Seedance 2.5 與 MiniMax H3：大家都測試了30-Second Flex。沒有人測試Shot 4。

MiniMax 在週五推出了 H3。不到二十四小時，Seedance 2.5 就到了使用者手中，時間線縮成了一句話：30 秒、原生 4K、50 個參考輸入。H3 的發表貼文靜靜躺在下方，幾乎沒人拿它跑過真正的測試。

我明白為什麼。30 秒是個漂亮的數字，適合放在標題裡。

但如果你真的在製作垂直短劇，你就知道真正毀掉你夜晚的不是第 30 秒，而是第 4 個鏡頭。男主角的下巴線條偏移了半公分，他的領巾少了一道褶，觀眾在鉤子落地之前就滑走了。沒有人因為片段是 15 秒而不是 30 秒而流失。他們流失，是因為特寫裡那個人不是全景裡的那個人。

所以我跳過了規格表對決。我建立了一張角色轉向表、一塊六格場景板，寫了一段 15 秒的哥德式短劇提示詞，然後把同樣的素材包寄給兩邊。接著我盯著那張臉看。

關鍵要點

• 兩者都是真的，但可達性不同。 H3 的三個端點（文字、圖片與參考轉影片）目前已上線且可呼叫。Seedance 2.5 的 API 在字節跳動端已推出，但在我用來測試的多模型平台上，它仍是一個 Day-0 頁面，因此我對決中的 Seedance 方是 Seedance 2.0 參考轉影片。我在所有相關處都標註了這一點。
• 規格明顯區分。 Seedance 2.5 = 單次生成最長 30 秒、原生 4K、最多 50 個多模態參考、區域級編輯。H3 = 5 到 15 秒、原生 2K 24fps、9 張圖片 + 3 段影片 + 3 段音訊（最多 12 個檔案）、每個輸出附帶立體聲、整段指令編輯。
• 角色穩定性是包裝問題，不是模型生成問題。 使用一張複合轉向表加上一塊打光板，兩個模型都保持了相同的臉孔與服裝。不是生成次數決定鏡頭好壞，而是素材包決定的。
• 那個沒人測試的模型已經排在第三。 在 Artificial Analysis 的圖片轉影片競技場上，H3 以 1,185 Elo 落後於 Seedance 2.0 的 1,196。Seedance 2.5 尚未出現在榜上。
• 兩者都自行生成音訊。 H3 還能接受最多三個音訊參考來為角色綁定聲音，這就省掉了短劇流程中一整段 TTS 與同步的環節。
• 要問的是每幀像素，而不是秒數。 相同參考包、相同運行時間：H3 的參考轉影片回傳 1440p，Seedance 2.0 的參考轉影片回傳 720p。這重新定義了整個成本問題。

Seedance 2.5 自己的配對數據尚未出爐。我將在端點在我測試平台上開放的那天補上。

Seedance 2.5 對決 MiniMax H3 的結果，在理論之前

在理論之前，先看工作流程產出的結果。以下是從一段完成的 15 秒垂直片段中抽出的四個鏡頭，並排呈現。這是 MiniMax 自己的 H3 參考運行，使用你將在步驟 1 和步驟 2 中看到的角色表與場景板，原生 1440x2560。我自己使用相同素材包的運行結果會在教學中出現，並顯示遊樂場狀態。

 

XSnfiquLLMk

 

她抵達雕花門（場景板的第 4 格），接著是走廊對峙、他的緊密特寫，然後是雙人鏡頭。他的髮際線在側面和特寫中分得一致。她的半盤編髮冠在滿面特寫中存活下來——這正是大多數模型會悄悄重建臉孔的關鍵時刻。奶油色蕾絲緊身胸衣從第一幀到最後一幀保持相同的領口與袖口。

