更高解析度一直意味著更高的價格。MiniMax H3 悄然打破了這個規則。它能直接生成原生 2K 畫面，而每秒價格卻低於多數人最先想到的影片模型上 720p 片段的成本。
這是一則標題，但解析度與價格僅是 MiniMax H3 引人注目的原因之一。另一半在於它的運作方式：一個模型能同時讀取文字、圖片、影片與音訊，並在單次處理中直接回傳包含畫面與聲音的完整片段。以下說明它的功能、成本，以及本文中每個片段所用的確切提示詞。
重點摘要
- MiniMax H3 可生成原生 2K（2560 x 1440）解析度，並在相同處理過程中同步產生立體聲配樂，而非後製拼接。
- 模型頁面上已驗證的定價（2026 年 7 月）：2K 每秒 $0.14 美元，768p 每秒 $0.10 美元。對比之下，Seedance 2.0 在 720p 解析度下每秒約需 $0.24 美元，因此 H3 以更低的單位價格提供更高解析度的畫面。
- 三個入口（文字、圖片與影片參考）共用同一組 API 金鑰。參考轉影片功能最多可接受九張混合圖片、影片片段，以及一條音軌作為身份錨點。
MiniMax H3 以單次處理取代三種工具
製作一個完整的影片片段，通常需要分階段進行。你會在一個模型中生成圖片，切換到另一個模型製作音訊，再打開編輯器將兩者對齊。每一次轉換都會流失一些原始意圖，而且時間線會迅速累積。
MiniMax H3 將這一切簡化。它將整個需求視為一個脈絡：角色的外觀、動作的進行方式、鏡頭的移動、情緒的關鍵點，以及聲音應有的感覺，全部一起輸入，並以一個片段回傳。MiniMax 將這個方向定位為從任務特化模型邁向通用多模態智能，而實際上，這意味著同時開啟的工具數量減少了。
有兩件事值得直接說明，因為兩者都容易在輸出中驗證。首先，這些片段帶有真實聲音：下方的展示檔案在生成時已內建立體聲音軌，而非後製添加。其次，解析度確實是 2K（2560 x 1440，每秒 24 幀），並非放大處理。
在 Atlas Cloud 上執行 MiniMax H3 的三種方式
MiniMax H3 已在 Atlas Cloud 上線，提供三個入口，全部使用同一組 API 金鑰。每個入口都有 Playground，你可以在瀏覽器中試用，無需撰寫任何程式碼。
| 入口 | 驅動方式 | 輸入 | 最佳用途 |
|---|---|---|---|
| 文字轉影片 | 僅靠文字提示 | 無參考素材 | 從無到有建立場景 |
| 圖片轉影片 | 第一幀圖片，加上可選的最後一幀圖片 | 一或兩張靜態圖片 | 將你既有的固定畫面動畫化 |
| 參考轉影片 | 文字提示加上參考素材 | 最多 9 張混合圖片、影片片段，以及一條音軌 | 在整個片段中保持角色、產品或風格的一致性 |
參考轉影片路徑最具彈性。它將你的參考素材視為身份錨點，因此角色、產品或外觀能保持一致，而提示詞則將其置入新的場景與動作中。你可以混合圖片與影片片段，並加入一條音軌以同步動作與節奏。至少需要一張圖片或一個影片；不允許僅使用音訊。
由於平台上的每個模型都使用相同的呼叫慣例，從其他影片模型切換到 H3 只需更換 model 欄位即可。驗證、輪詢與結果擷取方式保持不變，這是在單一金鑰與單一帳單下執行影片、圖片、音訊與語言模型的隱藏好處。
MiniMax H3 的費用：2K、768p 與 Seedance 比較
MiniMax H3 按生成影片的每秒長度與解析度計費。以下數據直接來自模型頁面，於 2026 年 7 月 31 日確認。
| 解析度 | 每秒成本 | 一個 8 秒片段 |
|---|---|---|
| 2K（2560 x 1440） | $0.14 美元 | $1.12 美元 |
| 768p | $0.10 美元 | $0.80 美元 |
