更高分辨率通常意味着更高价格。MiniMax H3 悄悄打破了这一规则。它直接渲染原生 2K 分辨率，每秒价格低于大多数人首选视频模型上 720p 片段的成本。
这是标题，但分辨率和价格只是 MiniMax H3 有趣的一半。另一半是其工作原理：一个模型同时读取文本、图像、视频和音频，并在单次通过中返回一个完整的片段、画面和声音。以下是它的功能、成本以及本文中每个片段所对应的精确提示词。
关键要点
- MiniMax H3 渲染原生 2K（2560×1440）分辨率，并在同一过程中生成同步立体声配乐，而非后期拼接。
- 模型页面（2026 年 7 月）已验证价格：2K 为每秒 0.14 美元，768p 为每秒 0.10 美元。作为对比，Seedance 2.0 在 720p 下约为每秒 0.24 美元，因此 H3 以更低单价提供了更高分辨率的画面。
- 三个入口（文本、图像和视频参考）共享一个 API 密钥。参考到视频模式最多可接受九个混合图像、片段和一条音轨作为身份锚点。
MiniMax H3 单次完成，而非三款工具
制作一个成品片段通常需要分步完成。在一个模型中生成画面，切换到第二个模型生成音频，然后打开编辑器将两者对齐。每次交接都会损失一点原始意图，时间线也会迅速累积。
MiniMax H3 将这一切整合。它将整个需求作为单一上下文读取：角色的外观、运动的方式、镜头的移动、情感基调以及声音应有的感觉，全部一起输入，并作为一个片段返回。MiniMax 将这一方向定位为从任务专用模型向通用多模态智能的转变，在实践中意味着同时打开的工具更少。
有两件事值得明确说明，因为两者都可以在输出中轻松验证。首先，片段带有真实声音：下方的展示文件在输出时已内置立体声音轨，而非后期添加。其次，分辨率是真正的 2K，2560×1440，24 帧每秒，而非上采样。
在 Atlas Cloud 上运行 MiniMax H3 的三种方式
MiniMax H3 已在 Atlas Cloud 上上线，提供三个入口，且所有入口都使用同一个 API 密钥。每个入口都有一个 Playground，您可以在编写代码之前直接在浏览器中试用。
| 入口 | 驱动方式 | 输入 | 最适合 |
|---|---|---|---|
| 文本到视频 | 仅文本提示词 | 无参考素材 | 从零构建场景 |
| 图片到视频 | 首帧，可选末帧 | 一张或两张静态图像 | 将已有固定帧动画化 |
| 参考到视频 | 文本提示词加参考素材 | 最多 9 个混合图像、视频片段和一条音轨 | 在片段中保持角色、产品或风格一致 |
参考到视频路径最为灵活。它将您的参考素材视为身份锚点，因此角色、产品或外观保持一致，而提示词则将其置于新的场景和运动中。您可以混合图像和视频片段，并添加一条音轨来使动作与节拍同步。至少需要一张图像或一个视频片段；单独的音轨不被允许。
由于平台上的所有模型共享同一个调用约定，从其他视频模型切换到 H3 只需更改 model 字段。认证、轮询和结果检索保持不变，这是在一个密钥和一张账单下运行视频、图像、音频和语言模型的隐性好处。
MiniMax H3 的成本：2K、768p 及与 Seedance 的对比
MiniMax H3 按生成视频的每秒时长和分辨率收费。以下数据直接来自模型页面，于 2026 年 7 月 31 日核实。
| 分辨率 | 每秒成本 | 一个 8 秒片段 |
|---|---|---|
| 2K（2560×1440） | 0.14 美元 | 1.12 美元 |