這就是整個測試。不是 30 秒。四個鏡頭與一條下顎線。

為何 Seedance 2.5 與 MiniMax H3 在同一週打破框架，以及為何大多數角色測試毫無用處

MiniMax 於 7 月 30 日發布了 H3，這是一個通用多模態影片模型，可讀取文字、圖片、影片與音訊作為一個上下文，並回傳 5 到 15 秒的片段，解析度最高 2K，附帶原生立體聲。它還能編輯現有影片，並將動作從一個片段轉移到另一個片段，MiniMax 表示權重將在幾天內跟進（Reuters，2026 年 7 月）。

Seedance 2.5 在同一時間窗口內登場，帶來更響亮的數字：單次生成 30 秒、原生 4K，以及單次作業最多 50 個多模態參考輸入（The Next Web，2026 年 7 月）。其 API 已交到開發者手中，具備區域化編輯（可重繪部分畫面，同時保留表演、光線與攝影機行為）、參考轉影片（可接受綠幕板或 3D 白模塊）、十一種語言，以及實驗性長影片模式可達 180 秒（CineD，2026 年 7 月）。

 

9HprrI3lQK4

 

注意力差距是耐人尋味的部分。幾乎所有我找到的貼文都是 2.5 的片段。與此同時，公開競技場的數字說明了另一回事：在 Artificial Analysis 的圖片轉影片排行榜上，720p 的 Seedance 2.0 以 1,196 Elo 領先，Gemini Omni Flash 以 1,195 緊追在後，而 MiniMax H3 在上線僅四天後就以 1,185 位居第三。Seedance 2.5 在那裡尚無評分（Artificial Analysis，2026 年 7 月）。討論最少的模型，其分數與注意力之間的比值卻最高。

現在，來談談真正決定你輸出的部分——因為它幾乎與你選擇哪個 Logo 無關。

大多數角色一致性測試在模型介入之前就失敗了。四種失敗模式，全部由你來修正：

第一列是人們最常搞錯的。送出六張單視角圖片，模型會將它們視為六個候選人並平均值。送出一張乾淨的合成圖，模型會將其視為從三個角度的同一個人。同樣的像素，完全不同的結果。

 

2jp1CC7nfUM

 

Seedance 2.5 對決 MiniMax H3 規格表，以及你今天實際能呼叫的內容

將能力與可用性分開來看，緊張關係就很明顯。在原始能力上，Seedance 2.5 在時長、解析度上限、參考數量與編輯粒度上領先。在可用性上，H3 是這週在通用模型平台上擁有三個即時端點的那一個。如果你正在為 2026 年規劃做 AI 影片模型比較，第二欄和第一欄同樣重要。

測試設定的完整揭露。 我執行此測試時，Seedance 2.5 在我的平台上尚未開放，因此 Seedance 方使用的是 Seedance 2.0 參考轉影片，這是同一個產品系列中目前出貨的成員，具有相同的四模態參考系統。在 2.5 會改變答案的地方，我會明確說明。Seedance 2.5 頁面目前是 Day-0 公告。

以下所有操作都在一個瀏覽器分頁中，使用一把金鑰，總共三個模型：

H3 也有文字轉影片與圖片轉影片端點，如果你想要純文字基線或首尾幀控制的話。

在規劃批次之前，還有一件事值得知道：螢幕文字。這段 15 秒的 H3 片頭字幕在八次硬切中保持英文拼寫完全正確，沒有出現任何拼寫錯誤，這是生成影片中最難保持穩定的項目之一。

 

hwooYYPRW5o

 

