用 MiniMax H3 一次生成画面与声音。
MiniMax H3 是海螺 AI 主推的模型，社区通常把它叫作 Hailuo 3.0。它把文本、图片、视频和音频读作同一份上下文，在同一次生成里产出画面和 32kHz 立体声，并且能对你已有的素材下编辑指令。
本页的能力与规格来自 MiniMax 的 H3 公告、开放平台定价页与海螺 AI 产品站。价格与授权条款由厂商设定，随时可能调整。
MiniMax H3 能生成什么
这些画面是 MiniMax 随模型一起公开的 H3 官方输出。这组图异常偏文字排版——几乎每张都压着大字，而文字正是渲染里最容易崩掉的部分。
示例图版权归 MiniMax 所有，此处署名并链回原页： MiniMax H3 公告
MiniMax 自己怎么描述 H3
MiniMax 把 H3 定位成「全模态系统」而不是一个文生视频模型：它把文本、图片、视频和音频读作同一份上下文，直接产出完整的视听场景。这套说法由四点支撑。
一份上下文，四种模态
一次请求最多可以带 12 个文件——9 张图、3 段视频、3 段音频——每个参考都要声明用途：这张图锁定人脸，这段视频是动作参考，这条音轨定节奏。
声音是生成出来的，不是后加的
每条输出都带原生 32kHz 立体声，含口型同步的对白、室内底噪与音效，与画面同一次产出，而不是后期补录。MiniMax 称稳定支持 11 种语言的对白，另有若干语言以不同完成度支持。
两条进入镜头的路
FL2VA 检查点接受零张、一张或两张图：零张是文生视频，一张是首帧或尾帧，两张则在首尾帧之间补全。Ref2VA 检查点则是全能参考那条路。
官方自己写明的限制
单次生成 4 至 15 秒、24fps，默认短边 768 像素；2K 需要把 768p 的结果再交给 H3-Regenerate-2K 重生成，而不是直接生成 2K。只有 H3-Base 开源，上下文环节与重生成环节仍是托管服务。
H3 主打的能力
以下是 MiniMax 为 H3 写明的几种模式，按官方自己的说法。
文本生成音画
FL2VA 检查点可以只用文字生成，完全不带参考素材。
首帧与尾帧
给一张图可以做首帧或尾帧生成；给两张则在两者之间补全。这个模式下模型不会自己加切镜。
全能参考
Ref2VA 检查点把最多 9 张图、3 段视频和 3 段音频融进同一条提示词。音频不能单独作为输入，必须与图片或视频一起给。
原生立体声
对白连同口型、室内底噪与音效随画面一起生成，稳定覆盖 11 种语言；MiniMax 称另有约 40 种可经派生实现。
编辑你手上的素材
MiniMax 自己的参考模式示例直接编辑已有镜头——让主体重新动起来说出一句给定的台词，其余部分保持原样。官方没有为编辑单列档位或价格。
官方公布的规格
下表每一行都出自 MiniMax 的 H3 公告或其按量付费定价页。
- 开发商
- MiniMax
- 当前模型
- MiniMax H3
- 另有
- H3 Max，仅支持文生视频与图生视频
- 输出时长
- 4 至 15 秒
- 帧率
- 24fps
- 画幅
- 21:9、16:9、4:3、1:1、3:4、9:16
- 分辨率
- 默认短边 768 像素；2K 由重生成得到
- 音频
- 32kHz 立体声，随画面一同生成
- 对白语言
- 稳定 11 种：阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语
- 参考输入
- 最多 9 张图、3 段视频、3 段音频；文件总数上限 12
- 参考素材时长
- 每段 2 至 15 秒；视频与音频合计不超过 15 秒
- 开放权重
- 仅 H3-Base，适用 MiniMax H3 社区许可协议
官方公布的接入渠道
H3 以托管服务为主，其中一部分可以下载。这两条路与托管侧的定价 MiniMax 都已公开。
海螺 AI
提供 H3 与 H3 Max 的消费级产品，图像工具与智能体模式也在这里。
打开MiniMax H3 公告
厂商自己发布的模型说明，覆盖架构、三段式系统与开源部分。
打开开放平台定价
MiniMax-H3、MiniMax-H3-Max 与 H3-Regenerate-2K 的按量付费价格表，含参考素材的计费方式。
打开Hugging Face 权重
H3-Base 以 MiniMaxAI/MiniMax-H3 发布，适用 MiniMax H3 社区许可协议。该协议含地区限制，商用前请先读。
打开第三方平台
H3 也通过第三方创作平台提供。模型是同一个，可用性、排队时间与商务条款则适用对方自己的。
关于 MiniMax H3
MiniMax H3 和 Hailuo 3.0 是同一个模型吗？
是。MiniMax 是公司，海螺（Hailuo）是它的消费级视频品牌，H3 是模型的第三代。API 模型 ID 为 MiniMax-H3。
H3 会自己生成音频吗？
会。每条输出都带与画面一同生成的 32kHz 立体声，含口型同步的对白。MiniMax 称稳定支持 11 种语言，另有若干语言以不同完成度支持。
单条 H3 视频最长多久？
4 至 15 秒、24fps。更长的序列靠分段生成与延展拼出来；你喂进去的参考视频与参考音频各自合计不超过 15 秒。
H3 实际输出什么分辨率？
MiniMax 默认把短边设为 768 像素。2K 是把 768p 的结果再交给 H3-Regenerate-2K 重生成得到的，而不是直接生成 2K。
H3 的权重开源吗？
只有 H3-Base 开源。MiniMax 以 MiniMax H3 社区许可协议发布，这不是宽松的开源许可，且含地区限制。H3-Context-IR 与 H3-Regenerate-2K 未开源，只在托管侧提供。
H3 的 API 怎么收费？
官方公布的原价为 768P 每秒 0.08 美元、2K 每秒 0.13 美元；H3 Max 为 480P 每秒 0.05 美元、768P 每秒 0.08 美元，768P 升 2K 的重生成为每秒 0.05 美元。参考音频免费，参考图前 5 张免费、之后每张 0.04 美元。
H3 能改我已有的素材吗？
MiniMax 的参考模式示例是直接编辑用户提供的素材，而不只是生成新场景——替换主体、招牌或一句台词。官方没有单独卖编辑能力，也没有单独的编辑价格档，按一次生成来算。