MiniMax H3 Max Text to Video API

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

MiniMax H3 Max Text to Video 将文本提示词转化为带原生立体声的电影质感视频,具备超实时生成与指令遵循能力。它能细腻呈现复杂运镜与物理动态,并稳定输出多档画质与主流画幅。

输入
683/50000
输出示例
5 秒 × $0.080/秒 = $0.400
继续使用

示例

A single uninterrupted lateral tracking shot in an old sunlit fencing salle. Two adult women in plain white fencing uniforms and protective masks face each other on a wooden piste. The nearer fencer advances one step and lunges; her opponent makes one clean parry, the blades briefly contact, and both settle back into guard. Keep the two people distinct with anatomically correct arms and stable swords. Crisp footwork, believable fabric momentum, the metallic tap exactly on blade contact and soft rubber soles on wood. Controlled athletic rehearsal, no injury. Five seconds, natural cinema, no slow motion, no captions, logos or text.

One continuous medium-wide shot inside a historic mountain observatory at blue hour. An elderly astronomer beside a large brass telescope presses a small wall lever. The curved dome shutter rolls open above him, exposing a narrow band of deep violet sky and a bright moon. The moving opening casts a cool strip of light across his face; he looks up and smiles quietly. Slow upward camera tilt follows his eyeline without a cut. Heavy gears rotate consistently, subtle dust in the light, natural scale. Native synchronized mechanical rumble and wind entering the dome, no music. Five seconds, no subtitles, logos or on-screen text.

MiniMax H3 Max Text to Video

MiniMax H3 Max Text to Video 是专为高吞吐视频生产打造的模型,在保持提示词精准遵循的同时实现超实时生成速度。它原生支持双声道立体声音画同步合成与多镜头物理动态演进,支持 5–15 秒时长、480p 至 1080p 清晰度及多种画幅比例,为电影分镜预演、动态概念短片及创意广告提供高性价比的工业级视频生产力。

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

  • 超实时极速高吞吐生成得益于先进的后训练优化与推理加速,5 秒视频在理想状态下仅需约 3 秒即可完成渲染,大幅缩短创意验证与批量生产周期。

  • 复杂提示词精准遵循深度理解主体特征、动作编排、景别切换与灯光氛围指令,相比基础模型显著提升对长文本多阶段描述的还原精度。

  • 原生双声道立体声音画同步无需后期额外配音,单次生成即可一体化合成与画面动态节奏完全对齐的环境音效、动作拟音与氛围声场。

  • 六大主流商用画幅适配原生支持从 21:9 超宽银幕、16:9 横屏到 9:16 竖屏短视频等 6 种宽高比,无缝适配电影预演与主流社媒分发。

  • 灵活时长与按秒透明计费支持 5–15 秒任意整数时长自由选择,提供 480p、768p 与 1080p 三档分辨率,按请求参数 duration 指定的秒数计费,预算精准可控。

参数说明

参数要求说明
prompt必填

描述主体、环境、动作、镜头与声音氛围。原始输入最多 50,000 个字符(含首尾空白),去除首尾空白后不能为空。

默认值—
duration可选

生成时长,支持 5–15 秒之间的任意整数,默认值为 5 秒。

默认值5
resolution可选

输出视频分辨率档位,支持 480p、768p(默认)与 1080p 逐档渲染。

默认值768p
enable_safety_checker可选

是否开启生成内容安全检查器,过滤违规画面与敏感内容。

默认值true
aspect_ratio可选

画面宽高比,支持 21:9、16:9、4:3、1:1、3:4 与 9:16 六种固定比例。

默认值16:9

使用方法

  1. 编写主体与环境明确画面中的核心主体、外观细节、服装质感以及所处的具体时空环境与天气光线。

  2. 编排核心动作与镜头使用明确的动词描述人物或物体的动态行为,并指定推拉摇移等运镜轨迹与景别变化。

  3. 指定声画同步线索在提示词中补充环境氛围音、碰撞拟音或背景音效描述,引导模型生成匹配的原生立体声。

  4. 配置规格与画幅根据交付渠道选择 5–15 秒整数时长、480p/768p/1080p 分辨率以及对应的宽高比。

  5. 提交任务并获取视频通过 API 发送生成请求获取任务 ID,随后轮询状态接口或配置回调 URL 接收已完成的 MP4 文件。

用量与计费

MiniMax H3 Max Text to Video API 采用透明的按秒阶梯计费模式,费用仅取决于请求参数 duration 指定的时长与所选分辨率档位,无任何隐形门槛。

计费项目费率详情
480p10 credits / 秒$0.050 / 秒。5 秒视频消耗 50 积分,10 秒消耗 100 积分,适合高频创意草稿与快速验证。
768p16 credits / 秒$0.080 / 秒。5 秒视频消耗 80 积分,10 秒消耗 160 积分,兼顾高吞吐速度与细腻画质。
1080p32 credits / 秒$0.160 / 秒。5 秒视频消耗 160 积分,10 秒消耗 320 积分,适用于商业成片交付与大屏放映。