Seedance 2.5 對決 MiniMax H3 短劇工作流程，逐步說明

五個步驟。請完全按照提示詞輸入，包括那些看起來不美觀的部分。我沒有為了文章而清理它們，你也不應該為了模型而清理它們。

步驟 1：使用 GPT Image 2 建立角色表

在製作任何影片之前，先建立參考素材包。一張圖片、兩個角色、每個角色三個視角、純白無縫背景、均勻的棚內打光。這樣就消除了所有模糊空間，只留下你關心的那個問題：這個人長什麼樣子。

plaintextCopy
1一張全身角色轉向參考表，純白無縫背景，兩個角色並排，總共六個人形，均勻中性的棚內打光，地板上無陰影，無文字、無標籤、無浮水印。
2
3左半邊：男主角，三個視角排成一列——正面、右側面、背面。二十多歲，蒼白膚色，深色波浪中長髮，尖銳下顎線。穿著拖地黑色天鵝絨禮服大衣，翻領與袖口有細微的同色刺繡，黑色錦緞背心，黑色絲綢領巾，直筒黑色長褲，亮面黑色德比鞋。雙臂自然垂於兩側，中性表情。
4
5右半邊：女主角，三個視角排成一列——正面、右側面、背面。二十出頭，白皙膚色，長波浪栗色頭髮，半盤編髮冠。穿著奶油色維多利亞棉質蕾絲洋裝，長袖帶蕾絲袖口，合身緊身胸衣飾有小紐扣，全長及踝裙，奶油色踝帶低跟鞋。雙臂自然垂於兩側，中性表情。
6
7攝影寫實風格，所有六個人形比例一致，腳部對齊在同一基線上，全畫面銳利對焦。

設定： 模型 OpenAI GPT Image 2 Text-to-Image，品質 high，比例 16:9，其餘預設。 Atlas Cloud 上的 GPT Image 2 Text-to-Image，執行完成：左側是轉向提示詞，OUTPUT 面板中六個人形在一張白色底板上。

這是目標形狀。六個人形、一條基線、背景沒有任何可爭論的細節： 驅動示範片段的參考素材包：男主角穿黑色天鵝絨，女主角穿奶油色維多利亞蕾絲，每人三個視角，單一檔案。 我自己對步驟 1 提示詞的 GPT Image 2 執行結果，供與上方參考對比。

步驟 2：用六格場景板鎖定場景

你已經固定了臉孔。但光線仍會背叛你。第二張參考圖片鎖定了六個攝影機位置、月光的方向、空氣中的霧氣量以及地板的潮濕程度。你是在告訴模型這部電影只有一套打光設定。

plaintextCopy
1一塊六格電影場景板，2 行 3 列，面板之間有細黑間隔，每個面板底部以小寫優雅白色全大寫字母間距字體標註說明。主題：廢棄哥德式城堡內部，夜晚。冷藍色月光、飄動的低層霧氣、潮濕反光的石頭地板、高聳彩繪玻璃窗、鐵製燭台帶小小溫暖火焰、深層去飽和黑色、厚重天鵝絨窗簾。所有面板中均無人物。
2
3面板 1，說明「全景建立鏡頭 - 走廊」：長柱廊向遠處延伸至一扇透光的彩繪玻璃窗。
4面板 2，說明「低角度 - 月光掠過地板」：低角度攝影機，一道月光斜照在潮濕的石板上。
5面板 3，說明「門口與樓梯構圖」：拱形門口框住一座曲線石梯。
6面板 4，說明「近景細節 - 雕花門」：緊密拍攝一扇厚重的雕花木門，帶有鐵製把手。
7面板 5，說明「窗邊視角 - 霧氣與窗簾」：高窗，霧氣湧入，前景有窗簾邊緣。
8面板 6，說明「最終海報畫面 - 空大廳」：對稱空大廳，圖案地毯通往窗戶。
9
10攝影寫實、電影感、底片顆粒、所有六個面板色調一致。

設定： 相同模型，品質 high，比例 16:9。 驅動示範片段的場景板：六個哥德式城堡內部，同一色調，說明文字可讀。 我自己對步驟 2 場景板提示詞的 GPT Image 2 執行結果。

