描述场景与声音事件
通过 Max 文生视频说明主体、环境、适度动作与镜头路径，并描述需要的对白或环境声。冰川记录要求在一个镜头中完成抬头、简短英文对白与洞穴声音，提供可以检查的具体画面和声音细节。
MiniMax H3 Max and Turbo video generation with multimodal references
MiniMax H3 Max 在同一系列中提供 Max 与 Max Turbo，可生成 5–15 秒的 480p、768p 或 1080p 视频。两种变体均可以通过文字创建场景，或根据首帧与可选尾帧生成动画；Max 还可以组合主体图像、参考视频与参考音频。描述动作、镜头与声音事件，发展表演、转场和场景构思。根据任务接受的素材、输出参数与当前价格选择，再通过实际结果检查视觉连贯性与生成声音。
MiniMax H3 Max 由 MiniMax 开发，Vidgo 提供模型调用服务。模型名称与商标归各自所有者所有。探索 MiniMax H3 Max 模型
文字场景或画面动画可以按照相同计划时长与分辨率，比较 Max 与 Max Turbo 任务价格，再测试自己的创作要求。至少提供一张主体图，并需要可选运动与声音来源时，选择 Max 参考素材生视频。五张卡片均打开已有任务，可以设置准确输入并查看完整估算。
文生视频
MiniMax H3 Max Turbo Text to Video
MiniMax H3 Max Turbo Text to Video turns text into coherent 5–15 second videos with synchronized native stereo audio and fast generation. It follows physical motion while rendering subtle changes in light and shadow.
图生视频
MiniMax H3 Max Turbo Image to Video
MiniMax H3 Max Turbo Image to Video turns still images into 5–15 second videos with start and end frame control and synchronized native stereo audio. It preserves the source subject and textures while adding realistic physical motion.
文生视频
MiniMax H3 Max Text to Video
MiniMax H3 Max Text to Video turns text prompts into cinematic video with native stereo audio, faster-than-real-time generation, and precise instruction following. It renders complex camera work and physical motion with fine detail across multiple resolutions and common aspect ratios.
图生视频
MiniMax H3 Max Image to Video
MiniMax H3 Max Image to Video turns still images into video with native stereo audio, start and end frame control, and lip-synced dialogue. It preserves the source subject's identity and textures while adding fluid, natural motion and camera work.
参考素材生视频
MiniMax H3 Max Reference to Video
MiniMax H3 Max Reference to Video creates cinematic video with combined image, video, and audio guidance. It preserves character appearance and motion rhythm while adapting the aspect ratio and delivering multiple HD quality levels.
MiniMax H3 Max 文字、首尾帧与多模态参考任务
画面动画使用一张首帧，并按需要在其后提供一张尾帧。Max 参考生成使用一至九张图像与可选视频或音频，合计最多十二项素材；通过提示词指定外观、场景、运动和声音作用。使用各工作流自身的输入字段，使所选构图与来源素材符合目标镜头。
