MiniMax H3

MiniMax H3（Hailuo 03）是 MiniMax 的视频模型：根据提示词及最多 9 张参考图像、3 段参考视频和 3 段参考音频，生成分辨率为 768p 和 2K、时长为 4 到 15 秒、原生带音频的视频。

价格

视频费用为时长乘以单价：一段 5 秒的 768p 视频费用为 $0.195。仅在视频交付后扣费。

支持的输入

• 提示词最多 7,000 字符。
• 最多 9 个 reference_images, 3 reference_videos 以及 3 段 reference_audio（MP3 或 WAV），可任意组合, 无需额外付费。参考视频总时长最多 15 秒，音频片段也一样。不支持 first_frame 或 last_frame：请将图片作为参考，并在提示词中描述视频如何开场。
• 时长为 4 到 15 秒，仅支持整数秒。
• 16:9, 9:16, 1:1, 4:3, 3:4 和 21:9. 用 aspect_ratio 设置宽高比；省略时默认为 16:9，不受参考图像影响。
• 始终生成声音。
• 768p 和 2K.

示例

{
  "model": "minimax-h3",
  "reference_images": ["https://example.com/presenter.jpg"],
  "reference_audio": ["https://example.com/voice.mp3"],
  "prompt": "The woman from the image holds up a serum bottle and says, in the voice from the audio: \"Two weeks with this serum and my skin is glowing.\" Handheld phone video.",
  "seconds": 8,
  "resolution": "768p",
  "aspect_ratio": "9:16"
}

提示词编写

• 说明每个参考素材的用途：“图像中的女性”、“视频中的动作”。
• 要让人物说话，请在提示词中用引号写出台词。reference_audio 中的语音片段决定人物的声音；不写台词时，模型会自行编造话语。
• 要将音乐片段用作配乐，请明确说明：“直接使用参考音频作为整段配乐，仅保留器乐，不要人声，不要画面文字”。否则，模型可能自行创作歌曲，还会加上歌词和字幕。
• 参考视频用于借鉴动作和运镜。

使用须知

• 生成视频通常需要两到五分钟；使用参考素材或生成 2K 视频耗时最长。
• 参考图像、视频和音频均已包含在价格中。
• 参考视频（MP4 或 MOV）和参考音频（MP3 或 WAV）的时长均须为 2 到 15 秒。不支持负面提示词或随机种子，且无法关闭声音。
• 可能违反内容规则的提示词或图片会被拒绝（content_policy）；被拒绝的视频不收费。
• 视频保留 30 天；请下载需要长期保存的视频。

完整 API 说明：视频生成。可在控制台的 调试台 中试用，其中会显示每个视频对应的代码。