MiniMax H3创作性测评

想给自媒体、短片或商业项目选一个能”一句话出片”的全模态视频模型？MiniMax H3 是 2026 年 7 月 31 日发布的通用全模态生成模型：文字、图片、视频、音频可放进同一上下文，最长输出 15 秒 2K 视频并原生生成立体声。本文用 12 个真实案例实测它的价格、规格与创作边界，附完整可复制的提示词，帮你判断它适不适合你的场景。

看价格与公开性能规格

项目	公开规格 / 本文解释
发布与定位	2026-07-31；通用全模态视频生成与编辑模型。
输入模态	文字、图片、视频、音频可联合参考。
输出	2K 视频；5-15 秒；24 FPS；原生立体声（fal 接口公开规格）。
画幅	21:9、16:9、4:3、1:1、3:4、9:16，以及自适应模式；首尾帧模式跟随输入图比例。
参考素材上限	最多 9 张图、3 段视频、3 段音频；单次总文件不超过 12 个。参考视频/音频各 2-15 秒，视频总时长与音频总时长各不超过 15 秒。
提示词	最长 7000 字符；支持在提示词中按编号引用素材。
主要模式	文生视频、图生视频/首尾帧、参考生视频、自然语言视频编辑。
已公开优势	统一上下文、原生音画、可读文字与 UI、动作迁移、局部编辑。
官方自述短板	部分场景的视觉细节仍可提升；模型规模与多模态理解仍有继续扩展空间。

价格先算清：15 秒不是”一次几毛钱”

项目	fal 当前公开价	快速估算
2K 输出	$0.26 / 秒	5 秒 $1.30；10 秒 $2.60；15 秒 $3.90
图生视频	$0.26 / 秒	图片输入免费
参考图片	前 5 张免费；第 6 张起 $0.08 / 张	9 图会增加 $0.32
参考视频	$0.26 / 参考视频秒（2K）	另加在输出费用之上
参考音频	免费	仍受数量与总时长上限约束

价格提示：以上是 2026-08-01 查到的 fal 2K 接口价。MiniMax/海螺网页端、其他第三方平台、会员套餐与 768p 价格可能不同，真正开跑前请以生成按钮旁的实时扣费为准。

一、成品展示

先用三组代表成品建立预期：一句话生成、视觉包装、多模态参考与编辑。每个成品都带一句具体结论。

1. 夏日气泡饮料TVC

同一瓶柚子气泡饮料分别用”简单一句话”和”按 0-15 秒拆镜头的复杂提示词”生成。

简单一句话

分镜描述

2. 视觉包装代表成品

用动态海报、电影片头、App 演示三种任务测视觉包装：同样追求”画面好看”，动态海报考文字稳定性，电影片头考多镜头信息层级，App 演示考 UI 是否真按功能逻辑运动。

古代建筑创意短视频

动态商业海报

多镜头电影片头

歌词MV

APP界面UI

超写实电影感

多人压力上下文测试

3. 多模态与编辑代表成品

动作迁移、实拍局部编辑、12 素材联合参考、跨次元手绘特效——H3 的核心差异在于：它不是只从文字”猜”一条视频，而是理解不同素材分别承担的角色、动作、声音、风格与不可改动项。

汽车视频替换

三人物理逻辑

跨次元手绘特效

IP动作迁移

二、软件说明

1. 认识入口、模式与素材上限

H3 可通过 MiniMax 官方生态或第三方接口使用，各平台按钮名称略有差异，按任务选模式即可：无素材概念验证→文生视频；锁定构图→图生/首尾帧；绑定人物、动作、音色或风格→参考生视频；已有实拍只改局部→编辑。

注：分为国内版（MiniMax Hub — 多模态创作 Agent，你的AI创作工作室 | MM Hub）和海外版（MiniMax Hub: H3 LIVE NOW. Top-Tier Quality, Versatile References）

海外版需要魔法进入

1. 打开 H3 创建页，先确认模型名称、输出分辨率、时长、画幅与是否自动带音频。
2. 按任务选模式，不要为了”素材多”就全部塞进参考模式。素材越多，职责冲突的概率越高。
3. 上传后可适用@模式，标注好”图1负责什么、视频2负责什么、音频1负责什么”。
4. 提交前做上限检查：图片≤9、视频≤3、音频≤3、总文件≤12；视频与音频各自总时长≤15秒。
5. 截图生成前设置与扣费提示；生成后下载原视频，再截关键帧，不要只截网页播放器。

日期：2026年8月3日（具体根据网站实时更新来看）

三、操作演示

案例1｜夏日气泡饮料TVC：长短提示词测试商业广告

素材图提示词

White studio background, one transparent glass bottle of yuzu sparkling drink, pale-gold liquid with fine bubbles, frosted silver cap. The front label contains only the clear text "YUZU POP" and "0 SUGAR". Centered 85mm commercial product photography, soft rim light, realistic condensation.

素材图用任意生图模型生成（这里用的是 mj v8.2），得到：

视频提示词

一句话版

制作一支清爽高级的夏日柚子气泡饮料广告：冰块、柚子、气泡和水花围绕产品运动，结尾产品定格并出现"YUZU POP"。原生立体声。

得到

分镜提示词版

严格锁定@图1瓶型、瓶盖、标签文字"YUZU POP / 0 SUGAR"，任何镜头不得改字。0-2秒：超近景，一颗柚子表皮被冷气凝出水珠，远处蝉鸣与冰箱低频；镜头快速推近。2-5秒：柚子落入透明冰水，液体真实受重力炸开，切到微距气泡沿瓶壁上升。5-9秒：瓶子从飞散冰块之间旋转进入画面，镜头环绕半圈后准确停在标签正面；水花只能在瓶后方，不遮挡文字。9-12秒：瓶盖"啵"地弹开，气泡喷出形成一条弧线，弧线转场为金色夕阳下的泳池反光。12-15秒：产品放在湿润白石台面，标签正对镜头，画面只出现两行清晰文字"YUZU POP""0 SUGAR"，女声轻声说"把夏天打开"，最后0.8秒完全静止便于截取封面。整体自然阳光、柚黄与冰蓝配色，不要塑料质感，不要额外瓶子，不要改变包装，不要出现乱码。

得到

案例2｜制作动态海报：测试文字与视觉包装

素材图提示词

9:16竖版潮流饮料海报，中心是一只透明柚子气泡饮料瓶，柚黄到电光蓝渐变背景，粗体无衬线英文标题"SUMMER POP"，副标题"0 SUGAR"，日期"07.31"，底部小字"OPEN THE SUMMER"，所有文字拼写准确且清晰，强烈网格排版，半透明气泡、金属反光、纸张纹理，高级音乐节视觉包装。