适用场景

  • 影视与动画前期预演将文字剧本快速转化为带声音的动态分镜,直观评估运镜节奏、机位调度与戏剧张力。

  • 高频社交媒体短视频批量生成符合 9:16 或 16:9 画幅的热点短视频与广告创意素材,降低制作成本。

  • 广告创意与概念视觉探索在项目早期快速尝试不同美术风格、光影基调与叙事构思,快速向客户与团队呈现概念原型。

  • 游戏动态过场与环境氛围展示快速构建自然风光、科幻雨夜或复杂城市街景动态,用于游戏背景、氛围展示或宣发素材。

实用技巧

  • 结构化组织提示词:建议依次按「核心主体与外貌」、「主要动作序列」、「摄影机机位与运镜轨迹」、「光影氛围与色彩风格」进行段落化组织。
  • 明确声效描述:在提示词末尾用清晰语句描述所需的声音效果(如脚步声、雨滴击打车窗声、列车车轮撞轨声),可显著提升音画匹配度。
  • 单镜头聚焦单一核心事件:短时长(5–8 秒)镜头尽量围绕一个连贯的动作展开,避免堆叠过多无关的人物与突兀的场景瞬移。
  • 合理匹配构图与宽高比:在选择 21:9 宽银幕或 9:16 竖屏时,在提示词中对应加强景深纵深感或垂直构图特征的描绘。
  • 优先使用 768p 快速验证:在大规模迭代方案时先用 768p 进行快速出片与筛选,锁定理想镜头后再使用 1080p 渲染最终成片。

注意事项

  • MiniMax H3 Max Text to Video API 仅接受纯文本提示词,不接受源图片、参考视频或音频素材输入。
  • 提交请求成功后将立即返回 task_id,任务采用异步执行机制,视频生成完成后方可下载。
  • 任务状态为 not_started 或 running 时建议每 2 秒轮询一次查询接口,达到 finished 或 failed 终态时停止轮询。
  • 支持在请求顶层传递 callback_url,以便在视频生成完成或异常终止时自动接收异步 Webhook 回调推送。

相关模型

MiniMax H3 Max Text to Video API 常见问题

MiniMax H3 Max Text to Video API 是什么?

MiniMax H3 Max Text to Video 是 MiniMax 推出并经深度后训练优化的文本生成视频模型。它根据纯文本提示词生成 5–15 秒电影质感视频,具备超越实时的极速渲染吞吐量、卓越的复杂指令遵循度与原生立体声音画同步能力。基于先进的时空扩散架构,它在严格保障物理运动合理性与时间连贯性的同时,呈现细腻的光影层次与运镜轨迹。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 Text to Video 的生成速度有多快?

得益于专门的推理架构优化与算力调度,在典型网络与服务器状态下,一段 5 秒的 768p 视频最快可在约 3 秒内完成核心生成。实际端到端耗时包含排队与任务调度,在生产环境中依然具备远超实时的高吞吐优势,极大地提升了短视频生产管线的周转效率。

MiniMax H3 Max Text to Video 原生音频如何生成?

模型在生成视频画面的同时一体化合成双声道立体声音频,无需在后期流程中串联独立的配音或音效模型。你只需在文本提示词中加入对环境声、动作音效(如开关门声、风雨声、引擎声)的具体描述,生成的音频即可与画面动作的时间节点保持精准自然同步。

MiniMax H3 Max Text to Video 支持哪些时长与分辨率?

生成时长支持 5–15 秒之间的任意整数秒,默认设置为 5 秒。分辨率提供 480p(标清测试)、768p(高清标准,默认)与 1080p(全高清商业级)三档,画面比例覆盖 21:9、16:9、4:3、1:1、3:4 及 9:16 六种规格,且所有比例均受全分辨率档位支持。

MiniMax H3 Max Text to Video 如何计费?

API 按请求参数 duration 指定的秒数计费,积分费率根据所选分辨率确定:480p 为每秒 10 积分(约 $0.050/秒),768p 为每秒 16 积分(约 $0.080/秒),1080p 为每秒 32 积分(约 $0.160/秒)。例如生成一段 5 秒的 768p 视频仅消耗 80 积分,在提交任务前控制台也会动态预估所需积分。

MiniMax H3 Max 与原生 MiniMax H3 之间该如何选择?

当你追求更高的生产吞吐量、极速创意迭代、严谨的提示词细节还原以及原生立体声音画同步时,MiniMax H3 Max 是理想选择。若你的项目对原生 2K 或 4K 超高分辨率有强依赖,则建议切换至原版 MiniMax H3。

如何编写提示词以精准控制镜头运动?

在提示词中使用专业的摄影语言指明机位和运镜方式,例如“镜头从远景缓慢平移推进至中景”、“低角度贴地跟拍”或“围绕人物环绕旋转”。建议将主体本身的动作与摄影机的运动路径分开描述,并结合景深虚化与光影方向说明,能帮助模型更准确地执行运镜构想。