MiniMax H3
自帶音效的影片生成
MiniMax H3 單次任務即可生成 2K 畫面與同步立體聲軌——音效、環境音與對白一應俱全。現已在 Popcraft 上線。
使用 H3 製作的影片
包含對白、標題、預告片、品牌與產品片、時尚、遊戲介面、海報設計、特效、微距及真實寬銀幕畫幅。滾動時自動播放；點擊喇叭圖示即可聆聽。
真實的交談畫面
一位創作者在路邊咖啡館對著鏡頭說話。言語、對口型以及身後的街道景象皆出自同一次生成——這是該模型核心能力的展現。
眼鏡廣告
以原生 9:16 拍攝，適合社群媒體。鏡面鏡片、雕刻輪廓與乾淨的攝影棚背景——在每個剪輯中保持品牌一致性。
MIDNIGHT LINE
犯罪劇片頭：分割畫面、鮮明色塊與卡司卡片隨鼓點切換，配有專屬的懸疑爵士樂。
實用的遊戲選單
角色選擇、武裝自定義、清晰可讀的按鈕狀態。渲染清晰的 UI 是大多數影片模型的弱點，這正是我們展示它的原因。
THE STARS WERE LISTENING
高對比科幻前導片。巨大圓環前的小人影，從黑暗中浮現的標題，以及隨之增強的配樂。
POPUP! Series 001
海報與收藏品設計，保持平整且清晰可讀：標題字體、系列編號，以及渲染精確、足以列印的角色。
火與皮革
全對比度的時尚社論影片——背景火焰、前方漆皮，且模特兒在各鏡頭間保持一致。
LEATHER IN MOTION
黃昏、汽車與質感研究。緩慢移動、單一實用光源，以及在畫面上方清晰排版的文字。
在現實世界中繪圖
手繪發光線條動畫疊加在實景電車素材上，隨著車廂移動而變幻形狀。
近到能看清鱗片
極致微距下的冠毛守宮，舌頭掃過眼睛。皮膚紋理、濕潤反光與細微動作在 2K 解析度下依然清晰。
MINIMAX, 2.35:1
以 2944 by 1248 交付的品牌作品——真正的寬銀幕畫幅而非 16:9 裁切，商標整齊地重複排列在扶手上。
生成此影片的提示詞
包含需求、提供的參考圖以及生成的影片——配樂、剪輯與螢幕文字皆在單次生成中完成。
15 秒 16:9 的輕懸疑犯罪片片頭。視覺語言：復古日本動畫片頭、硬邊輪廓、漫畫拼貼、非對稱分割畫面、強烈幾何色塊、英文演職員表、少量片假名、爵士犯罪感。氛圍 60% 懸疑，40% 爵士——神祕、冷酷、都市；非恐怖、非沉重，也不是輕快的爵士影片。
動作應呈現為動態圖形拼貼：黑色背景上繪製線條框、分割邊界彈出、色塊與面板逐塊貼上；輪廓、道具特寫與演職員表隨鼓點滑動、跳出並以遮罩呈現。
英文演職員表必須清晰可讀，且可包含動畫：細框繪製、名字滑入、字母逐一出現、色塊遮罩顯現後保持不動。無添加中文、無亂碼、無拼字錯誤。每位人員與職位僅出現一次——職位不重複、姓名不重複，無人兼職。
轉場：圓形黑膠遮罩、垂直車門擦除、橫掃畫面的長陰影、紅線切換、巨大字母遮罩、分割畫面重新組合、硬色塊切換。全部對準節拍。無軟性溶解、無流體變形。
音樂：一段原創 15 秒片頭配樂，60% 懸疑與 40% 爵士——持續的低音、緊張的撥奏琴弦、冷峻的合成器脈衝、大鼓、稀疏的刷奏、一段走低音片段、低音薩克斯風樂句與短促的銅管突奏。低頻與踏鈸構建 2s，3s 加入大鼓，6s 加入爵士低音，10s 加入短薩克斯風/銅管樂句，最後 2s 以緊張和弦與鼓點凍結。請勿模仿任何現有旋律。
需求指出的六張參考圖——「參考這些圖像的視覺語言」。
應用場景
生成音效與一次性剪輯能改變工作流程的領域。
首次觀看即完整的垂直廣告
9:16 剪輯自帶環境音、音效與對白，讓利益相關者看到的初版不再是無聲的動態腳本。
動態產品展示
以首末幀鎖定產品靜態圖，模型會填充中間的動態過程——同樣的罐子、同樣的光影，被打開了。
全系列保持同一面孔
