MiniMax H3

概览

画面和声音在同一次生成里一起出来，这是MiniMax H3最直观的变化。多数人管它叫海螺3.0。这是MiniMax的通用多模态视频模型，官方定位为开放权重。单次生成能做出5到15秒、最高2K、24帧的片段。声音不是后期叠上去的，对白、音效和环境声跟画面同时到位，做竖屏短剧和带货短片的团队等于省下一整轮配音。按MiniMax的说法，这一代不再让不同模型分别负责生成、编辑和参考，而是把文字、图片、视频、音频放进同一个上下文里一起读。

MiniMax H3 带来了什么

真正的变化在于它一次能吃下多少参考。单次生成最多接受9张图片、3段视频和3个音频，合计12个文件。H3会从这些素材里分别读出角色长相、运动方式、运镜习惯、剪辑节奏，以及说话的声音，一个镜头因此可以同时继承一张脸、一段动作和一副嗓子。另一处省事的地方是改片：镜头整体满意、只有一处不对，点名那一处改掉就行，其余画面照样保留，不用推倒重来再抽一次卡。MiniMax表示权重会陆续开放；在公开之前，模型可以通过海螺AI App、MiniMax Hub桌面端和MiniMax开放平台API使用，也已经有第三方托管平台接入。

MiniMax H3 的定位

上一代海螺2.3靠一句提示词或一张图，大约能出十秒、1080p的片段。H3把上限提到2K和15秒，不过更值得留意的是输入输出方式换了：参考从单张图片变成图片、视频、音频混合，成片从无声变成原生立体声，改片从整段重来变成一句话定点修改。画面比例覆盖21:9、16:9、4:3、1:1、3:4和9:16；全模态参考模式下还多一个自动模式，由H3照着参考自己判断构图。

MiniMax H3 与 Morphic

同一条提示词，让H3出一版、可灵或Veo再出一版，两条结果并排摆在Canvas上对比，选型这件事就快了很多。MiniMax H3已经接入Morphic，Seedance、Vidu和更早的海螺系列也都在同一个模型列表里。用起来不复杂：在提示词输入框选中MiniMax H3，把镜头写成一段简短说明，需要保持的人物、动作或声音作为参考一并上传。所有结果都落在同一块Canvas上，您可以多看几条再决定留哪一版。