视频提示词

以图1作为唯一产品、构图、文字、字体、配色与最终版式参考。严格锁定瓶身造型、标签设计、瓶盖结构、柚子果肉、气泡位置关系，以及黄橙—电光蓝渐变背景。四组文字必须逐字保留且始终可辨认：

SUMMER POP
0 SUGAR
07.31
OPEN THE SUMMER

禁止增加、删除、替换或拼错任何文字。整支视频采用一镜到底式视觉衔接，以"蓝色能量线＋透明气泡＋冷凝水珠"作为贯穿始终的动态线索。整体节奏由克制启动逐步增强，在结尾形成清爽、强记忆点的爆发。

0—3秒｜夏日能量启动
镜头完全继承图1构图，瓶身稳定位于画面中央，不改变产品比例和标签内容。背景纸张纹理产生极轻微的呼吸起伏，黄色区域散发柔和暖光，蓝色区域出现缓慢流动的冷光。画面中的透明气泡以不同速度缓慢上浮，瓶身冷凝水珠轻微滑落，保持真实玻璃材质与商业摄影质感。巨大的蓝色标题"SUMMER POP"从画面背景深处沿Z轴快速但平滑地向前推进，伴随极轻微的运动模糊和镜头空气压缩感。标题在接近最终位置时产生一次干净利落的弹性减速，于2.5秒完全清晰，并精准落回图1原始版式。标题落位瞬间，现有星芒图形闪烁一次，形成第一处视觉记忆点。不得扭曲文字，不得让文字液化、融化或变形。

3—7秒｜能量环绕产品
瓶身继续保持绝对居中和稳定，镜头进行极轻微、近乎不可察觉的缓慢推近。一条具有透明液体质感的电光蓝能量线从画面左下方出现，沿瓶底水面滑入，顺着瓶身轮廓螺旋上升并完整绕瓶一周。线条经过标题、日期和副标题区域时，必须从文字后方穿过，文字始终位于最上层且完整可读。蓝色线条经过瓶身时，短暂照亮玻璃边缘、冷凝水珠和标签上的蓝色图形；经过柚子切面时，引发一圈细小水珠飞溅和局部高光，但不得移动或改变柚子的主体位置。每一次能量线转折与低频电子鼓点同步。环绕结束时，蓝色线条收束进入瓶身标签上的蓝色水平线图案，使动效自然回归产品设计，而不是突然消失。

7—11秒｜排版节奏爆点
镜头停止推近，进入更强烈但仍然整洁的动态排版段落。左侧日期"07.31"以机械翻页显示器的方式快速翻动一次。翻页过程中只允许出现数字翻片的运动残影，不得生成其他日期或可辨认的错误数字；翻动结束后必须准确恢复为"07.31"。右上方"0 SUGAR"先沿水平方向快速压缩成一条细窄蓝线，再像弹簧释放一样恢复正常比例。恢复过程中保持字体结构完整，不拉伸字母高度，不产生液态、果冻或融化效果。两组文字动作形成左右呼应：日期翻页完成后，一道蓝色光脉冲沿现有横向装饰线滑向右侧，触发"0 SUGAR"的压缩与恢复，使两个动作具有明确因果关系，而不是彼此独立。恢复瞬间，周围气泡短暂停顿半拍，随后同步向外轻微震开，形成第二处强记忆点。瓶子、标签和主体构图不得发生位移。

11—15秒｜清爽高潮与品牌定格
所有动态元素沿原运动轨迹自然回收，文字、瓶身、柚子、气泡与装饰线条精准对齐图1最终版式。蓝色能量从瓶身底部向上快速扫过，在玻璃边缘形成一道清透高光；现有星芒图形依次闪亮，瓶身表面冷凝水珠在高光经过时短暂产生晶莹折射。13秒左右，伴随一声清脆、干净的开罐声，画面产生一次极短促的透明环形冲击波。冲击波只轻微推动附近气泡和水珠，不移动瓶子、不震动文字、不改变版式。冲击波过后，所有气泡缓慢归于稳定。最后1秒完全定格为与图1一致的完整广告画面，产品锐利清晰，玻璃通透，柚子鲜亮多汁，文字全部准确可读。背景保持黄橙与电光蓝的品牌对比色，结尾具有清凉、年轻、电子音乐节般的视觉余韵。

画面与生成限制
图1必须作为唯一参考，不重新设计海报，不改变构图比例，不改变瓶身、标签、瓶盖、柚子和文字的位置关系。不得生成第二个瓶子、瓶身复制体、额外水果、人物、手部、吸管、冰块、Logo或新图形。不得修改四组文字，不得出现乱码、错字、重复文字、镜像文字或额外小字。不得让文字融化、液化、破碎、漂浮、旋转或离开原版式。不得改变品牌蓝与黄橙主色，不使用紫色霓虹主调，不做暗黑风格。保持真实玻璃、冷凝水珠、纸张颗粒与气泡折射，避免塑料质感、过度HDR、过锐、过曝和廉价粒子特效。所有运动必须具有前后因果关系，转场连续顺滑，最终画面必须准确回到图1原始版式。

得到

案例3｜古代建筑创意：测试短视频节奏与理解

视频素材和链接

素材来源：微信视频号

视频提示词（反推使用的是 codex”发送视频素材，要求精炼出15s视频提示词即可”）

生成一条15秒、中国古建筑科普风格的竖屏视频，画幅3:4，1080×1440，30fps，共4个连续镜头，依次展示"螭首、望柱、华表、飞檐"。整体采用真实古建筑摄影、高饱和HDR、清晰锐利的石雕木雕纹理、晴朗蓝天、红墙灰瓦、朱红立柱和彩绘斗拱。固定机位，建筑背景与透视保持稳定，构件从真实安装位置连续生长、雕刻和榫接成形。每段之间直接硬切，文字必须清楚、稳定、笔画正确，不闪烁、不变形、不出现错别字。

统一文字版式：每个镜头左上方显示小号黄色拼音，拼音下方显示超大号白色中文标题，粗黑描边和轻微阴影；标题下方显示3行白色说明文字，重点词使用黄色；说明文字下方显示红色小字"中国经典传统古建筑"。文字始终固定在安全区域内，不遮挡建筑主体。画面上方可零星漂浮黄色点赞手势，右侧偶尔出现绿色"+1"气泡，营造中国短视频爆款科普风格。

