Okou上的MiniMax H3：最高2K的原生音频视频
MiniMax开源的通用视频模型。用文本、图片、视频和音频生成4到15秒的片段，自带原生立体声。
Video / Text-to-video / Image-to-video / Audio
MiniMax H3是一个开源的通用多模态视频模型。它在同一个上下文里理解文本、图片、视频和音频，然后生成4到15秒的片段，分辨率为768p或2K，并带原生立体声。在Okou上，该模型一次请求最多接收9张参考图片、3段参考视频和3段参考音频，参考文件总数上限为12份。
H3在精选阵容里最清晰的位置，是高分辨率、由参考素材引导且带声音的视频。它能在同时处理动作、人物、产品和配乐参考的情况下做到2K。要做30秒故事和更大的参考素材集，Seedance 2.5更合适；4K选项仍然是Veo 3.1 Fast和Kling V3 4K。
MiniMax H3是什么？
2026年8月 · 开源的通用多模态视频模型，原生支持音频与视频联合生成。
MiniMax在2026年7月发布H3，并于8月开源。这个版本把文本、图片、视频和音频的统一理解，与原生32 kHz立体声、最高2K输出和最长15秒的片段结合在一起。
Okou通过minimax-h3别名接入MiniMax的托管路线。它支持文生视频，以及首帧、尾帧和首尾帧生成，另有一套独立的图片、视频和音频参考模式。边界帧和参考素材不能放在同一次请求里。
MiniMax H3有什么特别之处
架构与能力上的主要亮点。
通用多模态视频生成系统，视频与立体声音频联合输出。H3把文本、图片、视频和音频的上下文统一起来，用于参考素材引导的生成。它的2K路径会带着原始上下文，从768p结果重新生成，以在更高分辨率下保留细节。
规格速览
MiniMax H3价格
按目录标准设置估算的Built-in相对成本；实际积分消耗随生成设置而变。
MiniMax H3实际用起来怎么样
来自生产环境智能体运行的实际观察。
2K输出
精选阵容里分辨率最高的参考素材引导选项。H3能把图片、视频和音频参考一路带到2K，而不是止步于720p或1080p。
原生立体声
H3每次生成都会同时产出立体声。人声、音效和音乐可以跟着画面一起展开，而不是事后再补一遍。
全模态参考控制
一份需求可以同时带上图片里的人物和产品、视频里的动作，以及音频里的人声或节奏。当想要的结果取决于这几类参考之间的关系时，H3尤其有用。
MiniMax H3最适合的智能体任务
带声音的2K产品片
用产品图和品牌图做视觉控制，再加一段动作参考和配乐，一次生成就得到带原生立体声的高分辨率片段。
由人声和动作引导的表演
把人物图、动作参考和一段人声放在一起。H3能同时用上这三种模态，协调外形、动作和声音。
首尾帧之间的揭示式镜头
设定开场帧和收尾帧，让H3在768p或2K下生成中间的转场，并带原生音频。这个模式与多模态参考生成彼此独立。
什么时候不该用MiniMax H3
需要超过15秒的片段、需要无声输出、参考文件超过12份，或者要在同一次请求里同时用边界帧和参考素材时，不要用MiniMax H3。30秒叙事和更大的参考素材集用Seedance 2.5，最高4K的电影感短片用Veo 3.1 Fast，风格化的原生4K视频用Kling V3 4K。
MiniMax H3与其他模型对比
MiniMax H3对比Seedance 2.5
MiniMax H3在输出分辨率上领先，支持2K视频和始终开启的原生立体声。Seedance 2.5在时长和参考素材容量上领先，片段最长30秒，多模态参考最多可达50份。
MiniMax H3对比Veo 3.1 Fast
H3能生成最长15秒的更长片段，并接收图片、视频和音频参考；Veo 3.1 Fast时长上限为8秒，但能到4K。两者都生成原生音频：要参考控制选H3，要4K电影感成片选Veo。
MiniMax H3对比Kling V3 4K
H3把多模态参考、原生立体声和最高2K的输出结合在一起。Kling V3 4K的交付分辨率更高，风格化上限也更强，但没有H3那套参考素材引导的工作流。
结论：你该用MiniMax H3吗？
需要原生立体声、分辨率最高到2K的参考素材引导片段，选MiniMax H3。要更长的叙事和更大的参考素材集，选Seedance 2.5；如果最终交付分辨率才是第一位的，就走4K路线。
常见问题
MiniMax H3在Okou上支持多长时间、多高分辨率？
4到15秒之间的每一个整秒时长，分辨率768p或2K。当前Okou路线默认2K。
MiniMax H3每次都会生成声音吗？
是的。H3总是随视频返回原生立体声。这个模型没有无声输出选项。
一次H3请求能带多少参考素材？
最多9张图片、3段视频和3段音频，参考文件总数不超过12份。使用参考音频时，必须至少同时提供一张图片或一段视频。
首帧尾帧可以和其他参考素材一起用吗？
不可以。H3的边界帧模式和多模态参考模式彼此独立。一次请求可以用首帧和尾帧，也可以用参考图片、视频和音频，但不能两组一起用。
MiniMax H3是开源的吗？
MiniMax在2026年8月公开了H3针对具体任务的权重文件和配套代码。Okou走的是MiniMax的托管API路线，所以你不用自己部署这些权重就能跑这个模型。
替代选择
在Okou上使用MiniMax H3
在Okou上使用MiniMax H3
Okou智能体可以在一次运行中调用MiniMax H3，按Okou积分计费。上面的价格档是这个产品的相对成本信号；最终扣费取决于尺寸、质量、时长、分辨率和音频等设置。
自August 2026起在Okou上可用。
