MiniMax 把影片生成產品掛在「海螺視頻」這個名字下，中文站首頁那句話寫得很直接：每個想法都是一部大片。目前站上主推兩個模型 H3 與 H3 Max，公告列同時掛著新用戶 3000 免費點數。工作區只分三塊：影片走 H3、圖片、音訊，入口則是創作影片、創作圖片與海螺 Agent。

四種模態收進同一個模型

官方給 H3 的定位只有一句——開放權重、通用的全模態生成模型，研究條目上還貼了 Open Weights 標籤。介紹 H3 的那篇文章花了不少篇幅講前兩代為何長成那樣：Hailuo 01 從零把系統搭起來，Hailuo 02 打磨架構效率、資料品質與規模，H3 換了條路，把過去被切碎的工作重新黏回去。

圖片那一側原本拆成文生圖、編輯、主體參考、動作參考、風格參考各自的專家模型；音訊則是人聲、音效與音樂各研究各的；影片再分成文生影片、圖生影片、首尾幀、主體參考、動作參考、音色參考、影片編輯一堆子任務，模態之間的界線同樣清楚。這些隔斷既限制了創作自由，也壓住了模型的泛化能力，跨任務統一於是成了 H3 的第一條設計原則。

輸出：768P 或 2K，最長 15 秒，立體聲是標配

官方文章開頭講三件事：H3 在同一個上下文裡理解文字、圖片、影片與音訊；生成帶原生立體聲的影片；最長 15 秒、2K 解析度，而且預設就是 2K。說明文件更細：H3 輸出 768P 與 2K，長度 4 到 15 秒且只收整數；H3 Max 與一家 AI 推理平台聯合發布、針對速度做過最佳化，輸出 480P 與 768P、長度 5 到 15 秒。

音訊是這一代的重點之一——官方說明所有音訊輸出都是原生立體聲，人聲、音效與音樂不再分開建模，而是一起生成。成品出廠時聲音就貼在畫面上，剪輯的功課因此從配音變成調平衡。

三種生成方式

文生影片只要提示詞，從零開始。圖生影片吃首幀與尾幀圖，數量可以是 0、1 或 2 張，用來釘住開頭那一幀、結尾那一幀，或兩端都給、讓模型補中間。最後這種在「一張靜圖要動起來、但不想生出第二個場景」時特別好用。

參考生成則把參考圖、參考影片與參考音訊混著用，鎖住人物、動作、鏡頭、風格、音色或剪輯節奏。額度寫得很明：圖不超過 9 張，影片不超過 3 段（每段 2 到 15 秒、合計不超過 15 秒），音訊不超過 3 段，混合輸入總計上限 12 個檔案。

2K 不是超解析度算出來的

官方文章講得很清楚：針對 2K 輸出，他們沒有接傳統的專用超解析模組，而是讓 H3 基座模型在上下文裡重新生成自己的低解析度輸出（In-Context Regeneration）。好處有兩個：一是把基座模型已經具備的生成能力盡量重複利用，不必再養一個網路；二是重生成時能再叫回原始的多模態上下文，於是傳統超解析只能「猜」、常常還原不出來的東西——例如畫面裡的小字與細緻紋理——有機會找回來。

手上已經有符合 768P 規格的成片也有第二條路：提交重生成任務就能產出 2K，請求要把當初生成那段 768P 的所有內容複現一遍，另外多帶一項來源影片。

先把上下文讀明白

多模態輸入的複雜度很容易超出手寫提示詞的表達能力，官方的解法是 H3-Context-IR：它把文字、圖片、音訊與影片放在一起解析，推理這些輸入彼此的關係，輸出一份語意更豐富的結構化描述。要注意它只回傳強化後的提示詞，不生成影片——它是生成之前的翻譯層，本身不是生成器。

背後的機制叫 Contextual Omni Representation，用語言當可泛化的橋樑與解釋器，把「任務」統一成開放的描述形式；理解管線會先把大約 100K tokens 的原始素材蒸餾到平均約 4K tokens，再交給模型。

價格主張與訂閱

官方文章對性價比的說法是：H3 預設給 2K，2K 下每秒價格不到主流模型的三分之一，768P 下不到主流模型 720p 價格的一半。這是官方口徑，讀者可以按自己的用量折算。

面向個人，中文站標的是每月 42 元起，國際站是每月 9 美元 99 美分起，兩邊都說新用戶註冊可拿免費點數——中文站寫的是 3000 點。

API 怎麼調

生成是異步流程，說明文件切成三步：先建立任務拿到 task_id；再用 task_id 輪詢狀態，成功後回應直接給出影片位置，不必再換 file id；最後從那個位置取回影片。官方建議每 10 秒輪詢一次，避免給伺服器多餘壓力，狀態為 failed 或 cancelled 就是終態失敗。

輸入側有幾條硬限制值得先記住：提示詞上限 7000 字元；單檔上限為影片 50 MB、圖片 30 MB、音訊 15 MB；請求內容上限 64 MB，大素材建議直接傳 URL；影片吃 H.264/AVC 與 H.265/HEVC，圖片吃 JPG、PNG、WEBP、HEIC，音訊吃 WAV 與 MP3。

幾條邊界

開放權重目前仍是官方表述與計畫：站上已把 H3 標成 open-weight，文章寫的是計畫隨後開放模型權重，並受適用法律法規約束。實際落地版本以官方發布為準，而不是以計畫為準。

參考素材不是越多越好：混合輸入總計上限 12 個檔案，而且中文站與國際站預設顯示的上限不同，實際額度取決於所選模型與檔位。

兩個模型不能互換：H3 是 768P 與 2K、4 到 15 秒；H3 Max 是 480P 與 768P、5 到 15 秒。選模型之前，先按成片要求對齊。

「2K 單價不到主流模型三分之一」是官方口徑，第三方價格與活動隨時會動，做預算建議以當期官網報價為準，生成內容也仍需遵守平台規範與相關法規。

一句話收尾：這輪的看點不在又多一個文生影片入口，而是 H3 把影片、圖片與音訊的理解收進同一個上下文——預設 2K、最長 15 秒、自帶原生立體聲，2K 靠上下文中重生成而不是超解析，參考素材給到 9 圖 3 影片 3 音訊。這幾個數字比口號更能說明它相對同類工具實用在哪裡。