以下這部分乍看之下有些違反直覺。H3 的原生 2K 每秒為 $0.14 美元。作為對比，該平台另一款旗艦影片模型 Seedance 2.0 在 720p 解析度下每秒約需 $0.24 美元。因此，H3 以低於 Seedance 低解析度片段的每秒價格，提供了更高解析度的畫面。解析度提升，單位價格卻下降，同時發生。
關於數字有一點誠實說明，以免有人預算錯誤。H3 的價格目前沒有任何促銷活動。平台上目前正在進行的 20% 折扣優惠是針對 Seedream 5.0 Pro 圖片模型，而非 H3，因此 2K 每秒 $0.14 美元是截至 2026 年 7 月底的常規費率。768p 等級標示為每秒 $0.10 美元；2K 是目前已上線且可呼叫的等級。
MiniMax H3 提示詞手冊：可直接複製的展示範例
以下每個片段均由旁邊印出的提示詞產生。複製一個，換上你自己的參考素材，然後執行。每個區塊也顯示了輸入的參考圖片，順序與提示詞呼叫的順序相同（圖片 1、圖片 2 等）。
品牌影片與影視作品
預告片、電視廣告與品牌質感影片是最直接的應用，因為它們能以最少的調整直接融入現有的內容產製流程。
參考輸入，圖片 1 提供情緒與風格，圖片 2 提供主角：
參考圖片 1，整體情緒與風格
參考圖片 2，主角
Plain1寫實電影感畫面，高對比光影，節奏緊湊。圖片 1 作為整體情緒與風格的參考。圖片 2 作為主角的參考。鏡頭 1，超廣角建立鏡頭。一個巨大的圓形宇宙之門幾乎填滿畫面；人物僅是前方一個小小的剪影，站立在畫面偏右下方。地面潮濕且反光；門的中心是漆黑的。鏡頭緩慢推進。一個主標題從黑暗邊緣淡入，先模糊後清晰：「THE STARS WERE LISTENING」，極窄、粗體、全大寫，暗紅色混雜鐵鏽紅，帶有輕微顆粒感與朦朧邊緣。音訊：深沉的低頻脈衝，遙遠的金屬顫動聲，在文字清晰時出現一記輕柔的撞擊聲。硬切。
視覺創意與內容包裝
創意短片、片頭序列、情緒驅動的音樂影片與動態海報。這是模型處理螢幕文字與節奏的能力最為突出的地方。
輕懸疑犯罪片頭序列。 五張風格參考設定了復古動畫、漫畫拼貼的風格；模型讓每個英文工作人員名單清晰可辨，並將轉場對齊鼓點。
風格參考
風格參考
Plain1生成一個 15 秒、16:9 橫向的輕懸疑犯罪電影片頭序列。整體風格遵循這些圖片的視覺語言：復古日本動畫片頭序列、硬邊剪影、漫畫拼貼、不對稱分割畫面、強烈的幾何色塊、英文工作人員名單，以及一些日文片假名裝飾，展現爵士犯罪氛圍。情緒為 60% 懸疑、40% 爵士：神秘、酷炫、靈活，帶有城市犯罪感，非恐怖、非沉重。動態呈現為動態圖形拼貼：線框首先在黑色背景上出現，分割畫面邊界快速滑出，色塊與面板逐塊貼上；角色剪影、道具特寫與英文工作人員名單根據鼓點依序滑入、彈出並以遮罩方式顯現。英文工作人員名單必須清晰可辨，且可加入動畫。不要加入中文，不要出現亂碼或拼寫錯誤的英文。每個英文工作人員名稱與職稱僅出現一次。保持轉場多樣化：圓形黑膠唱片遮罩、垂直車門切換、長長的人影橫掃螢幕、紅線切換、巨大的英文文字遮罩、分割畫面構圖重組、硬色塊切換。所有轉場都對齊鼓點。不使用柔和的溶解轉場。背景音樂：原創 15 秒片頭音樂，60% 懸疑、40% 爵士，由持續的低音、緊繃的撥弦弦樂、冰冷的合成器脈衝、大鼓、稀疏的爵士鼓刷與短促的低音薩克斯風樂句構成。前 2 秒以低頻與鈸建立懸疑感；第 3 秒時加入低音鼓點；第 6 秒時加入爵士貝斯律動；第 10 秒時出現一段短薩克斯風樂句；最後 2 秒以一個緊張和弦加上鼓點鎖定畫面。不要模仿任何現有旋律。
真人廚房結合手繪動畫。 無參考素材，僅使用文字轉影片。提示詞刻意強調不完美的手機拍攝質感，以避免看起來像廣告。
