多模態影片生成 · 4～15 秒 · 768P 或 2K
從文字、首張或末張影格，以及圖片、影片、音訊參考開始。在一個獨立的網頁工作區裡，導出 24 FPS、內含 32 kHz 立體聲原生音訊的影片。
獨立服務。與 MiniMax 或任何模型擁有者皆無隸屬、背書或贊助關係。
MiniMax H3 指南 / 2026 年 8 月 5 日校對
MiniMax H3 AI 是一套能同時理解文字、圖片、影片與音訊脈絡的多模態影片生成流程。 你可以用開放式提示詞、首張或末張影格，或是一組結構化的視覺與聲音參考，產生 4～15 秒、768P 或 2K、24 FPS，並內含 32 kHz 立體聲原生音訊的片段。
當構圖可以自己發明時就用文字。好的提示詞讀起來像分鏡指示：主體、動作、環境、鏡位與運鏡、光線、節奏，以及最重要的那個聲音。必須守住的連續性條件要寫在裝飾性風格之前。六種固定畫面比例涵蓋寬螢幕、橫式、方形與直式，片長則是 4 到 15 秒之間的任一整數秒。
這條路徑適合概念探索、社群開頭鉤子、氣氛插入鏡頭、商品鏡頭與電影感 B-roll。因為沒有上傳素材可以掩護，它同時也是最乾淨的測試方式：你能直接看出模型有沒有讀懂那段文字。多產幾個版本、把設定記下來，然後用「實際可用的秒數」來挑，而不是挑縮圖最好看的那個。
照片動態化至少需要一張首影格或末影格；當一段轉場需要兩個定位點時，兩張都給也可以。影格決定構圖，所以這個模式不會另外送出畫面比例參數。你要描述的是時間軸上的變化：運鏡移動、身體動作、環境反應、時間點，以及哪些東西必須保持不動。把畫面上看得到的細節再寫一遍，只會浪費提示詞空間並製造衝突。
首影格適合讓主視覺、商品照、插畫或一格分鏡動起來；末影格則多用在揭露與變形這種需要控制「終點」的鏡頭。由於影格模式與參考模式互斥，上傳檔案之前先決定：這顆鏡頭要的是終點構圖，還是更廣的人物一致性與動態脈絡。
參考模式最多接受 9 張圖片、3 支影片與 3 段音訊，合計 12 個檔案。影片與音訊各自需在 2 到 15 秒之間，同一類媒體的總長度也不得超過 15 秒。音訊不能單獨作為唯一參考，請至少搭配一張圖片或一支影片。每個檔案只負責一件事：一張定人物、一張定服裝、一張定場景；短影片示範運鏡律動或表演節拍，音訊則交代時間點、空間感與音色。檔案不是越多越好，重複或互相矛盾的參考要拿掉，並在提示詞裡講明哪個屬性取自哪個來源。
快速探索用 768P，需要檢視材質、髮絲、環境細節或交付尺寸較大時再用 2K。解析度救不了鬆散的構圖或不穩的動作，先用便宜的設定把方向確定下來比較划算。費用會依輸出片長、參考影片長度，以及第六張起的圖片計算，畫面上的估算只是參考，伺服器會依上傳檔案的中繼資料重新計價。原生音訊是與畫面一起產生的，寫聲音時請寫成物理指示：距離、質地、時間點、空間殘響、一次同步的撞擊，或一句短台詞。發布前務必確認發音、對嘴、破音、非預期的配樂、左右聲道平衡與授權狀態。
電商短影音。 在正式開拍之前先試商品揭露、材質特寫與直式開頭鉤子。商標、包裝文字、售價與法規標示請在剪輯階段確定加上。
社群素材與廣告初稿。 短時間內把幾個方向並排比較，用參考素材統一調性，讓內部討論不必只憑感覺。
角色與品牌識別鏡頭。 用正面與側面參考圖維持同一個人物，再產生轉身、走位等鏡頭。參考素材請只使用已取得授權的自有檔案。
光看模型名稱回答不了製作需求。我們以英文撰寫的實測比較 MiniMax H3 vs Seedance 2 與 MiniMax H3 vs Flux 3 Video區分了已公開的能力與未知數，並附上動態、參考、音訊、片長與「每顆可用鏡頭成本」的可重複測試方法。
