MiniMax 开发的视频生成 AI
用 MiniMax H3，让角色开口说 11 种语言。
开发方明确表示，包括中文、英文、日文、韩文、阿拉伯文在内的 11 种语言台词都很稳定。只要把台词写进提示词，就能一次生成说话人物的画面和声音。最高 2K，也支持 21:9 宽银幕。
生成视频需要登录。登录后，已输入的内容会原样保留。
- 最长 15 秒
- 最高 2K
- 带音频
- 6 种画面比例
最后更新 AZ8 编辑部
MiniMax H3 是什么？
MiniMax H3 是海螺 AI 开发方 MiniMax 于 2026 年 7 月发布的视频生成 AI，可同步生成画面和立体声音频，支持含中文在内的 11 种语言台词。
结论
- 可生成用 11 种语言说台词的人物，并附带音频
- 在 AZ8 上最高 2K，支持从 21:9 到 9:16 的 6 种比例
- 只指定尾帧，就能生成抵达这一画面之前的动作
适合这样的你
- 想做用中文对话的短剧或广告
- 想为不同市场做多种语言的台词版本
- 想从定格镜头倒推，生成前面的动作
在 AZ8 上生成的 MiniMax H3 视频
每段视频都出自 AZ8 编辑部的实际生成，旁边附有原样的提示词和设置。
天台上的日语台词
- 16:9
- 768p
- 8 秒
提示词
夕暮れの学校の屋上で、制服姿の二人の高校生が並んで街を見下ろしている。一人が日本語で静かに「明日も、ここで会おうね」と言う。風の音と遠くの電車の音。カメラがゆっくり回り込む。
商店街里的日语对话
- 16:9
- 768p
- 8 秒
提示词
雨上がりの商店街で、傘をたたんだ老人が八百屋の店主に日本語で「今日は何がおすすめ？」と話しかける。店主は笑顔で「今朝のトマトがいいよ」と答える。自然な環境音。
21:9 的芒草原
- 21:9
- 768p
- 5 秒
提示词
Cinematic ultra-wide shot of a lone traveler in a straw hat standing in a windswept field of silver pampas grass under a stormy sky, slow push in, wind and distant thunder
我们对两段对话视频做了语音转写，确认 prompt 中指定的台词都以日语原样说出。
MiniMax H3 能做什么
AZ8 提供 5 种生成模式。在对比的 4 个模型中，只有 MiniMax H3 可以单独指定尾帧。
- 文本
文生视频
台词用「」或“”括起来，更容易让模型明白谁在说什么。还可以加上语气和情绪。
提示词
雨后的老街上，收起雨伞的老人问菜摊老板：“今天什么菜好？”老板笑着回答：“今早的西红柿不错。”自然的环境音。
- 图片
- 文本
图生视频
以角色插画或照片作为首帧，生成角色说话、动作的视频。
提示词
画面中的女性看向镜头，用温柔的声音打招呼：“你好，初次见面。”头发被风轻轻吹动。
- 首帧
- 尾帧
首尾帧生视频
连接开头和结尾两张图，适合表情变化或场景切换。
提示词
从第一张图的面无表情，自然过渡到最后一张图的笑容。
尾帧
尾帧生视频
只提供想要落定的那一张图，生成抵达它之前的动作。很适合以 Logo 或主视觉收尾的镜头。
提示词
The camera pushes slowly forward through a quiet ryokan corridor, the shoji doors slide open to reveal the snowy garden, steam rises from the iron teapot, ending on the tea table with the maple tree in falling snow, soft snowfall ambience
- 图片
- 视频
- 音频
参考素材生视频
最多可参考图片 9 张、视频 3 段、音频 3 段。音频参考需要与图片或视频搭配使用。
提示词
参考图片中的人物，用参考音频的声音说出一句新台词。
MiniMax H3 的强项
- 01
11 种语言的台词
开发方明确表示，包括中文、英文、日文、韩文、阿拉伯文在内的 11 种语言对话都很稳定。在对比的 4 个模型中，它也是唯一由开发方明确表示支持日语台词的模型。
- 02
2K 与 21:9
在 AZ8 上可选 2K 和 768p。搭配 21:9 的宽银幕比例，能做出电影般的画面。
- 03
从结尾倒推生成
