MiniMax H3：一个模型，
把生成 / 配音 / 改画面合成一件事
2026-08-09 整理 · 全部规格来自官方页面，二手传闻一律不收
01它到底是什么
过去做一条 AI 短片，你大概要开四个站：一个生成画面、一个配音、一个对口型、一个改画面。 每换一次工具，风格就飘一次，音画还得自己再对。
H3 的做法是：在预训练阶段就把这些任务一起建模，不再拆成一个个独立的专家模型。 官方原话是「打破任务之间的边界」——用自然语言表达要做什么，而不是先选一个任务模式。
它是一个全模态生成模型：能同时读文字、图片、视频、音频， 直接吐出带原生立体声的音视频。
02它能接的三种活
| 任务 | 你给它什么 | 典型用法 |
|---|---|---|
| T2VA 文生音视频 |
一段文字 | 从零起一个镜头，连声音一起出 |
| FL2VA 首 / 尾帧生成 |
第一帧，或最后一帧 | 已有一张定好的画面，让它补出这段动态 |
| Ref2VA 多模态参考 |
图 / 视频 / 音频当例子 | 要它像某个风格、某个动作、某个声音 |
03官方规格清单
| 项目 | 官方数值 |
|---|---|
| 发布 / 开源 | 2026 年 8 月 3 日 |
| 模型规模 | 33B 稠密模型（H3-Omni-Transformer），其中约 13B 在 AdaLN 相关分支 |
| 权重 | BF16，HuggingFace MiniMaxAI/MiniMax-H3、ModelScope |
| 时长 | 4–15 秒 |
| 帧率 | 24 FPS |
| 分辨率 | 默认 768p，最高 2K（走 H3-Regenerate-2K 模块） |
| 声音 | 32kHz 原生立体声，与画面联合生成 |
| 对白语言 | 稳定支持 11 种：中、英、日、韩、法、德、意、西、葡、俄、阿 |
| 画面比例 | 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 |
| 部署示例 | 官方文档给的是 SGLang + 4 张 GPU |
| 协议 | MiniMax H3 Community License Agreement |
※ 关于价格：官方 blog 只写了相对说法——「2K 每秒价格不到主流模型的三分之一， 768p 不到主流模型 720p 的一半」。网上流传的具体每秒单价，在官方定价文档里查不到 （该页明确写着视频资源包暂不支持 MiniMax H3），所以这里不写死数字，以你下单时页面为准。
04参考素材怎么喂
Ref2VA 这一支是最实用的部分。它一次能接：
- 最多 9 张图片——定人物、定风格、定场景
- 最多 3 段视频——定运镜、定动作
- 最多 3 段音频——定音色、定节奏
一类参考只解决一个问题：人物用 2-3 张不同角度的图， 风格用 1-2 张成片截图，动作用 1 段短视频。混在一起给九张同类图，它反而抓不到重点。
把九张风格迥异的图一起丢进去，然后写「参考这些」。 参考之间打架的时候，出来的东西通常哪个都不像。
05商用之前，先读协议
这是最多人忽略的一条。「开源」不等于「随便商用」。
- 它用的是 MiniMax 自家的社区协议（MiniMax H3 Community License Agreement）， 不是 MIT、也不是 Apache-2.0
- 模型卡上挂着一份 申请表，适用于美国 / 欧盟 / 英国 / 韩国—— 如果你或你的业务落在这些地区，先走这一步
- 要拿它做客户交付、做产品功能，把协议原文读完再动手，别只看「开源」两个字
06四个容易踩的坑
默认出的是 768p。2K 要再走一个重绘模块，成本和时间都不一样。
单条 4–15 秒。它是拿来做镜头的，不是拿来做整片的。 长片得靠你自己分镜、生成、再剪。
33B 稠密模型，官方给的部署示例是 SGLang 四张卡。 一张消费级显卡先别折腾，走 API 更快见效。
它的声音是跟画面一起生成的。 意思是——声音的描述要写进同一段 prompt 里，而不是等出片了再想配什么。
07什么情况下先别用它
- 你要的是 30 秒以上的连贯长镜头 → 时长上限卡死
- 你要严格可控的品牌画面、逐帧过审 → 生成式模型都不适合当唯一环节
- 你的业务在美 / 欧 / 英 / 韩且还没走申请流程 → 先把协议这一步办完
- 你只是想快速出一条口播 → 这类需求用现成的口播工具更省事
08官方来源
开源公告：minimax.io/news/minimax-h3-open-source
技术说明：minimax.io/blog/minimax-h3
模型权重：huggingface.co/MiniMaxAI/MiniMax-H3
部署文档：github.com/MiniMax-AI/MiniMax-H3
把 AI 真正接进你的日常工作
这份清单只是选型。如果你想要的是一整套能跑起来的工作流—— 选题、生成、排版、发布、私信自动化，一步步照着做—— 我把自己在用的那套整理成了《AI 进阶实战包》。
去看看实战包 →