# MiniMax H3 (Hailuo H3)：MiniMax 视频模型能做什么 — 2K、立体声与 12 个参考

> MiniMax H3 是中国公司 MiniMax 于 2026 年 7 月 31 日发布的视频模型。它生成 4–15 秒、768p 或 2K、带立体声的视频，最多接受 12 个参考（图片、视频和音频），并为角色对白配音。权重于 2026 年 8 月 3 日开放，Arena 排名第 8。MiniMax H3 已在 AI2Face 生成器中可用。

开发者: MiniMax · 发布时间: 2026-07-31 · 更新于 2026-10-28
URL: https://ai2face.com/zh/models/minimax-h3

## 关键信息

| | |
|---|---|
| 开发方 | MiniMax（上海）；H3 Max 与 fal.ai 合作 |
| 发布日期 | 2026 年 7 月 31 日；权重于 2026 年 8 月 3 日开放 |
| 时长 | 4–15 秒，步长 1 秒；每秒 24 帧 |
| 分辨率 | 768p；2K 需对同一条视频重新生成 |
| 声音 | 与画面一起生成的立体声——对白、音效、音乐 |
| 参考 | 最多 9 张图、3 段视频和 3 段音频，合计不超过 12 个文件 |
| 模式 | 文生视频、首帧和/或尾帧、参考 |
| 开放权重 | 330 亿参数，Hugging Face 与 ModelScope，许可 MiniMax H3 Community |
| API 价格 | 768p 每秒 0.08 美元，2K 每秒 0.13 美元 |
| 是否在 AI2Face | 是，在生成器中 |

## MiniMax H3 是什么

MiniMax H3 是中国公司 MiniMax 的视频模型，Hailuo AI 服务出自同一家公司。它于 2026 年 7 月 31 日发布，接替了 Hailuo 2.3，所以常被叫做海螺 3 或 Hailuo H3。整个系列的概览，以及和旧版 2.3 的对比，见 [海螺AI](/zh/models/hailuo) 页面。

MiniMax 把 H3 称为“通用多模态模型”。以前，文生视频、图生视频、动作迁移和配音要靠不同的模型。在 H3 里这是同一个模型：它理解文字、图像、视频和音频，并把画面和立体声一起生成出来。

2026 年 8 月 3 日，MiniMax 开放了 H3 的权重。核心是 330 亿参数的稠密 Transformer。其中约 130 亿可以预先算好，生成时不必载入。

在 2026 年 9 月 21 日的 Arena 榜上，H3 在 48 个视频模型里名列第 8，位于 Veo 3.1 和 Sora 2 Pro 之前。

## MiniMax H3 能做什么

**最长 15 秒、带声音的视频。** 时长 4 到 15 秒，按 1 秒递增，每秒 24 帧。对白、噪声和音乐与画面一起生成，立体声。

**2K 靠重新生成。** 基础分辨率是 768p。单独的 Regeneration 请求会拿成品视频和全部原始参考，重新生成一条 2K。MiniMax 强调这不是放大：模型会重新绘制小字、商品细节和画面结构。

**最多 12 个参考。** 在参考模式下，H3 接受：

- 最多 9 张图像；
- 最多 3 段视频，每段 2–15 秒，合计不超过 15 秒；
- 最多 3 段音频，时长限制相同。

文件总数不超过 12 个。参考视频决定动作或运镜，音频决定人声、歌曲或节奏。音频必须和图片或视频一起用。

![3×3 参考板：短发赤褐色、穿黄色雨衣的女生正面、侧面和背面，一把红伞，一辆绿色自行车，雨衣面料，湿街，条纹遮阳棚的咖啡馆，玻璃上的雨滴](https://ai2face.com/_astro/refs.DyroEu7F_1QPwoV.jpg "九张图是 H3 单次生成能接受的图像上限：角色三个角度、物件和地点。画面由 Nano Banana Pro 制作")

**首帧和尾帧。** 可以给一张图当开头、一张当结尾，或两张都给——模型会补上中间的运动。不给图，请求就变成文生视频。

![同一家街角面包店、同一机位：左边是黎明、卷帘门关着，右边是一小时后、门开了，屋里暖光，还有面包师](https://ai2face.com/_astro/first-last.D1amWmZH_1ElFnS.jpg "一对首帧和尾帧：卷帘门如何升起、灯如何亮起，由 H3 自己来接。画面由 Nano Banana Pro 制作")

