Minimax H3 AI 视频生成器

Minimax H3 是 MiniMax 在 2026 年 7 月 30 日发布的视频模型，也是 Hailuo（海螺）系列的最新一代。相比 Hailuo 2.3，它主要多了四件事：原生 2K 输出，随画面一起生成的立体声音频，用一句话改画面的指令编辑，以及文本、图片、视频、音频都能当参考的多模态输入。换句话说，上一代要靠三个工具接力完成的活，H3 一次生成就交付。本站与 MiniMax 官方无关，我们只是把 Minimax H3 AI 模型接进浏览器，让你不用配环境就能用。如果你之前用的是 Hailuo 2.3，迁移过来基本不用改工作流：提示词写法一致，只是多了音频和 2K 两个默认项。

MiniMax 已宣布计划以自有社区许可发布 Minimax H3 权重，该许可允许小型组织在标注来源的前提下商用。不过截至撰写时，发布尚未确认。如果你在搜 minimax h3 开源、minimax-h3 权重，或者 Hugging Face 下载，正确的做法是盯住官方 MiniMaxAI 组织页面，而不是第三方转载的镜像。本站不提供权重下载，我们提供的是浏览器里可直接调用的推理服务。另外提醒一句，社区许可和标准开源许可不是一回事，商用前先把授权条款读一遍。

在 Artificial Analysis 的视频榜单上，Minimax H3 AI 模型在带音频的视频编辑类目排名全球第一，带音频的文生视频排名第二，图生视频排名第三。需要提醒的是，这类榜单随新模型上线不断变动。请把 Artificial Analysis 官网当作实时来源，本页只是撰写当时的快照。榜单反映的是通用评测口径；具体到你的题材和镜头，还是建议自己跑几条对比。如果你关心的是特定题材，比如人像、产品或者动画，建议直接看榜单里的分项，而不是只看总排名。

Minimax H3 以 2560x1440、24fps 渲染原生 2K，单条片段大约 5 到 15 秒。这里的 2K 来自模型本身，不是后期放大器补出来的。所以产品上的细小文字、头发丝、织物纹理这些高频细节，能在渲染中保留下来。需要更长的成片时，常见做法是按分镜逐条生成再拼接，而不是把单条硬拉长。帧率固定在 24fps，这是电影感的常用值。如果投放渠道要求 30fps 或 60fps，需要在后期做一次转换。

是的。对白、音效、环境声与画面在同一次生成中写入，返回时已经同步，省掉常规的配音和对轨步骤。这也是 Minimax H3 AI 模型能在音视频编辑类目排到第一的原因：声音不是事后配上去的，而是和画面一起被模型规划出来的。所以脚步声、环境混响、口型的时间点，天然就对得上。如果你要的是纯画面、后期自己配乐，直接忽略输出里的音轨就行，不影响画面质量。

Hailuo AI（海螺 AI）是 MiniMax 视频模型这条产品线的名字，Minimax H3 是其中最新的一代。所以你在网上看到的 minimax hailuo、hailuo h3、minimaxai 这些写法，指的都是同一个谱系，H3 是当前的前沿版本。搜索时用哪个词都能找到相关内容，只是版本对应关系要看清楚：H3 才是带原生 2K 和同步音频的那一代。另外，海螺 AI 官方站点和本站是两个入口，账号和积分并不互通。

不是同一条产品线。M3 和 M3 Pro 是 MiniMax 的文本与智能体语言模型，处理的是对话、推理和工具调用；Minimax H3 是视频模型，处理的是画面和声音。如果你在找 minimax m3 pro 的跑分或 API 文档，需要的是语言模型那边的资料，而不是这个 Minimax H3 AI 视频生成器。两条线的文档入口和计费口径，也各自独立。简单记一下：M 开头是语言模型，H 开头是视频模型。

不需要。在本站注册一个账号，就能直接运行 Minimax H3 AI 视频生成器。不用申请密钥，不用配置环境，也不用自己处理排队和重试。MiniMax API 和 MiniMax Hub 是官方的开发者通道；如果你要把生成能力接进自己的产品或流水线，那条路仍然是对的选择。如果只是要出片，本站更省事。两条路也可以并行：先在本站验证效果，确认可用之后，再决定要不要走 API 接入。

新账号注册即送免费积分，不需要绑卡，足够你先跑几条片子判断效果，再决定要不要付费。MiniMax 官方表示，H3 的 2K 生成成本约为同类模型的三分之一。本站的付费套餐，以及每条片子消耗多少积分，都列在价格页面上。按量计费，没有强制订阅。具体的积分规则以价格页面为准，购买前建议先看一遍。