步驟 3：使用 MiniMax H3 參考轉影片生成鏡頭

兩張參考圖片加上一個提示詞，內含攝影機位置與音訊方向。聲音在同一趟生成中產出，因此沒有獨立的語音或配樂步驟。調整時保持短時長，然後在實際剪輯時拉長至 15 秒。

plaintextCopy
1參考圖片 1 是角色表：左邊的男人是男主角，右邊的女人是女主角。保持兩者的身分完全如圖所示：他的下顎線、深色波浪髮、黑色天鵝絨禮服大衣、黑色錦緞背心與黑色絲綢領巾；她的栗色半盤編髮與奶油色維多利亞蕾絲洋裝。參考圖片 2 是場景與打光板：比對其冷藍色月光、飄動霧氣、潮濕反光石地板與去飽和黑色調。
2
39:16 垂直，優質真人短劇風格，淺景深，電影對比，無字幕，無螢幕文字，無浮水印。
4
5鏡頭 1：中近景，攝影機緩慢推近。女主角站在月光照亮的走廊中，呼吸淺淺，目光緊盯著畫面右側外某處。霧氣在她膝蓋高度飄過。
6鏡頭 2：硬切。從她背後越肩鏡頭，男主角從黑暗拱門步出，進入月光，大衣捕捉光線，表情冰冷而好奇。
7鏡頭 3：他的臉部緊密特寫，半邊被窗戶照亮，接著是她的對應特寫，她拒絕移開視線。
8
9音訊：低持續低音嗡嗡聲，遙遠石頭回音，她不穩的呼吸，他踏入光線時的一次沉重腳步聲，最後一次切換時一聲柔和的弦樂漸強。

設定： 模型 MiniMax H3 Reference-to-Video，解析度 2K，時長 8（滑桿預設值；實際剪輯時推至 15），比例 adaptive，並在參考素材中放置兩個檔案。面板將其計為 9 張中的 2 張，因此你之後還有空間加入服裝或道具板。

值得注意比例的情況。我將比例設為 adaptive，只在提示詞中寫了「9:16 垂直」。H3 仍然回傳了垂直畫面，因此它是從文字中讀取構圖，而不需要依賴表單欄位。 Atlas Cloud 上的 MiniMax H3 Reference-to-Video，執行完成：兩個參考檔案已載入為 9 張中的 2 張，解析度 2K，生成的垂直片段正在 OUTPUT 面板中播放。

第一幀是女主角穿著奶油色蕾絲緊身胸衣，站在場景板面板 1 的走廊中，膝蓋高度有霧氣，月光照在潮濕地板上，位置與場景板完全一致。兩張參考圖片都成功落地。

步驟 4：使用相同素材包運行 Seedance 2.5 對決 MiniMax H3 的控制組

不要改變任何一個字。相同的兩張參考圖片、相同的提示詞、不同的模型。我讓每個頁面自己的時長預設值保持不變，而不強制匹配，並且我會在下方說明每個結果。為了「另一個模型」而改寫提示詞，正是比較開始說謊的方式。

plaintextCopy
1與步驟 3 相同的提示詞，逐字不變。不要為了另一個模型而改寫它。

設定： 模型 Seedance 2.0 Reference-to-Video，解析度 720p，相同的兩張參考圖片放在「參考圖片」中（同樣是 9 張中的 2 張，另有獨立欄位可放最多 3 段參考影片與 3 個參考音訊檔案）。時長保持頁面預設值，結果回傳為一段 10 秒片段。 Atlas Cloud 上的 Seedance 2.0 Reference-to-Video，執行完成，使用與步驟 3 完全相同的參考素材包與提示詞，OUTPUT 面板中顯示 10 秒結果。

以下是兩個 OUTPUT 面板實際顯示的內容，我將如實報導，而不選出贏家。

兩次運行都保持了角色。相同的奶油色蕾絲洋裝，相同領口與袖口，相同栗色頭髮，相同從場景板取出的霧氣與月光走廊。兩者都沒有創造出不同的女人。參考素材包在兩邊都完成了這項工作，這是我最關心的發現。