**11 种语言的对白。** 引号里的台词，H3 会配音并与角色口型对齐。MiniMax 称稳定支持 11 种语言，其中包括俄语。

**画面里的文字和品牌。** MiniMax 把文字和品牌的准确绘制列为 H3 的主要强项之一，并直接对准广告、电商和动态海报。

![竖版广告画面：湿石上立着一瓶印有 FRESH LEMON 的柠檬汽水，周围柠檬片和冰块停在半空](https://ai2face.com/_astro/ad-frame.Ch8YKyNV_ZuaM8U.jpg "H3 广告的典型起始画面：带文字的商品，文字要在运动中保持住。画面由 Nano Banana Pro 制作")

**画幅：** 21:9、16:9、4:3、1:1、3:4 和 9:16；图生视频时按原图比例。

## MiniMax H3 的版本和价格

| | MiniMax H3 | H3 + Regeneration | MiniMax H3 Max |
|---|---|---|---|
| 谁做的 | MiniMax | MiniMax | fal.ai，基于 H3 |
| 分辨率 | 768p | 2K | 480p、768p |
| 时长 | 4–15 秒 | 与原片相同 | 5–15 秒 |
| 模式 | 文字、画面、参考、修改 | 重做已完成的视频 | 文字、图片、参考 |
| API 每秒价格 | 0.08 美元 | 在 768p 成片上加 0.05 美元，或直接 2K 为 0.13 美元 | 768p 为 0.08 美元，480p 为 0.05 美元 |
| 免费参考图 | 5 | — | 2 |

MiniMax 价目里还有更轻的版本：H3 Highspeed 在 768p 每秒 0.06 美元，H3 Lite 在 768p 每秒 0.04 美元、480p 每秒 0.025 美元。输入视频按其时长、同一费率计费，输入音频免费。

## MiniMax H3 适合什么

- **广告和电商** — 带文字的商品、标志、动态海报。
- **用照片做角色视频** — 9 张图足够稳住脸、衣服和物件。
- **动作迁移** — 参考视频决定角色的动作或镜头运动。
- **配歌短片** — 参考音频决定人声和节奏。
- **自己的服务器** — 开放权重可以在本地跑 H3；在 ComfyUI 里怎么做，见指南 [MiniMax H3在ComfyUI](/zh/blog/minimax-h3-comfyui)。

## MiniMax H3 和同类模型

| | MiniMax H3 | [Wan 3.0](/zh/models/wan-3-0) | [Kling 3.0](/zh/models/kling-3-0) | [Seedance 2.5](/zh/models/seedance-2-5) |
|---|---|---|---|---|
| 开发方 | MiniMax | Alibaba | Kuaishou | ByteDance Seed |
| 时长 | 4–15 秒 | 最长 30 秒 | 最长 15 秒 | 4–30 秒 |
| 最高分辨率 | 2K | 1080p | 4K | 1080p |
| 参考 | 9 张图、3 段视频、3 段音频 | 10 张图、5 段视频、5 段音频、一份文档 | 最多 7 张图或元素 | 最多 50 个文件 |
| 开放权重 | 有 | 无 | 无 | 无 |
| Arena 名次（2026-09-21） | 8 | 6 | — | 7 |
| 是否在 AI2Face | 有 | 有 | 有 | 有 |

H3 是 Arena 前十里唯一开放权重的模型，输入组合也最灵活：一次生成里可以同时有图片、视频和音频。要超过 15 秒，用 Wan 3.0 或 Seedance 2.5；要 4K，用 Kling 3.0。

## 怎样给 MiniMax H3 写提示词

1. **用平常的话写清输入和结果怎么对应。** MiniMax 直接建议这样做：“第一张照片里的女主角跟着音频唱，镜头像参考视频那样动。”
2. **加上镜头标记。** H3 能读 `[pan]`、`[zoom]` 和 `[static]` 这类标签，用它们规定运动，不必写很长的描述。
3. **对白放在引号里**，并写明谁在说。
4. **声音单独一句：** “声音：石板路上的雨、萨克斯、远处的电车。”
5. **别省字。** 提示词最长可以到 7000 个字符。

