用提示詞說明要改變什麼
替換產品或背景、把白天變成夜晚，同時用參考素材引導主體、風格與聲音
MINIMAX H3 · 2K 原生立體聲
MINIMAX H3
從文字或多模態參考生成最高 2K、帶原生立體聲的影片
三步生成帶原生聲音的影片
選擇輸入方式、說明每份參考素材的用途，再確認輸出設定
步驟 01
選擇輸入方式
從純文字、首幀、首尾幀或多模態參考開始
步驟 02
說明每份參考素材的用途
逐份指定主體、動作、聲音與鏡頭；提示詞為必填，最多支援 7,000 個字元
步驟 03
確認設定並生成
選擇 4–15 秒、768p 或 2K，確認預估點數後送出
用多模態參考控制完整鏡頭
在同一次生成中整合畫面、動作與聲音
讓文字與介面細節更易讀
可用於包裝文案、字幕、HUD 和動態圖像，發布前仍建議逐幀檢查文字
讓動作帶有重量感
布料自然垂落、水花飛濺、人群各自移動，角色移動時也能維持重心
圖片、影片與音訊組成一套參考素材
最多 9 張圖片、3 支影片和 3 個音訊；參考錄音可引導聲音風格與音色，但必須搭配圖片或影片使用
廣告、遊戲展示與動畫，一次生成帶聲影片
探索 MiniMax H3 在不同創意情境下的視覺生成與動態表現
商業廣告
產品廣告與電商短片
用產品圖片鎖定主體與包裝外觀，再生成帶有配音或環境音的短片
可使用哪些素材，能輸出什麼規格
依照 Pilio 支援的選項，設定生成模式、參考媒體、時長、解析度與畫面比例
輸入模式
文字、影格、多模態
可從提示詞、單張首幀、成對首尾幀或一組多模態參考開始
影片時長
4–15 秒
可選擇支援範圍內的任一整數秒時長
解析度
768p 或 2K
預設為 768p，也可選擇 2K、24 FPS 輸出
畫面比例
自適應或 6 種固定比例
純文字生成需指定 21:9、16:9、4:3、1:1、3:4 或 9:16；自適應需搭配參考素材，影格模式則跟隨上傳圖片
圖片參考
最多 9 張圖片
引導主體、產品、地點、風格、道具與其它視覺錨點
動作與聲音
3 支影片 + 3 個音訊
單次最多使用 12 份檔案，參考音訊不能單獨使用
MiniMax H3 常見問題
MiniMax H3 就是 Hailuo 3 嗎？
是同一個模型。Hailuo 是 MiniMax 的影片模型系列，H3 是第三代，也會寫成 Hailuo 3、Hailuo 3.0 或 Hailuo H3
MiniMax H3 可以只用文字生成嗎？
可以，文字轉影片模式不需要上傳參考媒體，只要輸入提示詞即可生成帶原生立體聲的影片
什麼時候適合使用首幀與尾幀？
當開場與結尾構圖已經確定，並希望模型生成兩者之間的動作時，適合同時指定首尾幀；輸出會跟隨上傳圖片的比例
MiniMax H3 會同時生成聲音嗎？
會，H3 會與畫面一同生成原生立體聲；參考音訊可引導聲音風格、音色或節奏，但不能單獨使用
MiniMax H3 支援哪些對白語言？
MiniMax 公布穩定支援阿拉伯語、中文、英語、法語、德語、義大利語、日語、韓語、葡萄牙語、俄語和西班牙語對白，其它語言則有不同程度的支援
可以選擇哪些解析度與時長？
Pilio 支援 4–15 秒範圍內的每個整數秒時長，以及 768p 和 2K、24 FPS 輸出
MiniMax H3 與 Kling 3.0 有什麼不同？
Kling 3.0 提供最高 4K 和多鏡頭控制，MiniMax H3 則著重多模態參考與原生立體聲；請依輸出需求、參考素材與預算選擇
MiniMax H3 是開源模型嗎？
MiniMax 已開放 H3 權重，但在 Pilio 上不需要下載模型或設定 GPU，直接在瀏覽器中即可生成
一次生成可以使用多少份參考素材？
最多可使用 9 張圖片、3 支影片和 3 個音訊，合計不超過 12 份檔案；參考音訊需搭配圖片或影片，提示詞為必填且最多 7,000 個字元
一次生成會使用多少點數？
預估點數會依影片時長、解析度、參考圖片數量與參考影片長度而變化，送出前會顯示目前估算值
發布前需要檢查生成結果嗎？
發布前建議逐幀檢查文字、介面與複雜動作，要求較高的鏡頭可多生成幾個候選再挑選
生成的影片可以商用嗎？
是否可商用取決於 MiniMax 目前的授權、Pilio 條款，以及你對上傳與生成媒體擁有的權利，發布前請確認適用條款