在 ToVideo 使用 MiniMax H3
一个模型覆盖文生视频、首尾帧控制与多模态参考。MiniMax H3 单次最长约 15 秒，原生立体声音轨，指令跟随强 —— 适合广告、产品与品牌运动草稿。
文生 · 图生（首/尾帧） · 参考
什么是 MiniMax H3？
MiniMax H3 是 MiniMax 的通用多模态生成模型（检索常写作 Hailuo H3 / 海螺 H3 / Hailuo 03）。官方材料强调对文本、图片、视频与音频的统一上下文理解，成片最长约 15 秒，并原生输出立体声音轨与高分辨率画面。它不再把每种任务拆成互不相关的专家模型，而是让创作者用自然语言描述素材关系 —— 例如哪段视频提供运镜、哪张图是角色、哪段音频是人声 —— 再由模型执行。在 ToVideo，你可用 MiniMax H3 做文生视频、图生视频（首帧与/或尾帧）与参考生视频，生成前可见积分。
三条可落地的生成路径
文生视频从文案与画幅起稿。图生视频可接收首帧、尾帧或两者，适合计划好的转场与产品揭示。参考生视频在需要身份、运动迁移、风格或声音跟随上传素材时，混合图片、视频与音频 —— 并用总素材上限保持控制包克制。
原生立体声与画面同屏
H3 联合建模人声、音效与音乐，而不是事后硬贴。官方演示强调原生立体声，以及包含演唱时的口型对齐能力。在 ToVideo，需要同屏声音时，把对白、环境与配乐意图写进同一提示词即可。
面向商业 brief 的指令跟随
MiniMax 将 H3 定位于广告、品牌、电商、产品设计、UI 动效与游戏等场景。早期表述强调可控多模态生成、文字与品牌渲染，以及类 V2V 的运动迁移。提示词里用角色标签，让模型清楚哪份参考管运镜、哪份管角色。
探索与导出可切换的分辨率
官方强调默认高分辨率输出，并以相对主流模型更有竞争力的每秒定价宣传；同时保留更低成本的 768p 路径。在 ToVideo，MiniMax H3 提供 768p 与 2K，便于先低成本迭代，锁定成片后再提高分辨率导出。
为什么选择 MiniMax H3
当你需要同一工作区完成纯提示草稿、有起止帧的转场，以及混合参考包 —— 而不想为每个微任务切换互不相关的专家模型时，优先选 MiniMax H3。
落地时真正用到的 MiniMax H3 能力
把官方能力映射到可执行动作：选模式、只挂必要素材、定时长与画质，再迭代。
文生视频与画幅控制
在同一 brief 里写画面、运镜、对白与声音。按渠道选择横版、竖版、方形或超宽画幅。
首尾帧图生视频
一张图让静帧动起来；两张图定义起止。适合已批准关键帧的转场任务。
参考生视频控制包
混合图片、片段与音频，锁定角色、运动、风格与声音。遵守 ToVideo 的分项与总资产上限。
原生立体声音轨
提示词要求声音时，联合生成环境声、音效与对齐表演的人声。
约 4–15 秒时长
整数秒覆盖钩子、广告与短叙事节拍，不必串联大量超短片段。
768p 与 2K 画质档
迭代用 768p；运动 brief 稳定后再用 2K 导出。提高分辨率前先看积分。
MiniMax H3 常见问题
面向正在评估 ToVideo 上 MiniMax H3 的营销与创作者。