默认就是 2K
MiniMax 把 2K 作为标准分辨率，靠的是它新做的视频编码器 H3-VAE。也可以选 768p。
MiniMax H3 视频生成
首帧和尾帧 · 可选 · JPG、PNG 或 WebP，不超过 5 MB
首帧
MiniMax 最新的视频模型，2026 年 7 月发布。画面和立体声一起生成，可以从文字提示词开始，也可以从你自己的图片开始，最高 2K。
本页可以生成 5 秒、10 秒或 15 秒，768p 或 2K 的视频：从文字开始、用首帧和尾帧，或用参考图片、视频和音频生成。声音始终开启。
关于 MiniMax H3
MiniMax H3 是 MiniMax 的视频生成模型，2026 年 7 月 31 日发布，接替了海螺 Hailuo 01 和 Hailuo 02。MiniMax 把它定位为通用的多模态模型：把文字、图片、视频和声音当作一整段上下文来理解，生成带原生立体声的视频，最长 15 秒、最高 2K。
它不再为文生视频、图生视频、首尾帧、参考生成各做一个模型，而是一个模型全包，输入素材之间的关系直接用自然语言说清楚。本页三种都提供：文字生成视频、首帧和尾帧、参考素材（最多 9 张图片、3 段视频和 3 段音频）。
MiniMax 说它擅长什么
来自 MiniMax H3 发布博客和模型文档。
画面和立体声一起出
人声、音效和音乐跟视频一起建模，出来就是原生立体声，不需要单独配音。
听得懂提示词，文字不走样
MiniMax 说内测用户反馈它的指令遵循很强，画面里的文字和品牌信息也呈现得准，所以它主推广告、产品页、电商和游戏 UI 这些场景。
MiniMax H3 提示词怎么写
根据模型文档和 MiniMax 自己的示例整理。
写清楚怎么动
说明谁在动、怎么动、镜头怎么走：“镜头缓缓推近”“她转身看向窗外”。只描述场景的提示词，往往得到一段几乎没什么动作的视频。
把声音也写上
这个模型总是会生成声音。写明我们该听到什么（引号里的一句台词、雨打铁皮屋顶、轻柔的钢琴），不写的话它会自己挑。
规划好镜头
MiniMax 说 H3 原生支持多镜头。想要切镜头，就按顺序写出来（“镜头 1……镜头 2……”）；想要一镜到底，也直接说明。
按名字指代参考素材
用参考素材时，写清每个素材的用途，并用格子下面显示的名字称呼它，就像 MiniMax 自己的示例那样：“图1 里的人唱歌，运镜参考视频1，声音参考音频1”。
用图片时，写清中间发生什么
第一张图就是开场画面，提示词只需要写从这里开始的动作；加了尾帧，就写怎么从一张变到另一张。视频会保留第一张图的比例。
MiniMax H3 常见问题
这是真的 MiniMax H3 吗？
是的。本页每段视频都是用 MiniMax H3 生成的，不是别的模型。
一段视频要多少钱？
视频按秒消耗积分，2K 每秒比 768p 贵。你选的时长和画质对应的总价会在生成前显示在按钮上，新账号送免费积分。
要等多久？
比生成图片久得多，具体取决于当时的排队情况。你可以离开页面：视频会继续生成，好了之后会出现在“我的任务”里。
能关掉声音吗？
不能。MiniMax H3 总是把声音和画面一起生成。需要无声的片段，剪辑时静音就行。
纯文字生成为什么没有“自动”比例？
没有图片时，模型需要一个固定的画面比例，所以要选一个（默认 16:9）。从图片开始时，视频会保留那张图的比例。
参考素材要另外收费吗？
参考音频免费。参考视频按秒收费，单价跟你生成的视频同档；超过 5 张的参考图每张会多收一点。总价会在生成前显示在按钮上。
能生成更长的视频吗？
最长 15 秒，MiniMax 说这也是模型本身的上限。可以选 5 秒、10 秒或 15 秒，768p 或 2K，按秒计费。
视频能下载吗？
能，下载为 MP4 文件。结果保留 30 天，想留着的请及时下载。
请求被拒绝了怎么办？
提示词、图片和结果会检查色情和其他敏感内容，命中的请求会被拒绝。换个说法或换一张图片再试。被拒绝或失败的请求会退还积分。