Plain115 秒，16:9 橫向。黃昏時分小廚房的真人實拍畫面，融合了手繪發光動畫。夕陽餘暉仍留在窗邊；這個充滿生活感的小廚房裡有一張舊木桌、一個半洗過的馬克杯、一個略微起霧的玻璃瓶，以及一條掛著的洗碗巾。畫面帶有單手拍攝智慧型手機時特有的輕微晃動、近距離對焦時的猶豫、背光造成的曝光波動，以及陰影中略粗的噪點。不要讓它像廣告般構圖整齊，應該感覺像是有人匆忙在家中拍攝某個不可能的事物。沒有大眼睛、沒有裂開的嘴巴、沒有尖牙、沒有威脅或撲擊的動作、沒有突然切黑、沒有驚嚇音效。聲音僅使用廚房的環境音、洗碗巾的摩擦聲、馬克杯的輕微碰撞聲、水龍頭滴水聲、拍攝者的腳步聲與輕微呼吸聲，加上手繪生物的柔和電子音調與細小叫聲。
暗黑流行、網路垃圾搖滾風格音樂影片。 兩張參考設定字體處理與印刷質感；剪輯保持硬切，不使用溶解轉場。
字體處理參考
字體處理參考
Plain1風格：暗黑流行 / 網路垃圾搖滾 / 饒舌音樂影片，寫實高級時尚質感，底片雜誌質感，高對比但不廉價。整體參考：90 年代末至 00 年代初的獨立雜誌、影印紙、底片掃描、地下音樂海報與 zine 拼貼美學。畫面帶有粗糙顆粒、輕微底片抖動、網點、印刷毛邊與掃描錯位。快速剪輯節奏，僅使用硬切，無淡入淡出或柔和轉場。字體處理的風格與質感遵循參考圖片。
動態海報。 一張參考，即原始靜態海報。提示詞保持佈局與色調不變，僅將文字入場動畫化。
原始靜態海報
Plain1製作一個動態海報影片。保持原始圖片的畫廊白色外框、內框、紅白黑色調、3D 公仔感與佈局結構不變；在文字入場時，加入一個靈活的文字入場音效。
數位體驗與遊戲創意
遊戲 UI、產品介面與互動示範。這裡的亮點在於 H3 能遵循以時間區塊撰寫的提示詞。
遊戲裝備 UI 導覽，按每秒提示。 這是一個值得仔細閱讀的範例。提示詞以時間分段撰寫，模型能遵循：選單狀態、游標點擊、面板滑入、武器配置網格、從 0% 到 100% 的讀取條，然後角色周圍載入完整的環境。
參考圖片 1，角色
參考圖片 2，UI 風格
Plain1角色參考為圖片 1，UI 風格參考為圖片 2。 2 3[0s-2s] 高角度俯拍鏡頭。角色坐在高度飽和的亮紫色地板上，參照圖片 1，抬頭看向鏡頭。右側顯示遊戲選單 UI：START NEW GAME、CONTINUE（反白顯示）、SETTINGS、EXIT GAME。左上角顯示玩家檔案 MINIMAX。游標點擊「CONTINUE」。 4 5[2s-4s] 平滑縮放至她的右臂。一個 UI 面板從右側滑入，顯示「RIGHT ARM EQUIPMENT」面板。選項反白顯示「PHANTOM GRIP」，然後滑動至「CHRONOS CLAW」。她的右手進行機械式重新配置，手指分開，新的爪狀關節鎖定到位，青色 LED 燈閃爍更亮。 6 7[4s-7s] 鏡頭平滑地弧形移動至她的左側。一個新的 UI 滑入，顯示「ARMAMENT CUSTOMIZATION」網格，包含手部、前臂、肘部與上臂組件。選項快速循環切換零件。她的左臂逐段拆解，在切換過程中露出內部線路與活塞。 8 9[7s-8.5s] 鏡頭拉回至中景。CONFIRM CONFIG 按鈕閃爍。點擊。所有 UI 面板向內收縮並消失。角色展開雙腿，現在以一條腿彎曲的姿勢放鬆坐著。 10 11[8.5s-10s] 底部出現一個 LOADING 讀取條，從 0% 快速填充至 100%。明亮的紫色環境開始變暗，陰影從邊緣滲入，溫暖的金色光線滲透進來。 12 13[10s-15s] 當她站起時，完整環境在她周圍載入。一個密集的賽博龐克貧民窟逐漸顯現：霓虹燈閃爍、潮濕的街道反射光線、人群移動、摩托車穿梭、疊加的建築物延伸向遠處的摩天大樓。鏡頭固定為她身後第三人稱視角。HUD 元素淡入，右上角有小地圖，左下角有生命值與彈藥計數器。出現一個任務標記。她邁步走向街道。