參考圖像可在不同鏡頭及鏡頭內剪輯間保持身份與服裝的一致性，滿足固定出鏡角色的需求。
內建鏡頭語言的動態腳本
動作被寫成指定指令，因此「推入」就是真正的推入，而非模型隨機生成的動作。
無需編輯的剪輯片段
提示詞中的剪輯指令會產生成包含多個鏡頭的片段，且環境音在鏡頭間保持連續。
核心優勢
三大特點——只有第一項是真正的罕見。
音訊與畫面同步生成
特效、環境音與對口型對白皆在同一個檔案中。我們進行了四次音訊轉寫測試，腳本對白每次都能準確且同步地呈現。
單次生成內含剪輯
三個鏡頭與兩次硬切，完全依照提示詞位置設定，成品無任何非預期拼接——且環境音持續流動。
5 到 15 秒，精確到秒
在參考模式下嚴格遵守時長。要求 11 秒即交付 11 秒，不會自動補齊到 15 秒。
H3 與 Seedance 2.0 對比
我們的測試：使用相同提示詞與參考圖，僅模型為唯一變量。單一提示詞，非基準測試。其中一個欄位隨模型調整：H3 在附帶參考圖時會忽略指定的長寬比，因此它自行選擇了比例。
| 測量指標 | MiniMax H3 | Seedance 2.0 |
|---|---|---|
| 交付畫面 | 1440 × 2560 · 24 fps | 1248 × 1664 · 24 fps |
| 對白轉寫結果 | 逐字對應且同步，4 / 4 | 混亂且不同步 |
| 要求時長 → 交付時長 | 8 s → 8.000 s | 8 s → 8.08 s |
| 遵守構圖指令 | 否 — 罐子逐漸縮小 | 是 |
| 商標清晰度（逐幀） | 134 of 192 | 159 of 193 |
畫面表現相當，音訊明顯勝出，但在指令遵循方面較弱。兩個提示詞皆未寫下對白且都要求安靜的環境音——這讓我們發現，如果放任不管，H3 會自行編寫內容。
提示詞撰寫指南
分為三部分。說明每個附件的用途，寫一句核心創意，然後逐個鏡頭描述——每個鏡頭需包含剪輯時間、構圖、鏡頭移動、對白及動作音效。
大聲說出你不想要的東西
負面提示必須是獨立指令。若要靜音，請將非劇情音樂欄位設為 N/A——寫作 "non_diegetic_music": N/A。漏掉該欄位並不等於靜音要求。
這是必修課。我們曾有一個要求安靜環境音且未寫對白的提示詞，結果生成了完整的口說對白且對好口型，內容甚至包含無人輸入的產品聲明。
音景有專屬欄位
環境音與動作音效不放在鏡頭描述中，而應放入 overall_soundscape，整個片段約一到四句話。角色聽不到的配樂放入 non_diegetic_music。對白則保留在鏡頭描述中。
使用引號並將台詞分配至鏡頭
欲顯示在螢幕上的文字應精確放入引號中。對白台詞必須符合鏡頭分配的秒數；若指明跨越的鏡頭，台詞可跨剪輯延續。
提示詞範例
三個部分，以模型讀取的欄位格式呈現integrated_multimodal_description: [Shot 1] A barista sets a mug on the marble counter shown in <Picture 1>, keeping the counter, the light and the mug's position. The camera pushes in with small amplitude at slow speed. The barista with a warm, low voice (S1) says: <d>[English] Yours.</d> [Shot 2] At 00:05.000, the shot cuts to an overhead close-up of steam rising from the mug while her last word carries over. overall_soundscape: Ceramic meets stone with one soft knock and low room tone continues underneath. An espresso machine hisses two rooms away. non_diegetic_music: N/A