| 768p | 0.10 美元 | 0.80 美元 |
这里有一个乍看反直觉的部分。H3 的原生 2K 每秒成本为 0.14 美元。作为对比，平台上的另一款旗舰视频模型 Seedance 2.0 在 720p 下收费约为每秒 0.24 美元。因此，H3 以更低每秒价格提供了更高分辨率的画面，而 Seedance 上更低分辨率的片段成本更高。分辨率提升，单价下降，同时实现。
一个关于价格的诚实说明，以免预算出错。H3 的价格没有促销活动。目前平台上运行的 20% 折扣是针对 Seedream 5.0 Pro 图像模型，而非 H3，因此截至 2026 年 7 月下旬，2K 每秒 0.14 美元是标准费率。768p 层级标价为每秒 0.10 美元；2K 是当前已上线并可调用的层级。
MiniMax H3 提示手册：可直接复制的展示
以下每个片段均由旁边印出的提示词生成。复制一个，替换您自己的参考素材，然后运行。每个区块还显示了输入的参考图像，按提示词调用的顺序（图像 1、图像 2 等）。
品牌影片与影视内容
预告片、电视广告和品牌质感影片是最直接的适用场景，因为它们能以最少的返工融入现有内容制作流程。
参考输入，图像 1 用于氛围和风格，图像 2 用于主角：
参考图像 1，整体氛围和风格
参考图像 2，主角
Plain1写实电影感，高对比度光影，节奏紧凑。图像1为整体氛围和风格参考。图像2为主角参考。镜头1，超广角定场镜头。一个巨大的圆形宇宙之门几乎充满画面；人物只是门前一个小小的剪影，站得较低，略偏右侧。地面湿润且反光；门的中心漆黑一片。镜头缓慢推进。主标题从黑暗边缘淡入，先模糊后清晰："THE STARS WERE LISTENING"，极窄、粗体、全大写，暗红色混合锈红色，带有轻微颗粒感和模糊边缘。音频：深沉的低频脉冲，遥远金属颤抖声，文字清晰时一声轻柔的撞击。硬切。
视觉创意与内容包装
创意短片、片头序列、情绪驱动的音乐视频和动态海报。这是模型处理屏幕文本和节奏感最突出的地方。
轻悬疑犯罪片头序列。 五张风格参考设定了复古动漫、漫画拼贴的外观；模型使每个英文演职员表清晰可读，并将转场落在鼓点上。
风格参考
风格参考
Plain1生成一个15秒的16:9横屏轻悬疑犯罪片开场片头。整体风格遵循这些图像的可视化语言：复古日本动漫片头、硬边剪影、漫画拼贴、不对称分屏、强烈几何色块、英文演职员表、少许日文片假名装饰、爵士犯罪感。情绪为60%悬疑、40%爵士：神秘、酷、灵动，带有都市犯罪感，非恐怖，非沉重。运动感类似动态图形拼贴：线框先出现在黑色上，分屏边界快速滑开，色块和面板逐块粘贴；角色剪影、道具特写和英文演职员表按序列在鼓点上滑入、弹出、遮罩显现。英文演职员表必须清晰可读，可有动画效果。不要添加中文，不要乱码，不要拼写错误的英文。每个英文演职员表和角色仅出现一次。保持转场多样化：圆形黑胶遮罩、垂直车门式切割、长人形阴影扫过屏幕、红色线条切割、巨大英文字母遮罩、分屏框架重组、硬色块切割。所有转场落在鼓点上。无软溶解。背景音乐：原创15秒片头音乐，60%悬疑，40%爵士，由持续低音、紧张的拨弦弦乐、冷合成器脉冲、底鼓、稀疏爵士刷子和短低音萨克斯乐句构成。前2秒用低频和踩镲建立悬疑感；第3秒低鼓进入；第6秒爵士贝斯律动加入；第10秒短萨克斯即兴出现；最后2秒用紧张和弦加鼓点锁定画面。不要模仿任何现有旋律。
实景厨房与手绘动画融合。 无参考素材，仅文本到视频。提示词借用不完美的手机拍摄质感，避免看起来像商业广告。
