnh và video.
Đưa bất kỳ ảnh tĩnh nào trở thành chuyển động, giọng nói và âm thanh trong vài giây.
Tạo các đoạn clip ngắn điện ảnh với âm thanh tích hợp sẵn từ prompt của bạn.
Mô tả ý tưởng của bạn: Ava chọn mô hình xếp hạng đấu trường, viết prompt và tạo.
Chạy MiniMax H3 bằng credits hằng ngày của gói miễn phí, hoặc nâng cấp để dùng mô hình cao cấp, tạo nhanh hơn và đầu ra 4K.
Hoàn hảo để bắt đầu
Thanh toán hằng năm · $240/năm
Thanh toán hằng năm · $380/năm
Diễn xuất nhân vật đậm chất điện ảnh và làm việc với tham chiếu đa phương thức — làm chuyển động khung hình đầu, giữ nhận diện từ ảnh tham chiếu, và diễn theo đoạn âm thanh được cung cấp với khẩu hình môi đồng bộ. Đầu ra dài 4–15 giây ở 768p hoặc 2K kèm âm thanh gốc.
55 tín dụng mỗi giây đầu ra ở 768p và 90 ở 2K, nên một clip 768p dài 4 giây là 220 tín dụng. Số giây đầu vào của video tham chiếu tính cùng mức giá; ảnh tham chiếu vượt quá 5 tấm cộng thêm 30 tín dụng mỗi tấm; âm thanh tham chiếu miễn phí. Tổng chi phí chính xác được hiển thị trước khi bạn tạo.
Có — H3 chính là model mà MiniMax đưa vào sản phẩm video Hailuo của họ. Trên CreateVision AI, bạn chạy nó trực tiếp trong trình duyệt mà không cần tài khoản MiniMax hay API key.
Tối đa 9 ảnh, 3 đoạn video (mỗi đoạn 2–15 giây, tổng cộng 15 giây) và 3 đoạn âm thanh, nhiều nhất 12 tài nguyên tổng cộng. Gọi chúng trong prompt theo thứ tự: "Image 1", "Video 1", "Audio 1".
Số giây nguyên từ 4 đến 15, ở 768p hoặc 2K. Chế độ văn bản và tham chiếu có 16:9, 21:9, 4:3, 1:1, 3:4 và 9:16 (chế độ tham chiếu còn có thể tự thích ứng); ảnh-thành-video theo tỷ lệ của khung hình đầu bạn đưa vào.
Không. H3 tạo âm thanh bản địa ở mọi lần chạy và không có nút chuyển cho nó, nên mức giá bạn thấy là mức giá duy nhất. Nếu bạn cần một cảnh câm, bạn có thể tắt tiếng khi dựng phim, hoặc chọn một mô hình có âm thanh tùy chọn — Kling 3.0 để tắt tiếng theo mặc định.
H3 là lựa chọn đáng giá hơn cho các cảnh nhân vật và thoại dài 4–15 giây. Seedance 2.5 lên tới 30 giây và nhận nhiều tài nguyên tham chiếu hơn hẳn mỗi yêu cầu, với giá mỗi giây cao hơn. Để phác thảo giá rẻ, Seedance 2.0 Mini vẫn là lựa chọn tiết kiệm.
Công cụ một chạm cho mọi việc quanh khâu tạo — chỉnh sửa, đổi phong cách, chia sẻ.
