MiniMax H3 AI 视频生成器

MiniMax 的旗舰视频模型可生成自带原生音频的 4–15 秒视频，768p 或 2K，可由文字、首帧图驱动，也可以混合图像、视频、音频参考——无需 API key，无需另开账号。

驱动一个镜头的三种方式

纯提示词创作用文生视频，让首帧动起来用图生视频，野心更大的需求用参考生视频：单次请求最多 9 张图、3 段视频、3 条音轨，在提示词里按 "Image 1"、"Video 1"、"Audio 1" 引用。可以替换视频里的人物、保留照片里的脸，或用一段配音驱动台词。

音频驱动的表演

H3 输出的视频自带原生音频，在参考模式下还能口型同步地演绎你提供的配音——给它一张人像和一段音频，再描述表演方式即可。参考音频免费，只有视频参考才会计入付费的输入秒数。

768p 打草稿，2K 出成片

两档输出、按秒计价、生成前可见：768p 每秒 55 积分，2K 每秒 90 积分。4 秒的 768p 草稿是 220 积分；运动效果满意后，用同一份需求以 2K 重跑出交付版。画面比例六种，从 9:16 竖屏到 21:9 超宽幅。

长提示词，逐句照办

H3 支持最长 7,000 字符的提示词，足以一次写清镜头运动、走位、服装和氛围。每次生成都会把完整提示词和参数存入历史记录——这周跑通的镜头，下周照样能复现。

• 任何要用手头已有素材拼一个镜头的人

  一次请求九张图、三段视频、三条音轨，在提示词里按顺序指代。这足够在一次生成里同时保住一张照片里的脸、另一张里的场景，和一段录音里的声音。

• 需要超过八秒的人

  Veo 两个档位都停在八秒。H3 能跑到十五秒，任意整秒，统一的每秒费率——所以片长是个直截了当的决定，而不是在套餐之间跳。

• 对白和表演类的活

  在参考模式下，它会把你提供的语音演出来，口型同步，而参考音频本身不收费。在提示词里描述念白的方式，就像你给演员说戏一样。

• 用 768p 打草稿，用 2K 交片

  两个档位，各一个统一费率，同一条提示词。先用便宜的档把运动跑通，然后用完全相同的指令在 2K 重跑一遍，作为交出去的版本。

• 不适合：无声底片、4K 母版，或者任何你可能想跑到一半取消的活

  音频没有关闭开关，档位到 2K 为止，任务一旦提交就会跑完。需要无声片，Kling 3.0 默认不开声音；需要 4K，Veo 两个档位和 Kling 3.0 都有这一档。

本表中的分辨率、片长和每一个积分数字，都是 2026 年 8 月 20 日从我们自己的模型注册表读出来的——就是给你的生成计价的那套每秒费率表，不是厂商的营销页。费率按输出秒数计，所以要乘上你选的片长；在 H3 上，参考视频的输入秒数按同一费率加进这个秒数里。分辨率的行之所以拆开，是因为 H3 提供 768p 和 2K，而另外三个提供 720p、1080p 和 4K——某个模型不卖的档位标成“没有这一档”，而不是拿个相近的数字填上。我们没测过的格子会直说。

1. 1

   选择 MiniMax H3

   打开模型选择器，选择 MiniMax H3。在你花掉任何积分之前，面板就会显示它的积分费用、分辨率选项与时长上限。

2. 2

   描述你想要的画面

   写清主体、动作，以及镜头怎么运动。想让片子从某张图开始，就附上首帧。

3. 3

   生成之后，继续往下做

   下载成片、延长它，或送去进一步编辑。提示词、模型与设置都会一同保存在你的历史记录里。