01
选择生成模式
根据任务选择文字生视频、首尾帧图生视频或参考生成。
MiniMax H3 · 开放通用多模态视频模型
MiniMax H3 AI 视频生成模型
MiniMax H3 是 MiniMax 的开放通用多模态视频模型，统一理解文字、图片、视频和音频，支持 768P/2K、24 fps、4 到 15 秒视频生成，并可完成参考生成与视频编辑。
提示词示例
模型概览
什么是 MiniMax H3？
MiniMax H3 是 MiniMax 的开放通用多模态视频模型。它把文字、图片、视频和音频放进统一上下文，支持文字生视频、图生视频、首尾帧控制、参考生成和视频编辑。
根据 MiniMax 官方发布资料，H3 可生成 768P 或最高 2K、24 fps 的 4 到 15 秒视频，并支持原生立体声；它面向广告、品牌、电商、产品设计、UI/UX 和游戏等商业内容创作场景。
通过参考图片、视频和音频，H3 可以理解主体、动作、镜头、风格与声音之间的关系。你可以用自然语言说明参考素材与目标画面的关系，让一次生成处理多种输入。
API 模型 IDMiniMax-H3
模型类型开放通用多模态视频模型
输出规格768P / 2K · 24 fps
视频时长4–15 秒（整秒）
使用方式
如何用 MiniMax H3 生成视频
从提示词、首尾帧或参考素材开始，创建并精修一段多模态视频。
02
添加参考素材
添加首帧或尾帧，或上传图片、视频和音频参考；混合输入最多 12 个文件。
03
写下提示词
说明主体、镜头、动作、声音，以及参考素材与目标画面之间的关系。
04
生成并精修
提交异步任务并查看结果，再通过视频编辑或再生成继续完善成片。
官方技术规格
为多模态视频创作而生
原生立体声音频
视频生成可同时产生与画面匹配的原生立体声音频
768P / 2K分辨率
支持 768P 与最高 2K 输出，帧率为 24 fps
4–15 秒视频时长
每次生成按整秒指定时长
开放模型模型类型
MiniMax 官方定义的开放通用多模态视频模型
文字 + 图片 + 视频 + 音频统一上下文
在同一次任务中理解多种模态输入及其关系
9 + 3 + 3参考输入
最多 9 张图片、3 段视频和 3 段音频；混合输入最多 12 个文件
首帧 + 尾帧帧控制
使用 0、1 或 2 张图片控制镜头的起始和结束画面
7,000提示词长度
API 提示词上限为 7,000 个字符
生成模式
MiniMax H3 支持的生成模式
根据 MiniMax 官方 API 文档，H3 支持从文字、首尾帧和多模态参考素材创建或编辑视频。
| 模式 | 输入 | 典型用途 |
|---|---|---|
| 文字生视频 | 提示词 | 从文字描述生成视频 |
| 首帧 / 尾帧图生视频 | 提示词 + 首帧和/或尾帧图片 | 控制开场或结尾画面，让静态图像自然动起来 |
| 参考生成 | 提示词 + 参考图片、视频或音频 | 参考主体、动作、镜头、风格、声音或剪辑节奏 |
| 视频编辑与再生成 | 提示词 + 已有视频 | 修改视频，或将符合规格的 768P 结果再生成到 2K |
API
MiniMax H3 输入限制
参考图片≤9 张 · 256–5760 px · 单张 ≤30 MB
参考视频≤3 段 · 单段 2–15 秒 · 总计 ≤15 秒 · 单个 ≤50 MB
参考音频≤3 段 · 单段 2–15 秒 · 总计 ≤15 秒 · 单个 ≤15 MB
混合参考图片、视频和音频合计 ≤12 个；音频需搭配图片或视频
首帧 / 尾帧0–2 张 · 256–5760 px · 比例 2:5–5:2
输入格式视频 H.264/H.265 · 图片 JPG/JPEG/PNG/WEBP/HEIC/HEIF
音频格式WAV、MP3
请求体≤64 MB · 提示词 ≤7,000 字符
提示词示例
让提示词动起来
用这些提示词开始创作电影感片段；本地演示视频为示意性的库存素材，提示词可用于广告、品牌和叙事创作。
MiniMax H3 提示词画廊
复制精选提示词，开始创作多模态 AI 视频。
通勤列车驶过高架城市轨道，电影感长焦镜头。
夕阳下海鸟掠过平静海面，金色倒影铺在水上。
镜头沿着乌云下蜿蜒的山路前进，安静的电影感旅行画面。
抽象隧道中打开一道发光的传送门，光线朝镜头奔涌而来。
一位女性在黄昏户外停下脚步，柔和的散景，沉思的情绪。
小船缓慢穿过夜晚的历史运河，温暖的城市灯光倒映在水面。
通勤列车驶过高架城市轨道，电影感长焦镜头。
夕阳下海鸟掠过平静海面，金色倒影铺在水上。
FAQ
MiniMax H3 常见问题
什么是 MiniMax H3？
MiniMax H3 是 MiniMax 的开放通用多模态视频模型，统一理解文字、图片、视频和音频输入，支持视频生成、参考生成和视频编辑。
MiniMax H3 支持哪些输入？
H3 支持文字提示词、图片、视频和音频输入，可用于文字生视频、首尾帧图生视频以及多模态参考生成。
MiniMax H3 可以生成多长、什么分辨率的视频？
官方 API 文档显示，H3 支持 768P/2K 输出、24 fps，单次生成时长为 4 到 15 秒，并按整秒指定。
H3 会生成声音吗？
会。MiniMax 官方发布资料将 H3 描述为可生成带原生立体声的多模态视频模型，声音与视频在同一生成流程中完成。
什么是 MiniMax H3 的参考生成？
参考生成可以在一次任务中使用参考图片、视频或音频，让模型理解主体、动作、镜头、风格、声音或剪辑节奏，并按提示词生成目标视频。
MiniMax H3 支持多少参考素材？
最多可使用 9 张参考图片、3 段参考视频和 3 段参考音频，混合输入最多 12 个文件；音频参考需要与图片或视频输入一起使用。
MiniMax H3 是开源模型吗？
MiniMax 官方将 H3 定义为开放通用多模态视频模型，并提供开放权重。开放权重不等同于训练数据、全部代码和所有组件都以开源许可发布。
如何调用 MiniMax H3 API？
使用模型 ID MiniMax-H3 提交异步视频生成任务，收到 task_id 后轮询任务状态；任务成功后，从响应中的 content.url 获取视频。
官方资料与参考
本页规格和能力描述基于 MiniMax 官方 H3 发布文章、视频 API 指南和模型总览。
示例视频使用本地托管的 Mixkit 免费库存素材。本页面为独立资源，与 MiniMax 没有隶属关系。
规格核对日期：2026 年 8 月 4 日