【镜头一｜0.0—3.7秒｜螭首】
固定中近景，灰白色风化石栏杆位于画面左侧，背景是宫殿红墙、灰色石地和树木。石栏杆端部向右连续生长出一只螭龙头：先出现鼻吻和额头，再形成眼窝、嘴部、鬃毛、鳞纹与卷云纹，像石头被无形的雕刻刀逐步雕刻成形，最终成为横向探出的完整螭首。石雕根部牢固连接栏杆，材质厚重真实，完成后定格0.4秒。
画面文字必须准确显示：
"chī shǒu"
"螭首"
"螭首是中国古建筑中的龙形构件"
"常用于栏杆、台基和排水口"
"兼具排水、装饰与辟邪寓意"
"中国经典传统古建筑"

【镜头二｜3.7—7.3秒｜望柱】
硬切。低机位中近景，白石栏杆柱头位于画面中央下方，背景是金黄色琉璃瓦飞檐、朱红宫墙和湛蓝天空。柱头原本空无一物，一只白石守望狮从柱头内部向上生长：先出现头部和前爪，随后胸腔、后腿、鬃毛与卷曲尾巴逐渐成形，雕刻细节越来越清晰，最终石狮端坐柱顶、昂首守望，尾巴向右卷起。镜头和背景不动，完成后定格0.4秒。
画面文字必须准确显示：
"wàng zhù"
"望柱"
"望柱是栏杆端部或转角处的立柱"
"柱头常雕刻狮兽、莲花和云纹"
"兼具支撑、守护与装饰作用"
"中国经典传统古建筑"

【镜头三｜7.3—10.9秒｜华表】
硬切。仰拍白色华表近景，华表位于画面中央，柱身布满蟠龙和云纹浮雕，左右云板像翅膀一样伸展，背景是纯净明亮的蓝天，右下方露出少量宫殿金瓦。华表顶部的圆形承露盘上，一只灰白石雕神兽逐渐显形：先出现头部和前爪，再形成躯干、鬃毛和昂首姿态，最终完整站立在华表顶部。构图庄严、垂直、对称，石材纹理细腻，完成后定格0.4秒。
画面文字必须准确显示：
"huá biǎo"
"华表"
"华表是中国传统的纪念性建筑"
"柱身常刻蟠龙并设置云板和蹲兽"
"象征庄严、守望与道路标识"
"中国经典传统古建筑"

【镜头四｜10.9—15.0秒｜飞檐】
硬切。正对中国古建筑山面，从檐下低机位仰拍，画面严格左右对称。红、蓝、绿、金色彩绘斗拱层层展开，屋顶中央的脊饰从檐口中线向上延伸，红黄相间的木构件一节一节榫接生长，两侧椽子、斗拱和翼角结构同步变得完整，最终形成轻盈舒展、向上挑起的飞檐轮廓。变化必须像真实木构逐层装配，不能像橡胶拉伸。最后0.6秒完整定格。
画面文字必须准确显示：
"fēi yán"
"飞檐"
"飞檐是屋檐向上翘起的建筑形式"
"有利于排水、采光并扩大檐下空间"
"让建筑呈现轻盈舒展的视觉效果"
"中国经典传统古建筑"

声音设计：中国风电子节奏，约105 BPM，鼓点清晰；每次构件开始生长时加入短促木鱼声和低沉推进音，构件完成时加入清脆金属提示音；四个镜头的硬切必须踩在音乐重拍上。

负面提示词：错误汉字，错别字，乱码，缺字，多余文字，拼音错误，声调符号错误，文字闪烁，文字漂移，文字变形，文字遮挡主体，镜头抖动，背景移动，透视变化，柱子弯曲，建筑变形，构件悬空，安装位置错误，主体穿模，石材变成皮肤，木材变成塑料，液体融化，烟雾生成，随机粒子爆炸，橡胶拉伸，低重力，结构坍塌，多头神兽，多余肢体，不对称，纹样错位，低清晰度，卡通风，现代建筑，现代路人，车辆，Logo，平台水印。

得到视频：

案例4｜制作IP动作迁移：测试动作与角色一致性

素材

视频提示词

完全参考【@视频1】的所有运镜效果和转场和配音，将【@视频1】中出现的所有人物主体换成【@图片1】，人的手部变成猫爪

得到：

案例5｜修改实拍视频：测试局部编辑保护

汽车运镜素材

从 4K 素材中截取任意 15 秒

调好参数，输入视频提示词：

保持@视频1运镜光影与剧情节奏不变，将@视频1中的车统一换成@图片1

得到：

案例6｜制作歌词MV：测试文字、口型、音色与世界转换

素材图提示词

年轻欧美女歌手，长红发及腰带两缕银色挑染自然垂落，左耳一枚星形耳钉，戴细框银色蓝光眼镜（镜片半透明彩虹反光），穿亮面银色 PVC 短款夹克，内搭薰衣草色修身高领无袖针织衫（不透明面料），下身银色液态光泽感阔腿长裤，脚踩银色厚底方头短靴（鞋底厚约 5cm，未来太空感）。脖子上一条细银链坠着迷你翻盖手机吊坠，左手腕叠戴两只细银色环形手镯。全身站立姿态，重心微偏左腿，右脚尖轻点地面，身体略带四分之三侧转但面部朝向镜头。平视视角全身构图，双脚完整入画，头顶留约 15% 空间。冷白主光从正前方 45° 高位打下，一束粉紫色聚光从右侧打过来在脸颊与右臂留下渐变光斑，左侧一缕青蓝补光勾勒身体轮廓边缘。皮肤质感自然，嘴唇涂亮面裸粉唇釉带微闪，银色外套表面映出环境光的淡紫反射。背景为纯色全息银渐变（银→淡紫→淡蓝），地面为高反光镜面材质映出人物倒影，带轻微数字噪点颗粒。画面比例 9:16 竖版，商业摄影品质，全身锐利对焦。