| 模型 / 任务 | 输入与工作流 |
|---|---|
| MiniMax H3 Max Turbo Text to Video | MiniMax H3 Max Turbo 文生视频将文字转换为连贯的 5–15 秒视频，提供同步原生立体声音频与快速生成。它在遵循物理运动的同时呈现细微光影变化。 |
| MiniMax H3 Max Turbo Image to Video | MiniMax H3 Max Turbo 图生视频将静态图像转换为 5–15 秒视频，支持首尾帧控制与同步原生立体声音频，在增加真实物理运动时保留来源主体与纹理。 |
| MiniMax H3 Max Text to Video | MiniMax H3 Max 文生视频将文字提示词转换为电影感视频，提供原生立体声音频、快于实时的生成与准确指令遵循，在多种分辨率和常见画面比例下呈现复杂镜头、物理运动与精细细节。 |
| MiniMax H3 Max Image to Video | MiniMax H3 Max 图生视频将静态图像转换为视频，提供原生立体声音频、首尾帧控制和口型同步对白，在增加流畅自然运动与镜头变化时保留来源主体身份和纹理。 |
| MiniMax H3 Max Reference to Video | MiniMax H3 Max 参考素材生视频通过组合图像、视频和音频依据创建电影感视频，在调整画面比例并提供多种高清档位时，保留角色外观与运动节奏。 |
MiniMax H3 Max：角色动作与多模态镜头生成
已有案例包括冰川对白、壁画揭示、太鼓表演、轮椅篮球与 BMX 跳跃，各组记录拥有独立提示词与素材。结合动作过程、镜头运动与声音，了解使用的控制方式，再根据自己的用途选择输出时长与分辨率。
通过首尾帧引导揭示过程
提供一张首帧与可选尾帧，描述中间运动与需要保留的细节。Max 壁画案例通过覆盖薄纸与露出作品的两张画面，引导连续放下薄纸的动作，并保留修复者、礼拜堂与墙面设计。
组合图像、视频与音频依据
选择 Max 参考素材生视频，分别说明各项来源作用。太鼓请求使用图像确定表演者，使用视频提供庭院、鼓与镜头依据，使用音频提供敲击与共鸣参考。结合完整输入检查身份特征、几何结构与击鼓时间安排。
通过 Max Turbo 发展文字动作场景
在 Turbo 文字任务中描述有序活动、物理接触与声音，再选择时长、分辨率和比例。篮球记录通过一个连续镜头连接一次运球、轮椅转向与传球，可以检查结果中的车轮转动、手部接触和声音时间安排。
通过 Max Turbo 连接确认的动作画面
按顺序向 Turbo 图生视频提供首尾图像，描述两者之间可以完成的动作。BMX 请求明确短距离跳跃、平稳落地、稳定的自行车结构与轮胎声音，可以重点检查端点对齐与物理接触。
MiniMax H3 Max 自行车动作过渡与太鼓表演案例
Turbo BMX 案例提供起始与落地画面，要求完成一次可控跳跃，并保持双手握住车把、双脚踩住踏板。Max 太鼓案例提供表演者图像、庭院运动片段与鼓声音频，要求完成一次有力敲击并呈现共鸣。阅读完整提示词，结合各自结果检查全部输入，了解两个独立任务与创作要求。
提示词
创建一个连续的五秒真人实拍镜头，连接这两张准确的首尾帧。同一位戴头盔、穿纯色橙色连帽衫的成年 BMX 骑手从浅坡边缘完成一次可控的小跳跃，双手保持握住车把、双脚保持踩住踏板，然后双轮平稳落到平地。保留自行车车架、车轮、头盔、面部与滑板公园几何结构。通过低机位平缓跟拍镜头跟随骑手，不要切镜、翻转或旋转动作。以提供的最终姿态与构图结束。呈现真实的短距离飞行弧线、车轮转动、落地时的轮胎压缩与衣物回落。原生声音包括滚动轮胎、一次轻柔落地声与满足的呼吸声，不要音乐。不要品牌、说明文字或屏幕文字。
提示词
图像 1 用于确定成年女性太鼓表演者准确的面部、束起的头发与靛蓝色法被服装。视频 1 用于提供寺庙庭院、大鼓与克制的从左向右镜头运动。音频 1 用于提供干燥的木质起音与低沉共鸣的鼓声氛围。在一个连续的五秒电影感镜头中，她举起两根鼓槌，有力敲击大鼓一次，并保持结束姿态，让衣袖回落。全程保留她的身份特征与鼓的几何结构，让击鼓动作对应生成声音，并使共鸣在安静庭院中扩散。傍晚金色阳光，细微而坚定的表情，不要人群或对白，不要文字、字幕、标志或广告。
MiniMax H3 Max 的创作应用场景
从文字场景、确认的画面图像，或身份、运动与声音参考开始，描述明确动作与需要保留的场景细节，再通过合适的输入方式使用 Max 或 Turbo 生成。检查后的片段可以用于对白研究、作品揭示、身体动作预演、运动构思、参考素材引导表演与氛围提案。
对白与反应研究
描述成年角色、简短台词与伴随动作，再检查生成片段中的表情、嘴部运动和声音表达，用于叙事场景草稿。
作品与场景揭示
提供展示覆盖状态与揭示状态的首尾图像，描述身体动作和需要保留的光线，再检查连贯性，用于展览、修复或分镜构思。