上面那块参考板的例子：

```
图片 1–3 里的女主角穿着黄色雨衣，骑着图片 5 的绿色自行车，
沿着图片 7 的湿石板路骑行，手里拿着图片 4 的红伞。她在图片 8 的咖啡馆停下，
摘下兜帽，对着镜头微笑：“终于到家了。”
[pan] 镜头从侧面跟着她，然后 [static] 切到特写。
声音：雨、轮胎摩擦、咖啡馆里轻柔的手风琴。
```

## 在 AI2Face 里使用 MiniMax H3

MiniMax H3 在 AI2Face 生成器里，和 [Wan 3.0](/zh/models/wan-3-0)、[Kling](/zh/models/kling)、[Veo 3.1](/zh/models/veo-3-1) 放在一起。

1. 注册账号，新账户会得到欢迎积分。
2. 打开生成器，切到视频，选择 MiniMax H3。
3. 上传画面或参考，写好提示词，选时长和分辨率。
4. 积分费用在开始前显示。套餐积分不会过期。可以用银行卡或加密货币支付。

参考可以在同一个生成器里准备——像本页这样的角色多角度图，用 [Nano Banana Pro](/zh/models/nano-banana-pro) 来做。

## 限制

- **一次生成 15 秒。** 更长只能拼接。
- **2K 是单独一步。** 先 768p，再重新生成。
- **H3 Max 没有 2K**，也没有短于 5 秒的视频。
- **音频参考不能单独使用**，必须和图片或视频一起。
- **文件限制：** 视频不超过 50 MB，图片不超过 30 MB，音频不超过 15 MB；图片边长 256 到 5760 像素，宽高比 2:5 到 5:2。
- **开放权重很重。** MiniMax 的运行示例按 4 张显卡来配，2K 这一步只通过 API 提供。
- **细部。** MiniMax 自己写过，有些场景的细节还可以再提高。

## 总结

要一条视频同时用上多种素材时，MiniMax H3 最合适：角色照片、带动作的视频和带人声的音频放进同一次生成，再加上真正的 2K 和立体声。它是 Arena 前十里唯一开放权重的模型，可以在自己的机器上跑。超过 15 秒用 [Wan 3.0](/zh/models/wan-3-0) 或 [Seedance 2.5](/zh/models/seedance-2-5)；要带角色元素的分镜，用 [Kling 3.0](/zh/models/kling-3-0)。这些模型都可以在 AI2Face 里用同一条提示词对比。

## 常见问题

### MiniMax H3 是什么？

中国公司 MiniMax 的视频模型，Hailuo 2.3 的后继，也常被叫做海螺 3。一个模型就能理解文字、图片、视频和音频，并生成最长 15 秒、2K、带立体声的视频。

### MiniMax H3 和 H3 Max 有什么不同？

H3 Max 是 fal.ai 在 H3 上继续训练的版本：更快，也更贴提示词，但只有 480p 和 768p，视频从 5 秒起。主版本 H3 能出 2K，并支持修改已有视频。

### MiniMax H3 怎样得到 2K？

先生成 768p，再用单独的 Regeneration 请求，结合原始参考把同一条视频重新生成到 2K。这不是放大：模型会重新绘制小字和细节。

### MiniMax H3 多少钱？

MiniMax API 中，768p 每秒 0.08 美元，2K 每秒 0.13 美元；把已完成的 768p 视频重新生成到 2K 是每秒 0.05 美元。每个任务有 5 张参考图免费，输入音频不计费。

### 可以下载 MiniMax H3 吗？

可以。权重在 Hugging Face 和 ModelScope 上，许可为 MiniMax H3 Community，但模型有 330 亿参数，MiniMax 的运行示例按 4 张显卡来配。2K 这一步没有开放下载。

### AI2Face 里有 MiniMax H3 吗？

有。MiniMax H3 在 AI2Face 生成器里，费用在开始前显示。

## 资料来源

- https://www.minimax.io/blog/minimax-h3
- https://www.minimax.io/news/minimax-h3-open-source
- https://platform.minimax.io/docs/guides/video-generation
- https://platform.minimax.io/docs/guides/pricing-paygo
- https://platform.minimax.io/docs/release-notes/models
- https://arena.ai/leaderboard/text-to-video