@图1 为同一人 —— 相同五官、相同长红发及腰带两缕银色挑染、相同左耳星形耳钉、相同体型。

换装造型：摘掉眼镜，眼妆为 Y2K 标志性的银白色亮片眼影铺满整个眼窝＋下眼睑粘贴三颗间隔排列的微型星形水钻。上身穿银色金属光泽吊带背心（面料为千禧年经典的液态金属弹力面料，随动作产生流动反光），外罩一件oversized 透明淡蓝色充气羽绒外套（Y2K 经典充气面料，外套表面有轻微全息彩虹膜质感，衣身蓬松如太空服，不系拉链敞开穿），下身低腰银色金属光泽 cargo 工装裤（裤腿宽大，侧面有透明 PVC 口袋翻盖，裤脚收口处有银色按扣）。脚踩白色厚底运动鞋（鞋底极厚约 7cm，鞋面有全息反光条纹，Y2K 太空球鞋感）。
配饰：颈部一条宽约 2cm 的银色蝴蝶 choker（正中一只 Y2K 标志性金属蝴蝶挂坠），腰间一条松松挂着的透明塑料链条腰带（链扣是彩虹反光材质），右手腕一只大面积翻盖形状的银色手镯（致敬翻盖手机造型），双手食指各戴一枚银色粗面戒指。
全身站立，双脚略分开与肩同宽，重心放松微微后仰，左手插在 cargo 裤侧兜里（露出透明 PVC 口袋盖），右手自然下垂，面部直视镜头带慵懒自信表情。平视视角全身构图，双脚完整入画。
灯光：正面一盏大面积粉紫色柔光灯箱直打（营造 Y2K 甜美又未来的光感），头顶偏后一束青蓝色硬光形成头发边缘高光和肩部轮廓光，面部出现粉紫与青蓝的冷暖交界。充气外套表面折射出环境光的彩虹色斑。
背景为Y2K 经典元素拼贴感—— 纯色渐变底（粉→淡紫→银过渡），背景中散落几颗大小不一的半透明悬浮泡泡和一两个失焦的旋转 3D 星形几何体（不抢主体，仅作为氛围点缀），背景整体带轻微 VHS 扫描线纹理和边缘色差。地面为镜面反射材质。

Y2K aesthetic virtual cityscape at night: large holographic gradient sky (pink → purple → cyan-blue → silver transition), semi-transparent giant bubbles and rotating 3D star-shaped geometric solids floating in the sky. Foreground: a Y2K-style subway platform — floor in reflective mirror-silver tiles, platform pillars in transparent inflatable plastic texture, distant neon signs showing intentionally blurred pixelated text (deliberately out of focus). Overall image has subtle VHS scan-line texture and chromatic aberration at edges, dreamy and translucent yet maintaining realistic perspective, no cartoon feel.

视频提示词

Y2K・R&B 歌词 MV・15 秒
15 秒、16:9、2K、原生立体声。R&B 曲风，节奏温柔但有律动弹性。

素材锁定：
@图片1（造型 A）= 前半段站台场景服装
@图片3（造型 B）= 后半段虚拟城市场景服装
@图片2 = Y2K 全息虚拟城市环境
@图片1与@图片3为同一人，五官、发色、耳钉、体型完全一致，仅服装配饰不同

歌词锁定（中英混合四句，不改一字）：
把霓虹折进口袋
Rewrite the wind on every sign
如果城市忽然停摆
We just walk into the light

开场设计｜0 — 2 s ｜"信号接入・R&B 气口"
0—0.5 秒：纯黑画面，仅有一个 Y2K 风格的加载进度条从左向右跑满（像素化、全息银色），进度条走完的瞬间 ——
0.5—2 秒：画面从中心向四周以圆形虹膜转场（iris-in）打开 —— 露出 Y2K 站台（图 2 环境），歌手（造型 A）背对镜头站在站台中央，长红发因空调气流轻微飘动。镜头从她背后以弧形滑轨绕至正面（180° 半环绕，2 秒内完成），当镜头到达正面时，她缓缓抬起下巴，彩虹反光眼镜反射出一道水平光带扫过镜头。
伴随 R&B 前奏的一声柔和 bass drop，镜面地砖泛起一圈涟漪。

第一段｜2 — 6 s ｜造型 A・站台（中文句＋英文句）
镜头：中景正面轨道跟拍，歌手边走边唱，步态松弛带 R&B 律动感（肩膀微幅 groove）。
2—4 秒｜第一句 "把霓虹折进口袋"：
歌手右手以慵懒的 R&B 手势从空中拂过一道漂浮的全息霓虹光带 —— 光带在她指尖折叠缩小为一颗光球，她以随意的 "帅气" 动作将光球向下投入裤侧口袋。球体入袋瞬间，口袋处布料表面短暂浮现全息波纹再消失。歌词以液态银色 3D 膨胀气泡字体逐字从画面左侧滑入定位（水平进入而非底部浮升，配合 R&B 的 "横向流动感"），每字到位有一帧柔和的全息色移。
4—6 秒｜第二句 "Rewrite the wind on every sign"：
英文句响起，歌手走近一根透明充气立柱，左手轻触立柱表面 —— 立柱内部从触点开始涌现上升的全息气泡流，气泡上升至顶部后化为英文歌词文字逐字散落在空气中定位。文字字体切换为Y2K 标志性的圆润无衬线体（类 Eurostile Bold Extended），带银色金属光泽材质。歌手对镜头轻微歪头，嘴角一个自信的微笑，眼镜镜片捕捉到字面的蓝色反光。

换装转场｜6 — 7 s ｜"全息刷新"
设计核心：在一个自然动作中完成造型 A→造型 B 的切换，不硬切。
第 6 秒整拍：歌手走到画面右侧一颗悬浮的巨型半透明泡泡前，顺势一个 R&B 风格的 spin（原地身体转一圈）——
转身过程中：巨型泡泡在她经过时从上而下扫过她全身（像一层透明滤镜刷过），泡泡扫过的区域：银色 PVC 夹克→全息渐变长袖上衣＋透明 PVC 风衣、银色长裤→全息渐变修身直筒裤、眼镜消失露出银色眼妆、颈部项链→银色 choker。
spin 完成面向镜头时 = 已完整切换为造型 B。泡泡在 "刷新" 完毕后向画面后方飘走。整个过程不超过 1 秒，顺滑自然，面部五官在旋转过程中保持连贯一致。