差異在於形式，而非臉孔。這個 Seedance 端點傳回 720p；H3 在相同輸入下傳回 2K。而構圖出現了分歧：H3 直接從提示詞文字中讀取「9:16 垂直」並回傳垂直畫面，而 Seedance 運行回傳了 16:9，因為該頁面有自己的比例控制，且僅靠提示詞文字並未覆蓋它。如果你在為 TikTok 剪輯，那第一次忘記填寫表單欄位時，這種差異就會讓你多花一次運行成本。Seedance 2.5 很可能會改變解析度這部分，並加入區域級重做，而我不會假裝我測量過那個。

步驟 5：修正一個鏡頭，無需重新生成整個片段

短劇的真正成本不是第一次生成，而是第七次修改。H3 接受現有片段作為輸入，並根據指令進行編輯，保留你未提及的部分。Seedance 2.5 在這裡的賣點更精細：重繪畫面的某個區域，同時保留表演、光線與攝影機行為。

plaintextCopy
1使用提供的片段：保持兩個角色、他們的服裝、攝影機移動與剪輯節奏完全不變。僅改變環境，將月光石頭走廊替換為同一城堡的舞廳，高聳拱形窗戶、亮著的吊燈，以及溫暖的燭光，並重新打亮兩個角色，使他們的關鍵光來自畫面左側的吊燈而非窗戶。將她唯一的台詞改為「你從來就沒睡著過，對吧。」保持她表演的節奏在相同的拍點上。

設定： MiniMax H3 Reference-to-Video，使用步驟 3 的片段作為參考輸入，時長 5，解析度 2K。

 

zAxBQmHOR5I

 

超越 Seedance 2.5 對決 MiniMax H3 測試：四種推動參考素材包的方法

同一角色，下一集。 將步驟 1 的表單儲存為資產，在提示詞中只改變鏡頭清單與故事區塊。身分來自檔案，而非你對上週二如何措辭的記憶。

 

oH2bSNhK0mY

 

固定聲音。 H3 可接受最多三個音訊參考，每個 2 到 15 秒，且必須與圖片或影片輸入一同提交。給它一個聲音樣本，角色就會以該音色說話，這樣你就不需要在集與集之間更換配音演員。

 

plQ9q6xxoVE

 

在付費渲染之前先鎖定攝影機。 Seedance 2.5 的參考轉影片可接受 3D 白模塊與綠幕板，因此你可以在灰色幾何體上鎖定構圖，然後再投入最終外觀。這個範例是在 Seedance 2.1 上運行的，這是該產品系列較早的成員，但工作流程的形狀是一樣的。

 

6RKQROBa9a0

 

在地化一個主剪輯，而非重新拍攝。 區域級替換可以更換臉孔、產品或口語語言，同時保持攝影機、節奏與嘴唇時長不變。此處，一個主美容剪輯被重新選角並重新配音為西班牙語、韓語與印地語，房間、構圖與嘴唇時長保持不變。

 

IcR9nWHqLnU

 

而因為總會有人問當你不再保持理智時，動作轉移會是什麼樣子：三個穿西裝的男人，被替換為三隻寫實水豚，完全按照原始片段的動作路徑移動，直到它們堆疊成一座金字塔。

 

pzG58od4W1c

 

還有這一切的樸素版本，那個沒有人會貼出來的版本：一張靜態海報變成動態海報，且佈局保持不變。 靜態來源海報。將其餵給參考轉影片，加上「保持畫面、調色盤與佈局，將文字動畫化」，你就會得到相同設計的動態版本。

Seedance 2.5 對決 MiniMax H3 短片的實際成本

這裡沒有數字，因為數字會變動，但結構不會變。兩個家族都以秒計費，按用量付費，無座位費與訂閱費。這留下了三個變數：秒數、解析度層級與重做次數。

第三個是整個帳單的關鍵。一次就成功的 15 秒片段只收一次費用。同一個片段失敗七次，就收七次。因此省錢的動作不是選擇較便宜的每秒模型，而是在你生成任何東西之前先搞定參考素材包。步驟 1 和步驟 2 的那兩次圖片呼叫是整個管線中最便宜的項目，卻決定了你將進行多少次影片呼叫。整個鏈條中投資報酬率最高的一環，差距懸殊。

