MiniMax H3 Max Turbo Text to Video API

minimax/h3-max-turbo/text-to-video
480p / 768p / 1080p · 5–15 sec

MiniMax H3 Max Turbo Text to Video 将文本转为 5–15 秒连贯视频,具备原生立体声同步与极速出片优势。它在严格遵循运动规律的同时,完整呈现细腻的光影变化。

输入
634/50000
输出示例
5 秒 × $0.040/秒 = $0.200
继续使用

示例

Close documentary shot at a desert archaeological excavation at sunrise. An adult archaeologist in a faded burgundy scarf kneels over a small mosaic, carefully sweeping loose sand away with a soft brush. Several intense cobalt tiles emerge under the brush. A light gust lifts the edge of the scarf while the archaeologist pauses and leans closer with a small surprised smile. One gentle rack focus from the moving brush to the eyes; realistic sand particles and restrained hand movement. Native dry brushing and faint wind, no speech or music. Five seconds, a single clear discovery beat, no written inscriptions, subtitles, advertising or logos.

Handmade stop-motion miniature cinema. A tiny human clock repairer with wool hair and blue felt overalls stands on a spiral wooden staircase inside an enormous clock. A brass screw rolls down two broad steps; the repairer quickly kneels and catches it in an open cloth pouch, then looks up in relief as one giant gear turns behind him. Visible tactile felt fibers, tool marks on wood and stepped stop-motion timing. Locked three-quarter camera with a slight push-in, coherent miniature scale, one simple physical action. Native soft brass clinks and ticking. Five seconds. No animals, written text, packaging, logos or subtitles.

MiniMax H3 Max Turbo Text to Video

MiniMax H3 Max Turbo Text to Video 基于旗舰架构的后训练蒸馏底座,大幅提升吞吐量并缩短生成耗时。模型接受 1–50,000 字符提示词,支持 480p、768p 与 1080p 分辨率及六种画幅,原生生成音画同步的动态视频。端点以 5 credits/秒起的平价按秒计费,为广告预演与社交短片提供高频迭代支持。

为什么选择 MiniMax H3 Max Turbo Text to Video API?

  • 高通量极速出片采用后训练蒸馏与推理优化架构,生成速度比基础版显著提升,大幅压缩等待时间,满足快速创意探索与批量化内容生产。

  • 原生立体声音画同步画面与环境音效一体化渲染,无需额外配置音频提示词或后期外挂音轨,即可输出视听兼备的完整短片。

  • 全场景画幅自由切换支持 21:9、16:9、4:3、1:1、3:4 及 9:16 六种标准画幅,灵活覆盖宽银幕叙事、传统画幅及移动端竖屏社交需求。

  • 灵活的时长与分辨率档位可在 5–15 秒之间自选整数时长,并支持 480p、768p 与 1080p 三档分辨率,自由平衡渲染速度与画面细节。

  • 腰斩级低成本按秒计费费率仅为标准旗舰版的 50%,最低仅需 5 credits/秒($0.025/秒),以极高性价比降低商业级视频制作门槛。

参数说明

参数要求说明
prompt必填

1–50,000 个字符

默认值—
duration可选

5–15 秒,整数

默认值5
resolution可选

480p | 768p | 1080p

默认值768p
enable_safety_checker可选

true | false

默认值true
aspect_ratio可选

21:9 | 16:9 | 4:3 | 1:1 | 3:4 | 9:16

默认值16:9

使用方法

  1. 定义主体与环境用清晰的自然语言开篇描述场景核心主体、所处空间与背景细节,奠定视觉基调。

  2. 安排核心动态与动作使用准确的动词描述场景中发生的主要动作,让短视频集中展现一个连贯有力的动态瞬间。

  3. 指定运镜与光影节奏补充景别角度、机位移动轨迹(如平移、推拉、跟拍)以及光影氛围与色调风格。

  4. 配置画幅与输出时长选择适合发布平台的画面比例,并根据动作复杂度选择 5–15 秒整数时长与分辨率档位。

  5. 提交任务并获取结果调用接口提交生成请求并获取 task_id,通过轮询状态接口或配置回调地址获取渲染完成的视频。

用量与计费

费用按请求参数 duration 指定的时长与所选分辨率计费,每秒最低仅需 5 credits。各档位费率固定,透明按秒核算,提交前控制台会实时计算预估成本。

计费项目费率详情
480p5 credits / 秒$0.025 / 秒
768p8 credits / 秒$0.040 / 秒
1080p16 credits / 秒$0.080 / 秒