第二段｜7 — 12 s ｜造型 B・全息城市（中文句＋英文句）
环境切换：spin 完成后歌手面前的站台场景已无缝渐变过渡为全息虚拟城市（图 2 完整环境）—— 站台立柱在背景中虚化后退、全息天空扩展充满画面、3D 几何体开始旋转浮动。不需要硬切或翻转转场，利用歌手 spin 时的视觉注意力分散，背景自然替换。
7—9.5 秒｜第三句 "如果城市忽然停摆"：
镜头缓慢推近至中近景。"停摆" 二字唱出的 beat 上 ——全局时间冻结效果：所有漂浮泡泡、旋转几何体、光线粒子全部骤停（overcranked 定格），背景去饱和为银灰，仅歌手保持全彩与动态。她在凝固世界中继续缓步走向镜头，透明 PVC 风衣下摆是唯一仍在飘动的元素（强化她 "不受停摆影响" 的独立感）。歌词以像素翻牌动画显现在空中一块悬浮的霓虹灯牌上，翻牌声与 R&B 节奏中的 hi-hat 同步。
9.5—12 秒｜第四句 "We just walk into the light"：
歌手伸出右手向前推 ——"推" 的动作在画面中产生一道可见的弧形能量波，能量波扫过之处：冻结的世界重新恢复运动 + 色彩从银灰瞬间回归全息彩色（像打破结界）。所有泡泡重新旋转、几何体恢复转动、全息光粒子重新流动 —— 但速度比冻结前更快、色彩比之前更饱和（画面 "超越了原来的世界"）。
歌手以自信的 walk pose直接面向镜头大步走来（脚底每一步绽放全息色环），镜头同步后退保持距离。英文歌词以最大号全息彩虹渐变膨胀气泡字体出现在画面上方，字面色彩随画面中漂浮粒子同步流动。

高潮结尾设计｜12 — 15 s ｜"Light Burst・系统定格"
12—13 秒｜粒子升腾：最后一个单词 "light" 落在重拍上 —— 歌手双手从身侧缓慢上抬至与肩平齐（R&B 编舞中经典的 "surrender" 手势），指尖的银色指套戒指开始发出强烈光芒。从她脚底、衣摆、发梢同时升腾出大量全息银色光粒子，粒子上升过程中逐渐变色（银→粉→紫→青蓝），形成一个环绕她全身的上升粒子柱。
13—14 秒｜文字环绕成型：上升的粒子在歌手头顶上方汇聚，快速重组为四句完整歌词的文字阵列 —— 中英文四句以全息膨胀字体排列成一个缓慢旋转的 Y2K 文字光环（类 2000 年代 Windows Media Player 的旋转可视化），环绕歌手头部半径约 1 米。歌手微微仰头望向文字光环，面部被光环投下的流动全息彩光照亮。
14—14.5 秒｜呼应开场的 "关机 - 重启"：
画面突然出现一帧VHS 故障纹理（水平撕裂＋色彩偏移），像信号短暂断裂 —— 紧接着一根水平全息扫描线（呼应开场）从画面中央快速向上下扫过，扫描线经过之处画面从动态变为超高清静帧质感（像从视频切回商业摄影照片）。
14.5—15 秒｜终帧定格（静止画报感）：
完美定格 —— 歌手（造型 B）以微仰头、双臂展开的优雅姿态定格在全息虚拟城市中央。四句完整歌词（中英文）以膨胀气泡字体分列画面四角悬浮发光。长红发带银色挑染在最后定格帧中呈现完美的飘扬弧度（冻结在空中）。透明 PVC 风衣衣摆飘起定格。周围漂浮泡泡和 3D 星形几何体静止在画面中。脚下镜面映出完整倒影。
色调：Y2K 标志性银＋全息渐变＋粉紫＋青蓝。保持 1 秒完全静止。

全局约束
保留参考音色，R&B 唱法，不增加和声，不改歌词任何一字
中文歌词口型同步中文发音，英文歌词口型同步英文发音
不让字幕遮挡面部
全片仅一位歌手，不新增任何其他人物
造型 A→造型 B 通过泡泡 "刷新" 转场，五官 / 发色 / 体型 / 耳钉完全一致不变
所有文字准确可读，无乱码、无镜像、无额外文字
保持 Y2K 配色（银＋全息渐变＋粉紫＋青蓝），不用暗黑 / 赛博朋克暗色风格
不出现暴露穿着、不使用低机位仰拍
开场 "进度条加载＋虹膜转场" 与结尾 "VHS 故障＋扫描线定格" 形成数字系统首尾闭环

得到：

案例7｜多镜头电影片头：压力测试长指令

视频提示词｜五镜头电影片头

沉郁的古典史诗片头，画面呈现 35mm 柯达 5219 胶片颗粒与青铜冷调色彩。全片只出现片名 ' 奥德赛 ' 与英文 'THE ODYSSEY'，以及两条小字 'A FILM BY LIN''SOUND BY MORA'，不得出现其他文字。

镜头 1（0–2.5 秒）：黑场中先听到深沉海浪撞击礁石与远方低沉号角回响；画面极缓渐显 —— 暴风雨前的爱琴海黄昏全景，铅灰色巨浪翻涌，天际一道闪电将海面劈成冷白与深靛两色，远处一座孤岛的轮廓在雷光中闪现又隐没；小字 A FILM BY LIN 位于左下，古铜色衬线体，保持清晰。

镜头 2（2.5–5 秒）：以闪电的白光匹配切至贴近海面的超低机位，镜头随一块破碎的船舷残木在浪谷间向前滑行，海水漫过镜头保护玻璃又退去；残木上隐约可见刻痕（不可辨认为文字），一根断裂的桅绳从画面上方垂入水中被浪卷走。

镜头 3（5–8 秒）：以水珠圆形匹配切到一只眼睛的极近景 —— 虹膜呈风暴海洋般的灰绿色，瞳孔内反射翻涌的海浪与闪电；人物不说话，仅听到一次粗重而疲惫的呼吸；焦点从盐渍结块的睫毛缓缓转移到瞳孔中倒映的孤岛轮廓。

镜头 4（8–11.5 秒）：切入昏暗的石砌殿堂内部，俯拍一张泛黄的航海羊皮图被一双伤痕累累、粗糙的手缓缓展开；地图上不出现可读文字，只有一条暗红色线条如活物般自行蔓延，沿海图中的航线蜿蜒推进，仿佛二十年归途在眼前重演；石壁火把光投下摇晃的阴影；小字 SOUND BY MORA 在右上出现，与石壁纹理融合。

镜头 5（11.5–15 秒）：红线越过图的边缘化作海平面上一道暗红色光带，摄影机猛然后拉 —— 回到爱琴海全景，风暴已过，天际线露出第一缕金红色曙光照亮海面；片名 ' 奥德赛 ' 以凿刻石碑质感先出现于画面中央，0.3 秒后英文 THE ODYSSEY 以古典衬线铜箔字出现在中文下方，中心对齐，字形稳定如纪念碑；最后 0.7 秒定格于晨曦海面。

