MiniMax H3 视频生成模型上线，支持多模态输入

MiniMax 宣布其视频生成模型 H3 已在 HailuoAI 和 MiniMax API 双平台上架，支持文本、图像、音频和视频四种输入模态，定位为「一体化参考」的多模态视频生成方案。官方同时公布了按秒计费的阶梯定价，2K 分辨率视频起价为 0.081 美元/秒，即将上线的 768p 分辨率版本起价低至 0.047 美元/秒。

多模态输入与编辑能力

H3 的核心卖点是「All-in-One Reference」，即在同一接口中支持文本、图像、音频、视频四种输入作为参考素材，允许创作者将不同模态的内容组合进同一条生成管线。此外，模型提供精确编辑控制（Precise editing controls），用户可以依据具体指令对生成结果进行迭代和优化，而不是依赖纯随机抽样。

• 输入模态：文本、图像、音频、视频
• 编辑方式：按精确指令迭代修改

面向创意与商业场景

据官方介绍，H3 面向从电影、广告、游戏到品牌和电商等多种创意与商业场景。与此前常见的实验性视频生成工具不同，H3 在 API 层面即开放了商用所需的分辨率选项与计费结构，便于直接接入到现有产品链路中。

• 适用场景：电影、广告、游戏、品牌内容、电商素材
• 接入方式：HailuoAI 平台与 MiniMax API

价格与可用版本

H3 的定价以「美元/秒」为基本单位，明显低于业内部分同类服务的报价，对批量生成和长视频工作流较为友好。

• 2K 视频：0.081 美元/秒（已上线）
• 768p 视频：0.047 美元/秒（即将上线）

目前消息来自 TestingCatalog 在 X 平台转发的官方要点，MiniMax 官方博客尚未给出详细的技术报告或模型架构说明，更多关于生成质量、时长上限、并发配额等关键参数仍待进一步披露。