Plain115秒，16:9横屏。黄昏时分小厨房的实景镜头与手绘发光动画融合。夕阳余晖仍停留在窗户上；生活气息浓厚的小厨房里有一张旧木桌、一个洗了一半的杯子、一个略带雾气的玻璃瓶和一块挂着的洗碗布。画面带有单手手机拍摄的轻微手抖、近距离对焦时的犹豫、背光引起的曝光波动以及阴影中略粗的噪点。不要像商业广告那样处理得整洁有致，应感觉像有人在家匆忙拍摄某种不可能之物。不要大眼睛、不要裂嘴、不要獠牙、不要威胁或扑击动作、不要突然黑屏、不要惊吓跳跃。声音仅使用厨房环境音、洗碗布的摩擦声、杯子的轻碰声、水龙头滴水声、拍摄者的脚步声和轻微呼吸声，加上手绘生物柔和的电子音和小叫声。
暗黑流行、赛博垃圾摇滚音乐视频。 两张参考设定了字体处理和印刷质感；剪辑保持硬切，无溶解。
字体处理参考
字体处理参考
Plain1风格：暗黑流行 / 赛博垃圾摇滚 / 说唱音乐视频，写实高时尚质感，电影杂志质感，高对比度但不廉价。整体参考：90年代末到00年代初的独立杂志、复印纸、胶片扫描、地下音乐海报和zine拼贴美学。图像有粗颗粒、轻微胶片抖动、半色调网点、印刷毛边和扫描错位。快速剪辑节奏，仅硬切，无淡入淡出和软转场。字体处理风格和质感遵循参考图像。
动态海报。 一张参考，原始静态海报。提示词保持布局和色调不变，仅动画化文字进入。
原始静态海报
Plain1制作一个动态海报视频。保持原始图像的画廊白色边框、内框、红白黑色调、3D手办感和布局结构不变；当文字进入时，添加一个灵动的文字进入音效。
数字体验与游戏创意
游戏 UI、产品界面和交互演示。这里的亮点是 H3 能够遵循按时间块编写的提示词。
游戏装备 UI 导览，按秒提示。 这是值得仔细阅读的一个。提示词按时间分段编写，模型遵循了这些分段：菜单状态、光标点击、面板滑入、武器网格、从 0% 到 100% 的加载条，然后完整环境围绕角色加载。
参考图像 1，角色
参考图像 2，UI 风格
Plain1角色参考为图像1，UI风格参考为图像2。 2 3[0秒-2秒] 高角度俯拍。角色坐在高饱和度亮紫色地板上，参考图像1，抬头看向镜头。右侧显示游戏菜单UI：START NEW GAME、CONTINUE（高亮）、SETTINGS、EXIT GAME。左上角显示玩家资料MINIMAX。光标点击"CONTINUE"。 4 5[2秒-4秒] 平滑变焦至她的右臂。一个UI面板从右侧滑入，"RIGHT ARM EQUIPMENT"面板出现。选择高亮"PHANTOM GRIP"，然后滑动至"CHRONOS CLAW"。她的右手机械重组，手指分开，新的爪状指节锁定到位，青色LED灯更亮地闪烁。 6 7[4秒-7秒] 镜头平滑地绕到她左侧。一个新的UI滑入，"ARMAMENT CUSTOMIZATION"网格，显示手、前臂、肘部和上臂组件。选择快速循环各部件。她的左臂一段段分解，在交换过程中可见裸露的线缆和活塞。 8 9[7秒-8.5秒] 镜头拉回至中景。CONFIRM CONFIG按钮闪烁。点击。所有UI面板向内收缩并消失。角色展开双腿，现在放松地坐着，一条膝盖抬起。 10 11[8.5秒-10秒] 底部出现一个LOADING条，快速从0%填充到100%。亮紫色环境开始变暗，阴影从边缘渗入，温暖的金色光线渗透进来。 12 13[10秒-15秒] 当她站起时，完整环境围绕她加载。一个密集的赛博朋克贫民窟逐渐清晰：霓虹灯闪烁，湿漉漉的街道反射光线，人群移动，摩托车穿梭，堆叠的建筑延伸至远处的摩天大楼。镜头稳定在第三人称视角，位于她身后。HUD元素淡入，右上角有迷你地图，左下角有生命值和弹药计数器。一个任务标记出现。她步入街道。