声音设计：从深沉海浪与远方号角起始，镜头 3 加入单一大提琴持续低音，镜头 4 加入金属弦颤音，片名出现瞬间只打一记太鼓雷击，随即归于海浪余韵。

硬性约束：转场必须由水珠、瞳孔反光或红线形态连接；不要随机闪白；不新增人物；不改变既定文字；不用赛博朋克霓虹；不做预告片式快速乱剪；不出现现代元素；保持古典史诗的庄重与克制。

选择15s，16:9，得到

案例8｜制作App界面演示：压力测试UI与功能逻辑

反推素材：

打开任意可读视频AI工具，这里使用的是 codex

得到视频提示词：

制作一支 15 秒、16:9 横屏的高端 AI 科技产品宣传片，品牌名"Doks.ai"，核心产品"AI Chatbot"。

整体采用高级商务科技风：深海军蓝近黑背景，荧光薄荷绿与青绿色品牌光效，黑色玻璃拟态 UI 面板，精细圆角、柔和辉光、轻微颗粒、空间网格和抽象流体光带；画面简洁克制、质感高级，UI 清晰锐利，电影级光影，流畅三维视差与商业级动态设计。

时间线：
0–2.2 秒：黑暗空间中一条绿色流体光带扫过，Doks.ai 标志和大标题"AI Chatbot"快速显现；聊天产品界面从画面下方升起，镜头缓慢向前推进，建立产品高级感。
2.2–4.2 秒：搜索栏、AI Bot、AI Support Assistant 等多层 UI 卡片依次弹出并悬浮叠放，卡片带轻微弹性和三维纵深；镜头快速推近右侧"Ask AI"按钮，按钮发出绿色脉冲，环形光波向外扩散。
4.2–7.2 秒：切换到真实使用演示。用户问题以打字动画逐字出现，AI 回答内容快速生成；聊天气泡、加载圆点和文字行依次亮起，绿色光标闪烁，背景保持深色、干净、专业。
7.2–10.0 秒：展示 Inline Style 与 Message Style 两种界面。两块黑色玻璃 UI 面板在空间中倾斜、旋转、错位滑入，镜头横向穿梭，卡片形成流畅视差，蓝绿色高光沿边缘掠过。
10.0–12.6 秒：标题"Connect any source"出现，GitHub、表格、知识库、XML、WordPress 等数据源图标组成整齐矩阵；镜头由远到近俯冲，图标逐个点亮，表现快速接入多种数据源。
12.6–15.0 秒：全部界面迅速收拢为一枚绿色四角星品牌符号，背景转为极简深蓝黑；文案"The future of your business is here"横向展开，最后出现"with Doks.ai"，绿色辉光轻轻呼吸，画面稳定停留约 0.8 秒。

镜头与转场：快速推拉、轻微环绕、三维视差、卡片翻转、遮罩滑动、辉光扫过、速度渐变、节拍点硬切；运动顺滑精准，不使用夸张故障效果，保持高级商务质感。

音乐与声音：无旁白、无歌声。使用约 120 BPM 的未来感极简电子商务音乐，深沉合成器低音、克制电子鼓点、清脆点击音、高频数字脉冲和空间氛围铺底；开头加入短促上升音，UI 卡片出现时配合轻盈 pop 与 digital click，"Ask AI"按钮配合低频冲击和能量扩散声，镜头穿梭配合 whoosh，12.6 秒品牌收拢时加入强节拍 impact，结尾使用干净、明亮的科技品牌提示音收束。所有镜头切换与音乐重拍严格同步。

画质要求：4K 商业广告质感，30fps，细节清晰，绿色不过曝，黑位纯净，文字与 UI 无乱码、无变形、无抖动；避免人物、杂乱背景、廉价霓虹、过度粒子、赛博朋克街景、卡通感、水印及多余品牌标识。

得到：

案例9｜联合参考9个素材：压力测试上下文绑定

九张素材

视频提示词

15秒，9:16，2K，24fps，原生立体声，高预算中国武侠漫剧群像PV，超级燃、强节奏、电影级二维动画、精细赛璐璐厚涂、克制水墨线稿、轻微2.5D景深。

严格使用十二张人物资产与"十二星门武场"场景资产@图片1，锁定所有人物的脸型、发型、年龄、性别、身材、服装、颜色、武器和道具。全片只有一个连续长镜头：摄影机沿圆形武场顺时针高速螺旋运动，连续完成穿越浑天仪、俯冲、贴地滑行、人物环绕、快速抬升与后撤；不切镜、不黑场、不白闪、不瞬移、不使用遮满画面的伪转场。每位人物完成招牌动作后不消失，而是继续向武场中央集结，最终形成十二人群像。

巨型动态文字规则：每位角色亮相时，必须准确出现与人物对应的巨大中文名称——"白羊座@图片2""金牛座@图片3""双子座@图片4""巨蟹座@图片5""狮子座@图片6""处女座@图片7""天秤座@图片8""天蝎座""射手座""摩羯座""水瓶座""双鱼座"（参考@图片9是一张五人身份合并参考图，必须将其中五个人理解为五名相互独立的角色，而不是一个不可拆分的固定组合。严格按照从左到右的位置识别：

最左侧是"天蝎座"：黑紫衣装、长辫、手持紫黑蝎尾链刃的女性刺客。
左侧第二位是"射手座"：沙色与青绿色旅行衣装、长辫、携带弓箭和箭囊的女性弓手。
正中央是"摩羯座"：留短须、黑灰重衣、头戴双角形发饰、手持山岳铁杖的男性宗师。
右侧第二位是"水瓶座"：蓝白青衣装、蓝黑长发、携带青玉葫芦和透明水剑的男性剑客。
最右侧是"双鱼座"：浅蓝粉白衣装、黑色长发、怀抱古琴、周围环绕两条透明水墨鱼的女性琴师。

参考图9下方的五个星座标签仅用于身份识别，不是视频画面构图参考，不要复制标签的位置、字号或排版。视频中五个人必须能够分别离开合并图的站位，独立行动、独立入场，并在结尾与前七位角色共同组成十二人群像。）。文字不是字幕，而是存在于场景中的超大型立体行楷书法字，高度占画面55%–75%，粗重墨迹飞白、细窄金属描边、带对应人物的能量色边缘光。文字位于人物身后、场景之前，绝不遮挡脸部、眼睛和核心武器。每个名称绑定对应人物运动维持3秒，拥有真实透视、景深、视差与轻微惯性回弹。人物离开镜头中心后，名称化为墨迹星轨留在其身后的空间位置，结尾十二个名称全部重新显现。