產品落地頁 UI/UX 示範。 一張產品照片作為參考；提示詞要求一個滾動的、高能量的落地頁。
產品照片參考
Plain1一個網站頁面，網頁 UI 設計，網頁動態，影片展示一個流暢的向下頁面滾動。一個爆炸性、高能量的 Nike 官方網站風格產品落地頁 UI/UX 示範影片，其核心展示主題為圖片 1 中的產品。頁面使用粗獷、有力、傾斜的超大無襯線字體，營造強烈的版面佈局。背景中，快速移動的光影、深色碳纖維或運動透氣網眼質感相互交織與變化。影片展示一個節奏緊湊的向下頁面滾動，以及 UI 互動，例如懸停時強烈的視覺放大與色彩反轉。
網頁 UI 動態，極簡提示。 證明時間分段、詳細撰寫的風格並非必要；簡短的指令同樣有效。
參考圖片
Plain1模擬一個網站 UI 設計：首先頂部的標題向下滑入視野，然後下方的文字欄向上擦拭顯現，車燈從暗色變為紅色。
如何開始使用 MiniMax H3
有兩種方式可以開始，且都不需要花費太多時間。
在 Playground 中執行。 登入 Atlas Cloud，直接在模型頁面打開 MiniMax H3。輸入提示詞，選擇解析度與時長，然後生成，無需編寫程式碼。這是在你將模型整合到任何流程之前，檢視其是否符合需求的最快方式。
或者，透過三個步驟呼叫 API。
- 取得你的 API 金鑰。打開 Atlas Cloud 控制台，在 API 金鑰頁面建立一個金鑰。所有三個 H3 入口共用同一組金鑰。
- 閱讀模型頁面上的欄位說明。參數參考與可複製貼上的程式碼位於每個入口頁面：文字轉影片、圖片轉影片 與 參考轉影片。三個入口接受不同的輸入，因此請勿混用其請求主體。
- 發送第一個請求。一個端點與一個呼叫慣例即可觸及平台上的所有模型，因此從另一個影片模型切換到 H3 只需將 model 欄位更改為對應的 H3 入口即可。驗證、輪詢與結果擷取方式保持不變。
除了 H3，同一組金鑰還能使用你可以在單一 API 與單一帳單下組合的影片、圖片、音訊與語言模型，因此製作一個完整的成品不再需要在不同供應商之間傳輸資產與發票。
常見問題
MiniMax H3 是什麼？
MiniMax H3 是 MiniMax 的多模態影片生成模型，可透過 Atlas Cloud 上的三個入口使用：文字轉影片、圖片轉影片與參考轉影片。它能將文字、圖片、影片與音訊視為一個脈絡，並在單次處理中回傳一個包含同步音效的完整 2K 片段。
MiniMax H3 的費用是多少？
MiniMax H3 按每秒影片長度計費。根據 2026 年 7 月模型頁面上的確認資訊，原生 2K（2560 x 1440）為每秒 $0.14 美元，768p 為每秒 $0.10 美元。因此，一個 8 秒的 2K 片段成本為 $1.12 美元。當時 H3 沒有任何促銷折扣。
MiniMax H3 會生成音訊，還是僅生成影片？
兩者一起生成。展示範例片段從 MiniMax H3 輸出時，已包含在相同處理過程中生成的同步立體聲音軌，而非在單獨步驟中添加。提示詞可以引導聲音，描述音樂、音效與時機，同時與視覺內容搭配。
MiniMax H3 三個入口之間的差異是什麼？
文字轉影片僅靠提示詞運作。圖片轉影片將第一幀圖片動畫化，並可選擇加入最後一幀圖片。參考轉影片使用最多九份混合參考素材（圖片、影片片段與一條音軌）來保持主體一致性。三者共用同一組 API 金鑰與同一呼叫慣例。
MiniMax H3 支援哪些解析度與片段長度？
MiniMax H3 可生成原生 2K（2560 x 1440，每秒 24 幀）的畫面，定價表上還有較便宜的 768p 等級。片段長度約為 5 至 15 秒，畫面比例包括自適應、21:9、16:9、4:3、1:1、3:4 與 9:16。