适用场景

  • 商业营销与概念预演将创意脚本迅速转化为具有动态视听表现力的视频小样,用于团队提案与客户评审。

  • 社交媒体与短视频矩阵结合 9:16 与 1:1 画幅,快速量产适合社交平台的动态视觉内容与高转化宣发素材。

  • 影视与游戏镜头预览在正式拍摄或 3D 制作前探索场景调度、构图透视、动势节奏与光影风格。

  • 特效动态与氛围测试针对复杂物理运动、粒子烟火或动态光效进行低成本快速测试,辅助美术方案定型。

实用技巧

  • 提示词结构遵循「主体环境 -> 主体动作 -> 镜头轨迹 -> 光影风格」的顺序,有助于模型准确解析画面意图。
  • 短视频内专注于一个核心动作的演进过程,避免一次性堆叠过多独立复杂的动作指令。
  • 分别明确主体运动方向与摄影机运动方向,例如「主体向前奔跑,摄影机低角度向后平移跟拍」。
  • 确定目标画幅比例后再安排画面取景,使画面的主体留白和构图比例与最终成片契合。
  • 如需突出特定声效,可在提示词中详细描绘引发声响的环境或动作(如雨水敲击玻璃、车辆飞驰而过)。

注意事项

  • MiniMax H3 Max Turbo Text to Video 仅接受纯文本输入,请求中传入图片、视频等源媒体字段将被拒绝。
  • 提交请求成功后立即返回异步任务 task_id,而非直接返回成品视频文件。
  • 建议在 status 为 not_started 或 running 时每 2 秒轮询一次状态,到达 finished 或 failed 终态后停止。
  • 1080p 属于潜空间精细化上采样输出,追求最高推理效率与经济性时推荐使用 768p 原生档位。
  • 可通过在请求顶层传递 callback_url,在任务完成后自动接收包含视频下载地址的 Webhook 回调通知。

相关模型

MiniMax H3 Max Turbo Text to Video API 常见问题

MiniMax H3 Max Turbo Text to Video API 是什么?

MiniMax H3 Max Turbo Text to Video 是 MiniMax 研发的文本生成视频模型。它能够根据文本提示词快速生成 5–15 秒高质量动态视频,支持 480p、768p 与 1080p 分辨率及六种电影级画幅比例,并原生同步生成双声道环境音效。基于先进的后训练蒸馏技术,它在显著提升推理吞吐量并缩减耗时的同时,严格保持对提示词物理规律与运镜指令的高保真遵循。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

MiniMax H3 Max Turbo 与基础版 H3 Max 有什么区别?

MiniMax H3 Max Turbo 是在旗舰级 H3 Max 基础上进行后训练深度蒸馏的版本。Turbo 版生成速度提升约 2 倍,且所有分辨率档位的计费费率仅为基础版的一半,专为高通量批量生产与极速创意探索而设计。需要注意的是,Turbo 端点专注文生视频与图生视频,不包含基础版独有的多模态参考生视频(Reference to Video)功能。

MiniMax H3 Max Turbo Text to Video 是否原生支持音频生成?

是的,该模型原生支持音画同步生成。在生成视频画面的同时,模型会根据提示词中的动作、环境与场景描述,自动合成高度匹配的原生立体声背景音轨与动作音效,无需在后期制作中外挂额外音效。

MiniMax H3 Max Turbo 的 1080p 分辨率是原生渲染吗?

1080p 档位是通过 768p 潜空间精细化上采样(Latent refinement)增强生成的,并非纯原生 1080p 基底渲染。如果追求极致的渲染效率与性价比,建议优先选用原生 768p 档位;若需要高清晰度交付,可选用 1080p 获取更高像素密度的视觉质感。

MiniMax H3 Max Turbo Text to Video 支持哪些画面比例?

模型原生支持六种固定画幅比例:21:9、16:9、4:3、1:1、3:4 和 9:16,不支持自适应(adaptive)比例。横屏 16:9 适合电影感叙事与商业广告,9:16 适合短视频平台,1:1 则适用于社交媒体信息流。建议在编写提示词前预先指定画幅,以便构图与镜头主体自然匹配。

MiniMax H3 Max Turbo Text to Video 如何计费?

API 采用按秒计费模式,费用仅取决于请求参数 duration 指定的时长与所选分辨率:480p 为每秒 5 积分(约 $0.025/秒),768p 为每秒 8 积分(约 $0.040/秒),1080p 为每秒 16 积分(约 $0.080/秒)。以默认 5 秒 768p 视频为例,单次生成消耗 40 积分($0.200)。提交任务前,体验区的运行按钮会根据当前所选参数实时显示预估费用。

生成复杂场景时如何提升提示词的遵循效果?

编写提示词时建议按照「主体特征与环境背景 -> 核心主体动作 -> 摄影机运动与景别 -> 光影氛围与风格」的层次组织。尽量让 5–15 秒的短视频聚焦于一个连贯的主要动作,避免串联多个互不相关的冲突事件。若动作节奏较关键,可在提示词中详细说明动作随时间演进的具体过程。