MiniMax H3 AI 视频生成器

MiniMax H3 是 MiniMax 推出的多模态 AI 视频生成模型。它能把文本、图片、视频片段和音频参考理解成同一个创作上下文，生成带原生立体声的短视频，而不是只输出一段无声画面。

是的。海螺 03、Hailuo 03、Hailuo 3 都是在说同一代 MiniMax H3 视频生成能力。这个页面统一使用 MiniMax H3 名称，但很多用户也会用海螺 03 来搜索它。

先选择文生视频、图生视频或参考生视频。写好提示词，按模式上传首帧、尾帧或参考素材，再选择时长、分辨率和可用的画幅比例，提交后即可在浏览器里预览并下载 MP4。

可以。图生视频是 MiniMax H3 的核心流程之一。上传一张图片作为首帧即可让静图动起来；如果想控制结束画面，可以再添加尾帧。商品图、人像、海报、插画和概念图都适合这样处理。

参考模式最多支持 9 张图片、3 段视频和 3 段音频。至少需要 1 张参考图。视频和音频单段 2-15 秒，同一种媒体总时长不超过 15 秒。参考音频不能单独使用，需要搭配图片或视频参考。

图片支持 JPEG、PNG、WEBP、BMP、TIFF 和 GIF。参考视频支持 MP4、MOV，参考音频支持 MP3、WAV。单个视频文件不超过 50MB，单个音频文件不超过 15MB。

会。声音是生成结果的一部分。MiniMax H3 会随画面生成立体声，包括环境声、音效、音乐氛围，以及提示词需要时的对白节奏。当前接入没有单独关闭声音的开关。

当前生成器支持 768p 和 2K。调提示词时建议先用 768p，速度和成本都更适合试错；定稿或需要更清晰细节时再切到 2K。生成前按钮会显示对应积分。

单次可以生成 4-15 秒之间的整秒视频。短片适合测试想法，较长片段适合商品动态、社媒广告、电影感镜头和分镜预览。

文生视频和参考生视频支持 21:9、16:9、4:3、1:1、3:4、9:16。图生视频的画幅跟随上传图片，所以这一模式下不需要单独选择比例。

MiniMax H3 按秒计费。768p 每秒 20 积分，2K 每秒 32 积分，所以一条 4 秒 768p 视频是 80 积分。生成按钮会在提交前显示精确数值，生成失败会退还已冻结积分。

大多数任务需要几分钟。分辨率越高、时长越长、参考素材越多，等待时间通常越长。提交后页面会继续轮询，保持标签页打开，稍后回来查看结果即可。

像导演写分镜一样写：主体、动作、镜头运动、节奏、光线、时间、视觉风格和声音。比如“缓慢推近、雨点打在玻璃上、低饱和霓虹侧光”通常比一句“电影感大片”更稳定。

它更适合短而明确的镜头：社媒广告、商品动态展示、游戏概念、角色短片、风格化动画、电影分镜、发布预热视频，以及需要图片、动作和声音统一起来的参考生视频。

区别在于工作流更完整。MiniMax H3 可以同时理解文本、图片、视频和音频参考，并且把声音和画面一起生成。很多工具只擅长其中一部分，而 H3 更适合需要视觉方向和声音方向同时成立的短片。

不需要。你可以用自然语言提示词和几个输出设置开始生成。写得越具体控制越强，但第一次使用不需要时间线、关键帧，也不需要安装剪辑软件。

生成结果可以用于商业项目，但发布前仍然要逐条复核。尤其要检查品牌文字、商品细节、肖像权、版权敏感素材，以及投放平台本身的规则。

先从简单镜头开始：一个主体、一个动作、一个镜头运动，选择较短时长和 768p。方向对了以后，再加入参考图或参考媒体，延长时长，并切到 2K 输出最终版本。