構圖可以自由發揮就用文字，起點或終點已經確定就用影格，人物、動作或聲音需要具體依據時再用多模態參考。
先寫主體與動作，再補環境、運鏡路徑、光線、節奏、必須維持的連續性條件，以及一兩個關鍵聲音。有優先順序的提示詞，效果遠勝一長串形容詞。不想出現的元素請寫成否定句。
一次只選一種輸入方式。起點或終點構圖已經確定就用影格；人物一致性、動作、節奏或氛圍用檔案比用文字更準時，就改用參考模式。兩者在同一次請求中不能並用。
檢查提示詞是否被吃進去、肢體與物件有無崩壞、運鏡是否連續、實際可用的秒數，以及聲音是否對得上。留下有效的設定，下一次只改一個變數，讓每次產生都在回答一個具體問題。
選一種輸入方式，設定 4～15 秒與 768P 或 2K，產生後到「我的作品」檢視結果。
依照輸出解析度、片長、參考影片秒數與製作量挑選方案。
Billed $238.80 yearly
Billed $418.80 yearly
Billed $898.80 yearly
Included models
Ideogram 4
Z-Image Turbo
Grok Imagine Image
Nano BananaNano Banana ProNano Banana 2
GPT Image 2
Seedream 5.0 LiteSeedream 4.5
MiniMax H3Seedance 2.0Seedance 2.0 FastSeedance 2.0 MiniSeedance 2.5Coming SoonGet Early BirdSeedance 1.5 ProGrok Imagine Video
Gemini Omni FlashVeo 3.1 QualityVeo 3.1 LiteVeo 3.1 FastWan 2.7Wan 2.6Wan 2.5Credits activate instantly for MiniMax H3 generation workflows.
商用權利依你選擇的付費方案、本站服務條款，以及上游模型供應商的規範而定。用體驗額度做出來的成品，建議先確認付費方案條件再放到廣告或銷售頁。商標、售價、成分與法規標示這類不能出錯的資訊，請在後製階段用剪輯軟體確定加上，不要交給模型生成。
以本站付費方案產出的影片不會加上平台浮水印。若你在提示詞或參考檔案中帶入了含浮水印的素材，模型可能會把那個視覺特徵一起學進畫面，這種情況要換掉參考素材，而不是靠後製塗掉。
可以。重點不在語言，而在拆解的細緻度：先寫主體與動作，再補環境、鏡位與運鏡、光線、節奏、必須維持不變的條件，最後只挑一兩個關鍵聲音。整段堆形容詞的效果，遠不如把優先順序寫清楚。不想出現的元素請直接寫成否定句。
文字生成影片適合構圖可以從零開始的情況，六種固定畫面比例涵蓋橫式、方形與直式。照片動態化（首尾影格）則是先給定起點或終點畫面，讓模型只負責時間軸上的變化，構圖由你那張圖決定，所以這個模式不會另外送出畫面比例參數。兩者在同一次請求中不能與多模態參考同時使用。
2K 指的是輸出解析度，適合要檢視布料、髮絲、材質與環境細節的鏡頭。原生音訊指的是畫面與聲音一起產生，而不是事後貼上音軌。要注意「原生」講的是產生方式，不保證發音、對嘴、音量平衡達到成品水準，發布前一定要整段看完聽完。
不是。本站是獨立的 AI 生成服務，與 MiniMax、ByteDance、Black Forest Labs、Flux 或任何模型擁有者皆無隸屬、背書或贊助關係。你的帳號、點數、帳務、檔案與客服都由本站提供。