0.00–0.55秒：极近景对准青铜浑天仪，十二道星轨逆向旋转。巨鼓落下，镜头高速穿过浑天仪，俯冲进入云海武场。
0.55–1.35秒：白羊侠客踏火冲出，长枪挑开云雾；巨型赤红"白羊座"沿枪势斜向砸入，跟随人物冲刺。白羊收枪奔向中央。
1.35–2.15秒：金牛武僧重杖轰击石面；巨型暗金"金牛座"从地面拔起，随冲击波震动，笔画边缘震落碎石。金牛进入后排。
2.15–2.95秒：双子女侠从黑白镜面中旋身出现，黑白双剑交叉；巨型双色"双子座"从左右分开运动，随后在她身后合并。残影只能是同一人的运动残像。双子滑向左翼。
2.95–3.75秒：巨蟹女侠展开双月钩，构成银蓝防御月环；巨型月白"巨蟹座"沿月环绕她半圈，与人物同步后退。巨蟹进入防守位。
3.75–4.55秒：狮子盟主一刀斩开月环，从高阶跃下，大刀落地；巨型鎏金"狮子座"像城门般从背后轰然升起。狮子走向群像最前方。
4.55–5.35秒：处女医剑客掷出三枚银针钉住光屑，细长药剑无声出鞘；巨型淡青"处女座"由针线在空中快速书写成形，跟随她轻盈侧移。
5.35–6.15秒：天秤判官旋转双链剑，形成完全对称的剑阵；巨型靛金"天秤座"从两侧等速合拢，在人物身后精准居中并随剑阵旋转。
6.15–6.95秒：天蝎女刺客从阴影中回身甩出紫黑蝎尾链刃；巨型紫黑"天蝎座"像尾刺一样从纵深刺入，与长辫和链刃形成S形运动曲线。
6.95–7.75秒：射手女侠从石柱跃下，在空中放箭；镜头紧贴箭矢飞行，巨型青铜"射手座"被箭矢从远处拖入，笔画尾部化为风线与箭羽。
7.75–8.55秒：箭矢撞上摩羯宗师的山岳铁杖。铁杖落地，武场震动并凝结薄霜；巨型岩灰"摩羯座"像山壁般拔地而起，底部产生冰裂纹。
8.55–9.35秒：冰裂缝涌出清水，水瓶剑客转动青玉葫芦，水流凝成透明直剑；巨型青蓝"水瓶座"由水流一笔写成，围绕人物和镜头旋转半圈。
9.35–10.15秒：水流落到双鱼琴师的琴弦，她拨弦释放两条水墨鱼；巨型粉蓝"双鱼座"由两道相反水墨轨迹交汇生成，随长发、衣袖和人物同步飘动。
10.15–12.25秒：水墨波纹扩展成十二星阵。镜头连续高速绕场一周，十二位角色同时完成集结：白羊横枪、金牛镇杖、双子交剑、巨蟹成环、狮子举刀、处女悬针、天秤展链、天蝎盘刃、射手拉弓、摩羯立杖、水瓶升起水剑、双鱼拨响琴弦。此前化为星轨的十二个巨型名称依次重新亮起，严格锁定在对应人物身后。
12.25–15.00秒：音乐进入最终Drop。镜头从贴地低机位猛烈抬升并后撤，十二人组成前中后三层完整战斗群像，所有脸和武器清晰可见。十二个巨型星座名围绕群像保持轻微漂移和真实视差，形成十二方位文字星盘；星轨连接十二根石柱，浑天仪完全点亮。最后0.7秒所有人物同时看向镜头，风压掀起衣摆，中央上方出现唯一总标题"十二星座·问鼎江湖"，群像定格。

音乐：无对白、无歌词，约160 BPM燃系东方武侠史诗电子音乐。战鼓、堂鼓、电子低频Bass、急促弦乐、琵琶轮指、古筝扫弦、铜管冲击和克制男声合唱融合。十二位角色分别踩在连续十二个重拍上；每次巨型名称砸入画面时加入"毛笔破风声＋低频冲击＋对应武器声"。10.15秒音乐抽空半拍，只保留心跳和星轨嗡鸣；12.25秒最终Drop，全部鼓组、铜管、弦乐与武器共振同时爆发；结尾以巨鼓、剑鸣、星铃和长混响收束。人物动作急停、文字入场、镜头变速与音乐重拍逐帧同步。

禁止新增、复制、融合或替换人物；禁止串脸、变装、换武器、肢体异常、武器穿模和人物瞬移；禁止把双子残影变成第二个实体；禁止文字遮脸、错位、错字、漏字、乱码、英文和额外字幕。避免过锐、数字噪点、HDR、暗部死黑、过饱和、塑料3D感和真人摄影感。

得到：

案例10｜生成三人复杂互动：压力测试空间和物理逻辑

角色与空间素材提示词

五张统一现实主义参考图。图1角色A：红色针织衫短发女性；图2角色B：绿色夹克卷发男性；图3角色C：黄色围裙长发女性；均为全身正面、身份差异明显。图4狭长咖啡店，左侧吧台、中央圆桌、右侧入口、后方窗户。图5小型哑光蓝色礼盒，白色绳结。自然下午光，16:9。

视频提示词｜三人空间互动

@图1=A红色针织衫女性，@图2=B绿色夹克男性，@图3=C黄色围裙女性，三人身份与服装全程锁定；@图4锁定空间布局：吧台在左、圆桌在中、入口在右、窗在后；图5锁定蓝色礼盒。固定略广角机位，三人始终可追踪。0-3秒：A从左侧吧台拿起蓝色礼盒，B站在圆桌右侧，C从右侧入口端一杯咖啡走入。3-6秒：A绕圆桌前方把礼盒递给B，B先伸双手再接住；礼盒在交接瞬间只能有一只，不能复制。C看到他们后从B身后绕行，不穿过任何人。6-9秒：B把礼盒放到圆桌中心；C在绕行时鞋尖轻碰桌腿，咖啡杯倾斜，少量咖啡向左泼出，液体受重力落在桌面并产生湿痕。9-13秒：A迅速扶正杯子，B把礼盒向干燥一侧推开，C说'没事，只洒了一点'，三人目光分别落在杯子、礼盒和湿痕上。保持左右关系、遮挡、接触和影子正确。不要交换人脸或衣服，不要瞬移，不要复制礼盒或杯子，不要让液体向上飞，不要用切镜隐藏动作。

