统一的多模态上下文
把文字指令与媒体参考放在一起，让模型理解不同素材应如何共同影响最终视频。
MiniMax H3 AI 视频生成器
名称
模式
输入图片
时长
仅限付费用户了解权益 & 升级 ›
MiniMax H3 视频指南
把多种创作素材整合成一支完整视频
在上方生成器中使用 MiniMax H3，可从文字构思、首尾关键帧或多种参考素材出发，生成更可控的音画结果。根据手头已有的内容，选择最合适的创作方式。
最高 2K 输出4–15 秒视频原生双声道三种生成方式
基本步骤
1
选择模式
选择文生视频、首尾帧图生视频，或混合参考生成。
2
编写提示词
描述你想要的画面、动作与风格。
3
设置参数并生成
选择时长（4-15 秒）、分辨率与画幅，然后点击生成。
三种生成模式
文生视频
在一段提示词里描述场景、人物、动作、镜头与声音，直接生成带原生立体声的完整片段，无需任何素材。
图生视频
可只上传一张图作为起始画面，也可同时提供首尾帧精确控制开头与结尾。适合动态海报、产品展示、UI 演示。
参考生视频
最多组合 9 张图、3 段视频、3 段音频：图片定角色/产品形象，视频定动作与运镜，音频定人声与音效。
提示词技巧
给每个参考指定角色写明每个素材控制什么——角色身份、产品外观、动作、风格或声音——避免多个输入互相冲突。
结构化长序列把多镜头创意按时间拆段（如 [0-3秒]…[3-7秒]…），让 4-15 秒全程节奏可控，不会挤在开头。
画面与声音一起导演把台词、配乐、环境音、音效与动作写在一起；H3 在同一次生成中输出原生立体声。
明确镜头语言写清构图、运镜、对焦与镜头感，避免模型使用泛泛的默认运动。
保持与禁止列出必须保持一致的人脸、道具、文字与品牌细节，并写明要避免的内容（硬切、形变、多余文字）。
无需拆分流程，也能获得更多控制
当视频创意依赖多种输入之间的关系，而不只是一段提示词时，H3 能把这些信息放在同一个生成流程中处理。
画面与声音同步设计
在生成视觉内容的同时输出原生双声道，可根据创作描述加入对白、环境声、音效或音乐。
细致理解复杂指令
用自然语言指定主体、调度、节奏、镜头、视觉风格和声音线索，无需在多个独立工具之间反复切换。
灵活的交付参数
可按发布渠道选择 4–15 秒时长、所需画幅，以及最高 2K 的分辨率。
让 H3 进入日常内容生产
三种生成方式既适合快速验证创意，也能用于制作更完整的营销和产品动态内容。
广告与社交媒体活动
从简洁的创意简报出发，快速制作吸引注意力的场景、短版广告变体和音画社交内容。
电商与产品故事
让产品静态图动起来、连接规划好的关键帧，或在短视频中持续保持产品外观一致。
品牌与界面展示
通过参考素材延续品牌视觉语言，用于动态海报、界面概念和新品发布演示。
游戏与创意预演
在进入更长的制作流程前，先探索角色动作、镜头构思、整体氛围和声音方向。
MiniMax H3 生成常见问题
生成前先了解如何选择模式、准备素材并编写更清晰的指令。
我应该选择哪种 MiniMax H3 生成模式？
只有文字构思时选择文生视频；希望由一张图片或首尾帧确定画面时选择图生视频；角色、动作、风格或声音需要来自多份素材时，选择参考生视频。
可以同时控制视频的开头和结尾吗？
可以。在图生视频模式中上传首帧和尾帧，再描述希望出现的动作与过渡，模型会围绕这两个关键画面生成过程。
H3 会和画面一起生成声音吗？
MiniMax H3 支持随画面生成原生双声道。如果对白、环境声、音效或音乐会影响创意，请在提示词中明确说明。
H3 视频支持多长时长和多高分辨率？
生成器提供 4–15 秒时长，并支持最高 2K 的分辨率。具体可用组合以当前模式和表单中显示的参数为准。
多份参考素材应该怎样描述？
为每份参考指定清晰用途，例如角色身份、产品外观、动作、运镜风格、人声或环境音。明确分工能减少素材之间的冲突。
MiniMax H3 适合制作哪些内容？
它适合短广告创意、品牌与社交内容、电商展示、产品或 UI 演示、游戏概念，以及其他需要画面和声音协同的短视频项目。