Genvizu

用 MiniMax H3 生成的 AI 创作

MiniMax H3 (Hailuo 03) — native 2K text-to-video and single-frame image-to-video with stereo audio.

MiniMax

MiniMax H3(也叫 Hailuo 03)是 Genvizu 上的视频模型,输出固定单档 2K。单次生成 1 条 4–15 秒的片子,按整秒任选,比例 6 档,自带原生立体声。它有两条通道:不挂参考图走文生视频;恰好挂 1 张参考图时,这张图被当作首帧走图生视频。

核验日期 2026-09-10

免费开始 · 无需绑卡

适合的任务

  • 直接交 2K:这个模型只出 2K,不需要在分辨率档之间做选择。
  • 把一张静帧变成动态:挂恰好 1 张图,它就是片子的首帧。
  • 需要自带声音的片段——H3 的输出本就包含原生立体声。
  • 21:9 超宽画幅:它既是上游默认,也是这里 6 档比例之一。
  • 把一个镜头写细的简报——提示语预算 7,000 字符,运镜、动作、声音、影调可以各写一段。

不适合的任务

  • 多参考图的活。只收 1 张,且用作首帧,第二张会被拒。
  • 参考视频、参考音频。这些输入以及上游的 Reference-to-Video 通道,本模型在 Genvizu 上都未开放。
  • 尾帧控制。只能钉首帧,结尾只能用文字描述。
  • 超过 15 秒的片段——要 30 秒以内请用 Seedance 2.5。
  • 必须无声的交付物。本模型没有声音开关,要静音只能拿到成片后再抽掉音轨。

规格与限制

项目内容
供应方MiniMax,官方名 H3 / Hailuo 03(经 Genvizu 转发)
输入文字提示语;可选恰好 1 张参考图,用作首帧
输出单次 1 条,自带原生立体声
分辨率固定 2K —— 没有分辨率选择器,也没有 4K
时长4–15 秒,按整秒任选(默认 4 秒)
比例21:9、16:9、4:3、1:1、3:4、9:16
参考图恰好 1 张,用作首帧;0 张则走文生视频通道
参考视频 / 音频本模型在 Genvizu 上不接收
提示语上限7,000 字符
声音原生立体声,始终生成;上游没有开关
计费方式按输出秒数计,最低计费 4 秒(档位见定价页)
失败处理生成失败自动退款

提示语示例

21:9 超宽产品镜头

提示语

A brushed-aluminium laptop closed on a dark walnut desk, 21:9, 6 seconds.
Camera: slow lateral track from left to right, the lid edge catching a moving highlight as it passes.
Action: nothing else moves; a thin line of daylight widens across the surface as the shot travels.
Audio: quiet room tone, one soft mechanical click at the end. No music, no voice-over.
Look: single soft key from the upper left, deep falloff to the right, cool neutral grade.

21:9 是上游默认,也最适合横移。点名「只有这一样东西在动」,产品镜头才不会凭空长出手或反光。

用一张静帧定首帧

提示语

Start from the attached image and keep its composition, wardrobe and lighting.
The woman lifts her head, looks past the camera, and a gust moves her scarf once.
Camera: locked off, no zoom, no handheld drift.
Audio: wind and distant traffic only.
Duration: 8 seconds.

本模型只收 1 张参考图,并把它当首帧。先写清「什么必须保持一致」,再只描述之后发生的运动。

把声音写进去的竖版场景

提示语

A night market stall seen from across the aisle, 9:16, 10 seconds.
Camera: handheld feel but minimal drift, holding the stall in the centre third.
Action: steam rises steadily, the vendor turns skewers twice, one passer-by crosses the foreground near the end.
Audio: sizzling, low crowd murmur, one distant scooter. No music.
Look: warm practical lights, deep shadows, slight haze in the air.

这里声音一定会生成,所以值得专门写。点出两三种具体声音,比让模型自己编要好用得多。

怎么取舍

Seedance 2.5

片段要超过 15 秒(最长 30 秒),或者简报需要多张参考图、参考视频、参考音频时选它。它最高 720p,2K 这一头还是 H3。

Seedance 2.0 Pro

要在 1080p 下做多模态简报时选它:最多 9 张参考图、3 段参考视频、3 段参考音频,时长 4–15 秒,而且有 H3 没有的声音开关。

画廊里的作品

常见失败与修法

挂第二张参考图被拒。

只收 1 张,且用作首帧。其余信息全部写进提示语,或者把这一单切到 Seedance 系——它们最多收 9 张。

面板里没有分辨率可选。

H3 固定单档 2K,本来就没得选。面板上的数值只是标签,请求体里根本不发分辨率。

成片带着交付不想要的声音。

声音是输出的一部分,上游没有开关。要么在提示语里描述一条安静的音轨(只留环境底噪、no music、no voice-over),要么下载后自己抽掉音轨。

片子的结尾不是设想的样子。

只能钉首帧,没有尾帧输入。把结尾的姿态、构图、光线用文字写清,并把运镜写简单,让模型只有一件事要做。

很长的简报只被执行了一部分。

提示语上限 7,000 字符。把不可让步的内容——主体、时长、运镜、什么不能变——写在最前,与画面无关的背景交代可以删掉。

想要 16:9,出来却是超宽画幅。

21:9 是上游默认,不显式选就会落到它。到生成面板里挑比例;写进提示语的比例只会被当成画面描述。

常见问题

MiniMax H3 输出什么分辨率?

2K,而且只有 2K。没有分辨率选择器,也没有 4K —— 模型固定出 2K,请求体里也不发分辨率值。

H3 的片段最长多少秒?

4–15 秒,按整秒选,默认 4 秒。4 秒同时也是最低计费长度。需要 30 秒以内的长片段,可以改用 Seedance 2.5。

H3 能挂几张参考图?

恰好 1 张,用作首帧,挂上就切到图生视频通道;不挂图则走文生视频。参考视频、参考音频以及上游的 Reference-to-Video 通道,本模型在 Genvizu 上都未开放。

能把声音关掉吗?

不能。H3 的成片自带原生立体声,上游也没有声音开关——这正是本模型隐藏那个通用音频控件的原因。要么在提示语里写清想要的声音,要么下载后自己抽掉音轨。

MiniMax H3 在 Genvizu 上怎么计费?

按输出秒数计,最低计费 4 秒。当前档位以定价页为准;生成按钮会在开跑前显示这一次的确切消耗,确认后才扣。

生成失败会扣费吗?

不会。失败的生成会自动退款,这次生成扣掉的额度退回余额。

来源