MiniMax H3擅长什么
统一的多模态理解
H3 不会把文本、图片和视频当作拥有各自权重或处理路径的独立输入。
细节、文字和品牌元素准确
MiniMax 表示,H3 在遵循指令、准确呈现品牌和图片中的文字方面表现出色。
始终包含原生立体声
H3 始终把立体声与视频一起生成。
准确呈现知名公众人物
当你需要包含知名公众人物肖像的视频保持准确时,Craze 会使用 MiniMax H3。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
MiniMax H3与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| MiniMax H3MiniMax | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| 生成 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 |
| 质量 | 最高 4K | 最高 4K | 最高 4K | 最高 720p |
| 时长 | 每个片段最长 15 秒 | 每个片段最长 30 秒 | 每个片段最长 15 秒 | 每个片段最长 15 秒 |
| 声音 | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 |
| 起价 | 每秒视频 $0.056 | 每秒视频 $0.120 | 每秒视频 $0.079 | 每秒视频 $0.063 |
Craze 上的 MiniMax H3规格
| 任务 | 输入 | 分辨率 | 时长 | 画面比例 | 声音 |
|---|---|---|---|---|---|
| 文生视频 | 文字提示词 | 480p、768p、2k、4k | 5 到 15 秒 | 21:9、16:9、4:3、1:1、3:4、9:16 | 始终生成 |
| 图生视频 | 首帧、尾帧 | 480p、768p、2k、4k | 5 到 15 秒 | 跟随输入 | 始终生成 |
| 参考生视频 | 参考素材、视频、音频 | 480p、768p、2k、4k | 5 到 15 秒 | 21:9、16:9、4:3、1:1、3:4、9:16 | 始终生成 |
常见问题
MiniMax H3 是 Craze 提供的第一个真正的全模态视频生成模型。它能一次理解你的所有输入:文本、图片、视频和音频。这种统一的理解让你可以在同一条提示词中,参考图片中的角色、片段中的动作和音轨中的氛围。结果是一段连贯的视频,体现出你的各个参考素材之间的关系。
创作者选择 MiniMax H3 的理由
MiniMax H3 是 Craze 提供的第一个真正的全模态视频模型。它能一次理解你的所有输入:文本、图片、视频和音频。这种统一的理解让你可以在同一条提示词中,参考图片中的角色、片段中的动作和音轨中的氛围。如需更快的版本,请看 MiniMax H3 Max。
统一的多模态理解
H3 不会把文本、图片和视频当作拥有各自权重或处理路径的独立输入。它把你的提示词和参考素材一起读取,理解它们之间的关系。这种连贯性会体现在输出中。当你把一张角色图片与一段动作参考视频和一条氛围音轨搭配在一起时,H3 会把它们全部融合成一次连贯的生成,而不是在不同类型的输入之间取舍平衡。
细节、文字和品牌元素准确
MiniMax 表示,H3 在遵循指令、准确呈现品牌和图片中的文字方面表现出色。这种准确度对标志、标签和清晰可读的设计元素很重要。在品牌视觉识别不容妥协的商业作品中,H3 在文字和颜色上的准确度是相对于竞争对手的显著优势。
始终包含原生立体声
H3 始终把立体声与视频一起生成。如果你的短片配有旁白或音乐,可以在剪辑时将其静音,但内置声音能省去一个步骤。音频在一次生成中就与视频同步,减少了音频后期制作的麻烦。
准确呈现知名公众人物
当你需要包含知名公众人物肖像的视频保持准确时,Craze 会使用 MiniMax H3。它是制作形象准确的明星和网红作品的工具。多模态理解与面部准确度的结合,在屏幕上的人与周围场景同样重要的作品中,它是正确的选择。
最高 4K 分辨率
H3 最高支持 4K,能输出适合商业作品的高分辨率画面。每秒费率随所选分辨率提高。
如何在 Craze 中使用 MiniMax H3
你把所有参考素材组合到一份需求说明中,让 H3 把它们一起理解。
- 描述你想要的内容。添加用于外观的参考图、用于动作的视频片段,甚至用于氛围或旁白参考的音轨。
- 指明 MiniMax H3,或者让 Craze 在规划之前为你列出可用的选项和价格。
- Craze 结合你的所有参考素材生成片段。
- 检查结果,如有需要就重新生成。尝试不同的参考素材组合,把外观调到位。
具体的指导会有帮助:“保持角色好奇的表情”或“匹配参考视频的动作”会告诉模型应该优先考虑什么。Craze 会把你的指导带入生成中。
MiniMax H3 价格
按视频秒数付费。费率在 480p、768p、2K 和 4K 之间递增,价格从每秒视频 $0.056 起。所有片段都包含声音。参考生视频的费率在使用 9 个参考素材时还有附加费;查看计算器了解你的选项。
MiniMax H3 适合谁
明星和公众人物作品
H3 在面孔上的准确度让它成为呈现可辨认肖像的工具。当屏幕上的人与场景同样重要时,就用它。多模态输入支持意味着你可以提供这个人的照片、展示所需动作风格的动作参考,以及捕捉氛围的音频参考,H3 会把它们全部融合。
细节一致且准确的品牌影片
在品牌一致性很重要的产品作品中,H3 在文字和标志上的准确度很关键。当精细细节很重要时,选择最高 4K 的分辨率。
多模态创意指导
如果你同时使用多个参考素材(一种角色外观、一种动作风格和一种氛围),H3 让你在一条提示词中表达所有这些内容,而不必猜测模型会优先考虑哪些输入。你不需要在参考动作和参考音频氛围之间二选一;两者可以兼得。
高质量的快速交付
H3 生成速度快。这样的速度,加上它的准确度和分辨率,让它适合有截止日期的广告活动和商业作品。统一的多模态处理意味着只需更少的迭代就能调出合适的美学效果。
MiniMax H3 与 MiniMax H3 Max 对比
基础版 H3 更准确,尤其是在面部特征上。H3 Max 生成更快、费用更低,但最高支持 1080p,而不是 H3 的 4K 上限。需要面孔准确时选择 H3。需要快速迭代且 1080p 已经足够时,选择 H3 Max。
MiniMax H3 与 MiniMax Hailuo 02 Pro 对比
MiniMax H3 以多种分辨率生成最长 15 秒、始终带立体声的视频。Hailuo 02 Pro 只以 1080p 生成 6 秒或 10 秒的无声视频。需要包含声音的更长片段时选择 H3。需要 1080p 无声视频和精确的音频后期制作时选择 Hailuo。



