本站的付费套餐覆盖广告、电商、产品设计和游戏等商业用途，这些也正是 MiniMax 为该模型设定的目标场景。需要你自己把关的是输入端：任何作为参考上传的素材、品牌资产或人物肖像，都要先确认你握有相应授权。输出能不能用，最终取决于你喂进去的是什么。如果你所在的行业有额外的广告审查要求，比如医疗、金融或者教育，建议在投放前再走一次内部合规流程。

几家都在做视频生成，但侧重点不同。按 Artificial Analysis 的公开榜单，Minimax H3 AI 模型在带音频的视频编辑上排第一，带音频的文生视频第二，图生视频第三。H3 的差异化主要是三点：2K 是原生输出而非后期放大，声音与画面同轨生成，以及可以用一句话做局部指令编辑。榜单会随版本更新变动。真要选型，建议拿你自己的分镜脚本，各家各跑一条再比。另外，不同模型的强项分布不一样：有的擅长长镜头，有的擅长人物表情。选型时，最好结合你最常拍的题材来判断。

先说清主体，再说镜头怎么动，最后交代光线和氛围，这个顺序最不容易跑偏。比如「一位穿米色风衣的女性走过雨后街道，镜头缓慢跟随右移，霓虹反射在积水上」，就比「一个很酷的城市镜头」有用得多。如果对运动有明确要求，直接上传一段参考片段做运动迁移，比用文字描述更准。生成完还想微调，用指令编辑改局部，不必整条重来。还有一点，与其堆形容词，不如把镜头语言写清楚。推、拉、摇、跟，这些词模型理解得更准。

看你手上有什么。只有一个想法、还没有视觉稿，就用文生视频，让 Minimax H3 AI 模型从零搭画面，自由度最高。已经有产品图、人像或概念稿，就用图生视频：人物的脸、配色、构图都会被保留下来，模型只负责让它动。做品牌内容时，第二条路通常更稳，因为视觉基调已经被你锁死了。两条路也能接起来用：先用文生视频出几版构图，挑中一版截图，再转成图生视频细化。

挑运动清楚、主体明确的片段，效果最好。镜头晃得厉害、主体被大面积遮挡，或者一个片段里塞了好几种运动，模型就不容易判断你想迁移的到底是哪一段动作。理想的参考是：一个主体，一种运动，时长跟你的目标片段接近。另外记得确认你对这段素材有使用权。如果参考片段本身抖得厉害，建议先做一次稳定处理再上传。

责任在上传方。任何真人照片、演员形象或有辨识度的品牌资产，你都需要先拿到本人或权利方的授权，再上传到 Minimax H3 AI 视频生成器。模型不会替你判断素材来源是否合规。用于广告投放时，这一步尤其重要：平台方通常会要求你出示肖像授权和素材来源说明。团队协作时，建议把授权文件和素材放在一起归档，方便后续复用和追溯。

先看是内容不对，还是运动不对。内容不对，就把提示词写得更具体：主体的外观、所处环境、光线方向，能写多细写多细。运动不对，就别再靠文字硬描述，直接上传一段参考片段做迁移。如果整体都还行，只有局部不满意，用指令编辑改那一块就够了，不必整条重新生成，也不会浪费积分。如果连着几次都不理想，回头检查提示词里有没有互相矛盾的要求，比如同时要「静止构图」和「快速运镜」。

可以，中文和英文都能写。实际使用时，两种写法各有各的顺手之处：中文描述情绪和场景往往更自然，英文在描述专业运镜术语时更精确。如果你发现某个概念用中文写出来结果不稳定，不妨把那一句换成英文再试一次，反过来也一样。同一条提示词里中英混用，模型同样能理解，不必强求统一。

最稳的做法是走图生视频：先确定一张角色定妆图，之后每条片子都用这张图作为输入。Minimax H3 AI 模型会保留脸部、发型、服装和配色，你只需要用提示词交代这一条里的动作和场景。如果全程用文生视频，即使提示词写得再细，跨条的一致性也很难保证。系列内容、品牌代言人、动画角色，都建议按第一种方式来。

可以。原生 2K、24fps 的成片，主流平台都能接收。需要注意的是画幅：竖屏内容按 9:16 生成，横屏按 16:9，投放前对一下目标平台的推荐规格，能避免二次裁切造成的构图损失。片长方面，5 到 15 秒适合信息流和前贴片；需要更长的成片，就按分镜逐条生成再拼。

多数情况有三个来源。一是提示词里动作描述太笼统，模型只能自己猜；二是运动幅度要求过大，超出了单条片段能承载的范围；三是参考图本身分辨率低或者主体被遮挡。对应的处理办法是：把动作拆细写清楚，把大幅运动分成两条来做，以及换一张更清楚的参考图。如果只是局部有问题，用指令编辑改那一块，比整条重做更划算。