产品落地页 UI/UX 演示。 一张产品照片作为参考；提示词要求一个滚动的高能量落地页。
产品照片参考
Plain1一个网页，网页UI设计，网页动效，视频展示平滑向下滚动页面。一个爆炸性的、高能量的耐克官网风格产品落地页UI/UX演示视频，其核心展示主题为图像1中的产品。页面使用粗犷、有力、倾斜的超大无衬线字体实现张扬布局。背景中，快速移动的光影、深色碳纤维或运动透气网眼纹理交织变化。视频展示节奏紧凑的向下滚动，以及悬停时强烈的视觉放大和颜色反转等UI交互。
Web UI 动效，最小提示。 证明按时间详细编写风格是可选的；简短指令同样有效。
参考图像
Plain1模拟一个网站 UI 设计：首先顶部标题向下滑入视图，然后下方的文字栏向上擦除，车灯从暗色变为红色。
如何开始使用 MiniMax H3
有两种方式，都不需要太长时间。
在 Playground 中运行。 登录 Atlas Cloud，直接在模型页面打开 MiniMax H3。输入提示词，选择分辨率和时长，即可生成，无需代码。这是查看模型是否适合您的镜头的最快方式，然后再将其集成到任何流程中。
或者通过三步调用 API。
- 获取您的 API 密钥。打开 Atlas Cloud 控制台，在 API 密钥页面创建一个密钥。H3 的三个入口共享同一个密钥。
- 阅读模型页面上的字段说明。参数参考和复制粘贴代码位于每个入口点上：文本到视频、图片到视频 和 参考到视频。三者接受不同的输入，因此不要混淆它们的请求体。
- 发送第一个请求。一个端点和一种调用约定即可到达平台上的所有模型，因此从其他视频模型切换到 H3 只需将 model 字段更改为相应的 H3 入口点。认证、轮询和结果检索保持不变。
除了 H3，同一个密钥还可以访问您可以组合的视频、图像、音频和语言模型，一个 API 和一张账单，因此制作一个成品作品无需在不同供应商之间传输资产和发票。
常见问题
什么是 MiniMax H3？
MiniMax H3 是 MiniMax 的多模态视频生成模型，在 Atlas Cloud 上通过三个入口点提供：文本到视频、图片到视频和参考到视频。它将文本、图像、视频和音频作为单一上下文读取，并在单次通过中返回一个带有同步声音的完整 2K 片段。
MiniMax H3 的成本是多少？
MiniMax H3 按视频每秒时长收费。2026 年 7 月在模型页面上验证，原生 2K（2560×1440）为每秒 0.14 美元，768p 为每秒 0.10 美元。因此，一个 8 秒的 2K 片段成本为 1.12 美元。当时 H3 没有促销折扣。
MiniMax H3 是生成音频，还是仅生成视频？
两者同时生成。展示片段从 MiniMax H3 输出时已带有同步立体声音轨，与画面在同一过程中生成，而非单独步骤。提示词可以指导声音，描述音乐、音效和时机，与视觉内容一同指定。
三个 MiniMax H3 入口点有什么区别？
文本到视频仅凭提示词工作。图片到视频将首帧（可选的末帧）动画化。参考到视频使用最多九个混合参考素材（图像、视频片段和一条音轨）来保持主体一致。三者共享同一个 API 密钥和调用约定。
MiniMax H3 支持什么分辨率和片段长度？
MiniMax H3 渲染原生 2K（2560×1440，24 帧每秒），并在定价表上提供更便宜的 768p 层级。片段长度约为 5 到 15 秒，宽高比包括自适应、21:9、16:9、4:3、1:1、3:4 和 9:16。