在 Popcraft 上使用
H3 位於 Seedance 旁的影片模型選單中。只需三步，但第三步常被忽略。
選擇 MiniMax H3
然後設定時長——5 到 15 秒間的整數秒——以及畫面等級。
附加參考圖，並說明用途
MiniMax 將「未標註附件」列為出錯首因。一張圖片可作為首幀或末幀（需註明）；兩張則鎖定鏡頭起訖。
指導聲音，包含靜音指令
撰寫音景描述，並將不想要的部分寫成獨立指令。若未說明，H3 將自行編寫並演出對白。
常見問題
影片交付時已包含音效、環境音與對白，因此音訊階段變成了「編輯」而非「從零構建」。但這並非最終混音，各鏡頭音量可能不一，建議在發布前進行響度處理。
會的，除非你禁止它。這是關於 H3 最重要的一點。我們的一個提示詞要求自然的安靜環境音且未寫對白，H3 卻生成了完整的對白並對好口型，包含沒人寫過的產品聲明。留白欄位不等於要求靜音。每次都要明確撰寫音景並加入負面指令。對於客戶專案或受監管類別，請將此視為審核步驟而非偏好。
選擇 768p 會得到短邊 768 像素的影片，720p 亦然。1080p 的要求會被提升至 2K——短邊 1440 像素——這是唯一與要求不符的數值。較小等級的生成速度快約 40%，體積約為三分之一。代價是細小文字：商標在 768p 能辨識，但下方更小的副標題通常不行。
僅在未附加參考圖時可以。文字轉影片會遵守指定的比例。一旦附加參考圖，比例必須設為自適應（adaptive），而自適應並非確定性的，它不一定會複製參考圖比例。曾有 3:4 的參考圖生成了 9:16。請以交付檔案為準。
身份可以，構圖則較不穩定。參考圖能很好地鎖定身份與服裝，包括多鏡頭片段。構圖指令的遵循程度不如 Seedance 2.0——我們的產品在畫面中逐漸縮小。建議在每次剪輯時重新說明鏡頭大小並指明角色，這也是 MiniMax 官方指南的建議。
兩者是同一個模型的不同名稱。MiniMax 將其發布為 MiniMax H3；部分平台標註為 Hailuo 3.0。在 Popcraft 的模型選擇器中顯示為 Hailuo 3。本頁面統一使用 MiniMax H3。
H3 按輸出秒數計費。當前每秒定價請參閱定價頁面。生成前值得注意：768p 等級的體積約為 2K 的三分之一，且速度快約 40%，視工作需求而定。
繼續探索
相關模型
Seedance 2.5 單次任務可生成長達 30 秒的影片，支援多達 50 個參考素材、可控影片編輯、高保真時間軸延展、0.4 至 2.5 的任意長寬比，以及 10 種以上語言的原生提示詞。現已於 Popcraft 上線。
在 Popcraft 上使用 Seedance 2.0，從文字、圖片或片段生成電影級 4K 影片。原生同步音訊、多鏡頭序列，以及最高 4K (2160p) 的極致清晰細節。
Seedance 2.0 Mini 是字節跳動最輕量的影片方案——比標準版 Seedance 2.0 便宜最多 50%，速度約為 Fast 的 2 倍，支援文字、影像、影片及音訊提示詞。現已在 Popcraft 上線。
在 Popcraft 上使用 Seedance 2.0 將影像與提示詞轉化為電影級影片。支援參考素材轉影片、首末影格控制及多比例輸出，解析度最高可達 4K。