MiniMax 近日正式上线 H3 视频生成模型，带来了一项关键升级：支持"全能参考"模式。与此前的首尾帧生成方式不同，H3 允许用户直接输入人物形象、场景素材、音频片段等多模态内容，模型自动理解并生成连贯视频。这种工作流的改变，大幅降低了视频创作的门槛。

以赛博朋克风格游戏 UI 画面为例，H3 生成的视频在帧间衔接上表现精准，画面干净利落，接近 3A 级游戏的视觉标准。对于游戏行业而言，这意味着过场动画、剧情 CG 等高投入内容可以通过 AI 显著降低成本。

评测表现：AA 榜单排名第一

根据公开评测数据，MiniMax H3 在多个 AI 模型排行榜中表现突出，其中在 AA 榜单中取得第一名成绩。这说明其优势不仅在于视觉效果，更体现在模型理解能力、生成稳定性和复杂场景处理上。

在商业场景测试中，H3 生成了一支时尚眼镜产品宣传片：服装质感、造型设计、镜头语言均达到较高水准，AI 生成痕迹不明显。这表明 Seedance 在 AI 视频领域的领先地位正在面临挑战。

核心优势：多模态理解、精准控制、商业内容生成

MiniMax H3 的核心能力集中在三个方向：

• 多模态理解与生成：支持最多 9 张图片、3 段视频、3 段音频混合输入，素材上限 12 个文件，提示词最长 7000 字符。
• 精准编辑与控制：支持基于参考图的精准编辑，可对视频特定区域进行修改。
• 多场景商业内容生成：适用于电商带货、广告宣传片、游戏 CG 等商业场景。

值得注意的是，H3 是目前少数达到顶级水平且选择开源路线的视频模型。对于开发者和 AI 创作者来说，这意味着更低的创作成本和更多的玩法可能性。

实测：多模态输入能力

测试一：音频参考

输入一男一女的角色形象，加上一段女生语音，要求生成的剧情视频中女主角使用该语音的音色。测试结果显示，角色形象严格遵循输入图片，音色与上传音频保持一致。

测试二：复杂动作参考

上传一张舞蹈动作拆解图，让模型参考图中人物动作生成芭蕾舞视频。生成结果中，女主动作与参考图基本一致。值得关注的是，帆布包在旋转过程中遵循物理规律，没有出现穿模或形变。

商用级输出参数

MiniMax H3 的输出规格如下：

• 帧率：24FPS
• 分辨率：最高支持 2K
• 音频：原生双声道
• 时长：最高 15 秒
• 宽高比：21:9、16:9、4:3、1:1、3:4、9:16

2K 分辨率支持是进入商业场景的重要门槛，电商、广告、游戏等行业对画质要求较高。

测试三：视频带货

输入头戴式耳机产品图和角色形象，生成带货视频。细节表现方面，手指动作和透视关系合理，产品展示效果自然。

测试四：游戏场景

生成第一人称中世纪骑士与兽人战斗的游戏 CG 画面。细节表现包括：武器挥动时的泥沙飞扬、地面水坑随视角晃动产生的波纹、兽人倒影、剑上泥沙痕迹、面罩被打飞的过渡动画。在画面精细度和 BUG 控制方面，表现与 Seedance 处于同一水准。

精度编辑与控制

在视频编辑能力测试中，先生成了一段女主跳舞视频，然后上传一张手绘特效参考图，要求在原视频中添加橙黄色手绘涂鸦效果。结果显示，手绘线条随舞蹈动作同步变化，贴合度高，效果灵动自然。

价格优势

MiniMax Hub Pro 会员定价方面，768P 画质视频价格为 0.23 元/秒，2K 画质为 0.4 元/秒。相比同类 AI 视频模型，价格优势明显。

总结

MiniMax H3 的出现标志着开源视频模型正在缩小与商业顶级模型的差距。在画面质量、多模态理解、商业内容生成等核心能力上，H3 已进入第一梯队。更重要的是，开源路线和亲民定价将高质量 AI 视频创作带入了更多普通创作者可及的范围。

目前 MiniMax H3 已上线，使用地址：hub.minimaxi.com