可以只指定尾帧，所以能先做好定格镜头，再生成通向它的动作。
创作中的典型用法
中文竖屏短剧
生成角色之间带台词的对话，用于竖屏连续短剧的样片。
- 9:16
- 768p
- 10 秒
门店与商品广告
无需拍摄，就能做出店员用中文介绍商品的场景。换一种台词语言，还能做出面向其他市场的版本。
- 16:9
- 2K
- 8 秒
电影感片头
用 21:9 的宽银幕比例，做出最终落在片名 Logo 上的片头。
- 21:9
- 2K
- 尾帧生视频
Seedance、Wan、MiniMax 视频生成 AI 对比
按同一标准，列出在 AZ8 上可选的设置。
| 项目 | Seedance 2.5 | Seedance 2.0 | Kling 4.0 | Wan 3.0 | MiniMax H3本页 |
|---|---|---|---|---|---|
| 开发方 | ByteDance | ByteDance | Kuaishou | Alibaba | MiniMax |
| 最长时长 | 30 秒 | 15 秒 | 30 秒 | 30 秒 | 15 秒 |
| 最高分辨率 | 1080p | 4K | 不可选 | 1080p | 2K |
| 音频 | 支持 | 支持 | 支持 | 支持 | 支持 |
| 21:9 | 支持 | 支持 | 支持 | — | 支持 |
| 指定尾帧 | 需与首帧一起指定 | 需与首帧一起指定 | 需与首帧一起指定 | 需与首帧一起指定 | 可单独指定 |
| 参考图片上限 | 30 | 9 | 未标明上限 | 10 | 9 |
| 参考视频上限 | 10 | 3 | 1 | 5 | 3 |
| 参考音频上限 | 10 | 3 | — | 5 | 3 |
| 延长与局部编辑 | 支持 | — | — | — | — |
| 开放权重 | 未公开 | 未公开 | 未公开 | 未公开 | 公开 |
MiniMax H3 提示词技巧
直接用中文写即可。基本写法是按顺序交代谁、在哪里、说了什么。
台词用「」或“”括起来
用引号括住说话内容，能与叙述部分区分开，更容易被识别为台词。
女孩挥着手说：“明天见。”
加上说话方式
写上轻声细语、元气满满等说话方式，声音的表情会随之变化。
小声地、有点害羞地说。
指定环境音
音频会同步生成，写上与场景相符的声音，能增加临场感。
远处传来电车声和风声。
关于 MiniMax H3 的常见问题
MiniMax H3 是哪家公司开发的？
开发方是中国公司 MiniMax。AZ8 这项服务在美国运营，借助 AZ8 使用该模型时，需遵守 AZ8 服务条款。
MiniMax H3 和海螺 AI 是什么关系？
两者都是 MiniMax 的产品。海螺 AI（Hailuo AI）是 MiniMax 运营的视频生成应用，MiniMax H3 是 2026 年 7 月 31 日发布的视频生成模型。H3 是继 Hailuo 01、Hailuo 02 之后的新一代模型，在海螺 AI 应用里也能使用。官方名称是「MiniMax H3」，并没有「Hailuo 3」这个名字。
能让角色说中文台词吗？
可以。开发方表示，包括中文在内的 11 种语言对话都很稳定。在提示词中用「」或“”写出台词即可。
MiniMax H3 可以免费使用吗？
注册 AZ8 账号是免费的；生成会用掉积分，视频越长、分辨率越高用得越多。价格页面列有具体标准。
可以生成多长的视频？
单次生成可选 4～15 秒。较长的作品需要生成多个镜头再拼接。
可以在本地或 ComfyUI 中使用吗？
模型权重已按「MiniMax H3 Community License」在 Hugging Face 公开，ComfyUI 也提供官方模板。不过该许可证把美国、欧盟、英国和韩国排除在可使用地区之外，年营收超过 2,000 万美元的商业使用还需另行获得授权。公开版的输出约为 768p、最长约 15 秒，2K 仅在托管版中提供。不想自己准备 GPU 又要生成 2K 时，用 AZ8 这类浏览器端服务更方便。
生成的视频可以商用吗？
根据 AZ8 服务条款，在遵守法律法规、不侵犯第三方权利、并遵守生成前显示的模型专属条件的前提下，生成的视频可以商用。
和 MiniMax H3 Max、Turbo 有什么区别？
MiniMax H3 Max 和 MiniMax H3 Max Turbo 是同属 H3 系列的衍生模型。AZ8 将它们分别作为独立模型提供，可在 Studio 的模型列表中选择。