案例11｜超写实电影感：压力测试一镜到底

视频提示词

16:9画幅,8K电影级超写实画质,全程一镜到底、无剪辑跳切,丝滑运镜。暗调低饱和灰调废墟中式古屋场景,整体阴森死寂、悲美破碎,以暗沉灰黑为基底,仅赤红红线高饱和撞色高亮。侧暗光光影为主,漂浮尘粒形成了达尔文式光影,阴影厚重有层次,全片细节拉满,精准呈现根根发丝、厚重织物纹理、氧化做旧苗银质感与细腻人体肌肤肌理,全程搭配压抑诡谲的中式恐怖氛围BGM。第一人称主观视角开篇,指尖利落甩出六面骰子,镜头紧贴骰子跟随高速滚动,骰子撞开腐朽雕花木门、冲破蛛网黑暗纵深,穿门瞬间镜头垂直抬升,于厅堂半空悬停炸裂,光点尽数化作漫天赤红线,音效包含落骰脆响、破空风声、朽木推门异响、蛛网碎声与古屋幽深底噪。骰子炸裂后镜头先微扩再收束聚拢红线塑形成红黑苗疆少女人形,高空俯拍少女被红丝悬空束缚、后仰浮空落地,呈无力傀儡姿态;镜头下落转为平视近景,少女闭眼仰头静立、双臂轻柔舒展,神态哀婉死寂,侧方环绕运镜下身姿微动、红丝随肢体流转、发丝轻扬。人物妆容造型精致阴郁,冷白皮肌理通透,眼尾暗红烟熏妆、唇色朱红气质疏离诡;多层古风盘发搭配重工苗银发冠、步摇流苏与朱红绳带,佩戴苗银耳坠、多层项圈与银锁,身着红黑拼接正统苗疆服饰,刺绣纹样立体、布料哑光厚重,颈腕缠绕赤红丝线,与古屋全域红丝贯通,搭配红线嗡鸣、闷爆柔缓捻绕红线,眼神阴诡迷离,随节奏完成标准诡术舞手势与肢体律动,银丝缕摩擦、银饰细碎碰撞音效。镜头前推切正面特写,少女缓缓睁眼,指尖饰流苏轻颤。最终脸部特写聚焦凄艳神态,唇角勾起清冷淡笑,以空灵虚弱、带空间长回声的傀儡质感声线呢喃台词:"红线牵傀儡,死生不由己。"祈福结束,镜头匀速后拉,全景定格古屋场景,少女孤身立于厅堂中心,红黑服饰与赤红红线在暗调画面中极致突出,悲情悬疑的中式惊悚美学氛围拉满,收尾音效搭配肢体顿挫闷响、红线紧绷震颤、银饰悠长回音。

得到：

案例12｜制作跨次元手绘特效：让深夜洗衣店变成可探索的异世界

视频提示词｜跨次元手绘特效完整版

实拍深夜自助洗衣店与手绘发光动画混合影像。小型洗衣店里荧光灯轻微频闪，三台洗衣机运转，塑料洗衣篮、老旧长椅和地面一只孤零零的袜子都清楚可见；空间安静、略怀旧。保持单手手机追拍：明显但真实的手抖，白色荧光灯造成曝光忽明忽暗，玻璃带环境反光，靠近时自动对焦延迟约半秒。不要商业广告式精致构图。
手绘生物规则：它是一条青蓝蜡笔线与黄色光点组成的"袜子鱼"，笔触每帧轻微抖动；它能在玻璃反光与水迹中游动，光会照亮真实表面，能拉动轻物体，但不能穿透洗衣机金属外壳。
0-3秒：镜头随手扫过空店，第二台洗衣机滚筒每转一圈，圆窗内短暂出现一条青蓝手绘尾巴；相机注意到后猛地回转，产生拖影和对焦迟疑。3-6秒：袜子鱼从圆窗反光中跃出，不是穿过玻璃实体，而是沿玻璃表面的高光游到门框，再滴落进地面一小滩水；它经过之处留下两三帧会熄灭的黄色手绘星点，真实地面出现对应蓝色光晕。6-10秒：镜头弯腰追近，袜子鱼绕过洗衣篮，尾巴勾住地上那只真实袜子向长椅拖动；袜子与地面摩擦、有阻力，洗衣篮被轻碰后晃一下但不倒。椅子下方逐渐显出一扇只有巴掌大的手绘拱门，门上三个空圆点像游戏收集槽。10-13秒：袜子鱼依次吞下沿途三颗黄色星点，每吞一颗，拱门亮一个圆点；第三颗点亮时，三台洗衣机的圆窗同时变成手绘深海舷窗，里面有纸片鲸鱼缓慢游过，但洗衣店墙面、机器外壳和实拍空间仍保持真实。13-15秒：袜子鱼把真实袜子推入小门，门内喷出一小团奶白泡沫，泡沫在空中变成手绘星座，最后组成一个箭头指向镜头后方；拍摄者条件反射地回头，画面在快速甩动、曝光跳变和一声远处洗衣完成提示音中结束。
声音：保留滚筒低频、荧光灯电流、鞋底与地面摩擦；手绘生物用轻微铅笔刮擦和玻璃杯音，不说话；世界转换时加入水下闷响但不覆盖真实环境声。不要让手绘效果变成3D卡通，不要让整间店瞬间换景，不要新增真人，不要让相机运动过于稳定，不要让发光没有照亮周围，不要让袜子无摩擦漂浮。

得到

总结

总结：H3 作为商业级多模态工具，优势是性能稳定、性价比高，适合做自媒体与短片的朋友。对比 seedance2.0：日常创作选 H3 是不错的选择，但细节上限上 seedance 处理得确实更好。好消息是 H3 已公开开源，可以本地部署（需一定电脑配置）免费使用，感兴趣的朋友可以去官方仓库看看。

开源地址：huggingface.co/MiniMaxAI/MiniMax-H3

附录｜公开资料来源

查阅日期：2026-08-01。价格与平台界面会变化，发布前请再次核对。

来源	内容与链接
[1] MiniMax 官方发布	MiniMax H3: An Open Model Breaking the Boundaries Between Tasks and Modalities，2026-07-31。MiniMax Hub – 新手指南
[2] fal H3 总览	统一模态、素材上限、提示词长度、原生音频与用途示例。https://fal.ai/minimax-h3
[3] fal 文生视频接口	2K、5-15秒与当前每秒价格。https://fal.ai/models/minimax/h3/text-to-video
[4] fal 图生视频接口	首尾帧/图生视频与图片输入价格。https://fal.ai/models/minimax/h3/image-to-video
[5] fal 参考生视频接口	9图、3视频、3音频、总数12与参考素材计价。https://fal.ai/models/minimax/h3/reference-to-video