然後修正每秒的直覺。相同參考素材包、相同運行時間：H3 的參考轉影片回傳 1440p，這個 Seedance 參考轉影片端點回傳 720p。每秒是錯誤的單位。每幀像素數，以及你是否需要另外付費進行獨立的升頻處理，才是正確的單位。

音訊也應該納入計算中。兩邊都在同一趟生成中產出原生同步聲音。如果你目前的管線是影片模型加 TTS 再加編輯器對齊音軌，那麼你省下的就是兩次 API 呼叫與一個人的下午，而這筆節省不會出現在任何報價單上。

哪個模型適合哪種工作：

在出貨之前。 MiniMax 表示 H3 的權重將在發布後數天內跟進，而開放權重與商業授權不同，因此在你自行託管之前請閱讀條款。浮水印與商業使用政策在消費者應用程式與 API 存取之間也各有不同，我在撰寫本文時無法從主要條款頁面確認其中任何一項，因此請查閱提供者的條款，而非相信我的話。而且，任何模型授權都不涵蓋肖像權或商標。如果你的參考素材包中包含真實人物、真實品牌或他人的智慧財產權，那是獨立的法律問題，模型的條款無法回答。

上表中所有模型都使用同一把金鑰執行，而模型頁面載有當前費率加上複製貼上的程式碼，包括本週 Seedance 系列可能正在進行的任何促銷活動。

常見問題

Seedance 2.5 在角色一致性上比 MiniMax H3 好嗎？

理論上應該如此，因為它最多可接受 50 個多模態參考，而 H3 為 12 個檔案，再加上區域級重做。但截至 2026 年 7 月 31 日，我找不到任何配對的公開測試，且 Seedance 2.5 尚無競技場評分。在我實際能進行的執行中，決定身分穩定性的變數是參考素材包的結構，而非模型生成：使用一張複合轉向表加上一塊打光板，兩邊都保持了角色。在花時間比較模型之前，先搞定素材包。

我現在就能使用 Seedance 2.5 嗎？還是必須等待？

其 API 在字節跳動端已經上線。在第三方模型平台上的可用性不平均，在我測試的那個平台上，它仍是一個 Day-0 公告。如果你今晚就需要輸出，可呼叫的選項是 MiniMax H3 的三個端點以及整個出貨中的 Seedance 2.0 系列。

MiniMax H3 真的能做到 30 秒影片嗎？

不。規格是每次生成 5 到 15 秒，24fps。任何更長的內容都是延伸或拼接，那是不同的東西，帶有不同的漂移風險。30 秒單次生成屬於 Seedance 2.5。不要讓這兩個宣稱混淆。

兩個模型都會生成音訊嗎？我能在集與集之間保持同一個聲音嗎？

兩者都在同一趟生成中產出原生同步音訊，且 H3 在每個結果上輸出立體聲。對於持續的聲音，H3 可接受最多三個音訊參考，每個 2 到 15 秒，必須與圖片或影片輸入一同提交，而非單獨提交。

我實際上應該送出多少張參考圖片？

比你認為的少，但結構要更好。一張精心構圖的合成圖通常勝過六張零散的裁切，因為獨立的檔案會讓模型將它們平均成一個不存在的人。給它兩個明確的工作：身分與光線，且不要包含互相衝突的風格樣本。

我應該使用哪個模型來製作 TikTok 或 ReelShort 風格的垂直短劇？

本週出貨，使用 9:16、高解析度、聲音已混音：MiniMax H3。若計畫製作一段 30 秒的連續場景，且期望重做單個區域而非整個片段：針對 Seedance 2.5 建置，並確認你的平台何時開放它。