MiniMax H3（Hailuo 03）上线：2K 声画一体视频生成指南

**MiniMax H3（Hailuo 03）**现已接入 Genvizu。当前开放文生视频和单张首帧图生视频，统一输出 2K 视频，可选 4–15 秒并生成原生立体声。想从一句描述快速做完整声画，或让一张定稿画面自然动起来，都可以直接使用 H3。

MiniMax H3 有什么特点

MiniMax 将 H3 定义为通用多模态生成模型。根据 MiniMax 官方发布，模型可以联合理解文字、图片、视频与音频上下文，并生成最高 2K、最长 15 秒、带原生立体声的视频。官方也说明 H3 具备多镜头建模能力，但这不等于每条复杂提示词都会自动得到稳定分镜；实际创作仍应明确镜头顺序、动作和声音来源。

Genvizu 首发版本把入口收敛为两种最实用的工作流：

• 文生视频：从提示词创建镜头，可选 21:9、16:9、4:3、1:1、3:4 或 9:16；

• 单张首帧图生视频：上传一张图片作为起始画面，模型延续主体、场景和构图生成动态内容。

当前不开放 Reference-to-Video，也不接收视频或音频参考素材。虽然 H3 模型本身覆盖更广的多模态能力，Genvizu 页面上能选择的参数才是当前实际可用范围。

文生视频还是图生视频

目标推荐模式原因尝试广告、短片或氛围镜头文生视频构图、画幅和动作都能直接用文字定义让人物照片、商品图或插画动起来单张首帧图生视频首帧帮助锁定主体外观与初始构图快速验证提示词方向4–6 秒试错成本更可控，也更容易检查单一动作表达一段有起承转合的动作8–15 秒有足够时间安排镜头与声音变化

图生视频时，源图最好主体清楚、构图完整、没有过度压缩。提示词重点描述“接下来发生什么”，不必重复罗列图片里已经明确的外观细节。

MiniMax H3 积分价格

H3 固定输出 2K，按实际选择的时长计费，单价为 46 积分/秒：

时长所需积分4 秒1846 秒27610 秒46015 秒690

文生视频与单张首帧图生视频使用同一输出单价。完整价格对照可查看 Genvizu 模型价格。第一次测试建议从 4 秒开始，先确认主体、动作和镜头方向，再增加时长。

MiniMax H3 提示词怎么写

一条实用的 H3 提示词可以按下面的顺序组织：

[主体与场景] + [按时间发生的动作] + [运镜] + [光线变化] + [声音来源] + [保持约束]

文生视频示例

雨夜的霓虹街口，一名穿银色风衣的快递员骑车冲过积水。
前两秒低机位跟拍车轮溅起水花，随后镜头抬升并从侧后方追随，
远处电车驶过，红蓝灯光掠过湿润路面。
声音：近处雨声、轮胎压水声、远处电车铃声，空间位置清晰，无旁白。
保持人物服装、车辆颜色和夜景方向一致。

单张首帧图生视频示例

人物先保持注视窗外，随后缓慢转头看向镜头并轻轻微笑。
摄影机平稳缓慢推近，窗帘被微风吹动，暖色夕阳逐渐扫过脸侧。
声音：轻柔风声、窗外远处鸟鸣、细微衣料摩擦声，无音乐。
保持首帧中的脸部、发型、服装与室内陈设不变，不新增人物。

写声画提示词时，声音要写清“是什么、从哪里来、何时出现”；动作则按时间排序。短片里安排一个主动作和一种主要运镜，通常比堆叠多个转身、奔跑、变装和镜头切换更容易得到可控结果。

用 MiniMax H3 生成第一条 2K 视频

先选择 4 秒，用一个明确动作和具体声音验证方向；满意后再延长到完整镜头：打开 MiniMax H3 模型页开始生成