MiniMax H3 AI 视频生成器
从一句提示词、首尾关键帧，或一组图片、视频与音频参考出发，生成画面连贯、带原生立体声音频的视频。支持 4-15 秒、768P 与 2K。
模型
通常 1-5 分钟
石砌隧道里的萨克斯5 秒 · 16:9 · 768P · 有声
MiniMax H3 写法提示
把场景、运镜和声音一起写清楚。“多模态参考”模式下可以加入产品图、视频片段或音乐，并说明每一项怎么用。
作品示例
MiniMax H3 实拍效果
通过这些示例看看 MiniMax H3 能生成什么
石砌隧道里的萨克斯
夜晚，一位街头乐手在石桥下吹萨克斯，暖黄的路灯照在湿漉漉的鹅卵石上，镜头缓慢推近。深情的旋律在拱洞下回荡，细雨飘落。
一张参考图做产品片
参考图里的鼠尾草绿耳机放在柔和绿色影棚里的圆形展台上。镜头缓慢环绕，随后一只手把耳机从展台上拿起。背景是一段舒缓的贝斯旋律。
更多视频模型
MiniMax H3 也叫海螺 03，是一款多模态 AI 视频模型，可以从文字、首尾帧，或图片、视频、音频混合参考中同时生成视频与原生立体声音频。
文生视频直接根据提示词创作；首尾帧模式需要一张首帧，可选一张尾帧；多模态参考模式最多支持 9 张图片、3 个视频和 3 个音频。
支持生成 4-15 秒视频，可选 768P 或 2K。文生和参考模式支持多种宽高比，首尾帧模式会遵循上传图片的构图。
768P 每秒 32 积分，2K 每秒 51 积分。参考视频的时长会与生成时长相加。前 5 张参考图片免费，之后每张 16 积分；参考音频免费。
可以。首帧用于确定开场画面，尾帧为可选项，用于引导结束构图和中间过渡。
请明确每个素材的作用：哪张图控制人物或产品，哪段视频参考动作或运镜，哪段音频参考声音、音乐或节奏。
会。MiniMax H3 会随视频生成原生立体声音频。你可以在提示词中描述对白、环境声、音乐与音效；上传参考音频不会额外消耗积分。