身体动作预演
准备动作要求或运动员首帧，描述一个简洁动作序列，再检查生成视频中的身体运动、器材形状和接触，供后续场景开发使用。
运动过渡构思
使用相互协调的首尾帧规划短距离跳跃、转向或落地，描述路径和最终姿态，再检查两个端点与运动，用于运动分镜转场。
参考素材引导的表演
准备符合参考要求的表演者图像、合适运动视频与声音来源，说明各自作用，再检查身份特征、环境和声音时间安排，用于表演构思。
光线与氛围提案
描述环境、细微环境运动与配套声音，按照计划分辨率生成，再检查光线、材料与氛围如何结合，用于场景开发提案。
MiniMax H3 Max 模型规格与 API 价格
文字与画面任务按照所选 Max 或 Turbo 分辨率单价乘以输出秒数计费。Max 参考生成先计算同样的时长视频费用，再按照配置的每 1,000 token 单价，对包含的 4,096 个参考 token 之外的服务端计量用量收费。参考任务展示视频部分的最低金额，实际素材用量由服务端计量。通过下方动态表格查看当前起价与单位，并结合所选任务查看完整请求估算或最终用量。
| 模型 | 厂商 | 任务类型 | 输入素材 | 输出规格 | 起价 |
|---|---|---|---|---|---|
| MiniMax H3 Max Turbo Text to Video | MiniMax | 文生视频 | 文字提示词 | 1080p | $0.025 / 秒 |
| MiniMax H3 Max Turbo Image to Video | MiniMax | 图生视频 | 1–2 张首尾画面 | 1080p | $0.025 / 秒 |
| MiniMax H3 Max Text to Video | MiniMax | 文生视频 | 文字提示词 | 1080p | $0.05 / 秒 |
| MiniMax H3 Max Image to Video | MiniMax | 图生视频 | 1–2 张首尾画面 | 1080p | $0.05 / 秒 |
| MiniMax H3 Max Reference to Video | MiniMax | 参考素材生视频 | 1–9 张图像，可选视频/音频 | 1080p | $0.05 / 秒 |
如何在 Vidgo 使用 MiniMax H3 Max
先在线测试创作方案， 再将确认后的请求接入应用。
在线体验
使用计划中的参数生成结果
从上方模型列表打开所选任务，描述动作、镜头与声音事件，提供必需画面或参考素材，再设置时长与分辨率。查看估算，并了解参考用量由服务端计量，生成后结合全部来源检查身份特征、身体运动、端点构图与声音。
为何在 Vidgo 使用 MiniMax H3 Max
选择对应任务，查看参数与费用，并将在线测试中的素材和设置用于经过身份验证的 API 请求。
创作测试与任务选择
围绕创作目标选择输入
文字或首尾帧动画可以选择 Max 或 Max Turbo，并按照计划分辨率比较当前价格。主体图像需要结合可选视频和音频依据时，选择 Max 参考素材生视频。设置 5 至 15 秒整数时长与 480p、768p 或 1080p，并按照参考任务的技术要求准备素材。
使用自己的提示词与素材测试
从上方模型列表打开所选任务，描述动作、镜头与声音事件，提供必需画面或参考素材，再设置时长与分辨率。查看估算，并了解参考用量由服务端计量，生成后结合全部来源检查身份特征、身体运动、端点构图与声音。
生成前查看费用估算
按照计划分辨率和输出时长比较 Max 与 Turbo。Max 参考生成需要为视频最低金额，以及包含额度之外的参考 token 安排预算，实际素材用量由服务端计量。根据完整金额与计划测试次数安排项目费用。
API 接入与结果管理
参考完整的真实生成案例
结合实际提示词、全部来源图像、视频或音频及生成结果查看案例，了解如何说明输入作用、动作变化过程，以及自己请求中需要保留的细节。
通过任务 ID 跟踪每次生成
保存 API 返回的任务 ID，用于查询生成状态并获取完成文件的地址。通过在线生成记录回看先前结果与测试过的创作方向。
按照所选任务的文档完成接入
通过各任务提供的文档查看准确的模型标识、支持的输入、身份验证方法与响应格式。接入已经在线测试过的任务，使请求中的素材与设置保持一致。
MiniMax H3 Max API 常见问题
MiniMax H3 Max 是 Vidgo 提供的视频系列，包含三个 Max 任务与两个 Max Turbo 任务。两种变体均支持 5–15 秒、480p/768p/1080p 的文字与首尾帧生成；Max 还支持以图像为基础、结合可选视频和音频的参考生成，并具有素材技术要求与单独计量的参考用量。
探索更多模型系列
推荐阅读
阅读模型介绍、API 接入指南与平台比较，了解项目所需的输入素材准备、请求接入方法与费用规划。
