硅基流动产品上新:TokenPlus 词元优选,一站式 Token 智能调度与管理平台。主流模型 4.2 折起,调用稳定,企业级管理更省心,了解详情 www.tokenplus.cn
全部模型 › 模型详情
MiniMaxAI视频

MiniMax-H3

Model ID
MiniMaxAI/MiniMax-H3

模型介绍

MiniMax-H3(FL2VA)是 MiniMax 推出的视频生成模型,支持根据文本描述生成视频,也可通过首尾帧图像控制画面的起止状态,适用于广告、电商展示、品牌宣传和创意短片制作

发布日期:2026-07-31 · 模型厂商:MiniMaxAI

33B文生视频视频生成AIGC 内容创作

在线推理价格

通过 API 即可调用,按实际使用量计费。

计费币种:人民币
计费类型单价 / 计费单位
请求视频秒数¥ 0.50 / 秒

规格与能力及 API 调用

规格

总参数量
33B
上下文长度
暂未提供
最大输出长度
暂未提供

支持能力

  • 深度思考· 不支持
  • 视觉理解· 不支持
  • 工具调用· 不支持
  • JSON 模式· 不支持
  • 前缀续写· 不支持
在线体验

API 调用

API 文档

通过硅基流动 API 接入模型。以下为基础请求示例,具体参数以模型 API 文档为准。

⌘   API 调用示例

Base URL: https://api.siliconflow.cn/v1

curl --request POST \
  --url https://api.siliconflow.cn/v1/video/submit \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "MiniMaxAI/MiniMax-H3",
    "prompt": "一只猫在草地上奔跑",
    "duration": 5,
    "resolution": "768p",
    "ratio": "16:9"
}'

请将 YOUR_API_KEY 替换为实际 API Key,避免在客户端公开密钥。

模型服务方式

按需选择 API 调用或预留实例,满足从快速体验到业务部署的不同需求。

按量调用

API 调用

无需部署,通过统一 API 快速调用模型,按实际用量付费。

专属资源

预留实例

为业务预留专属资源,满足持续、稳定的模型调用需求。

常见问题

MiniMax-H3 是什么模型,有哪些核心能力和技术参数?
  • MiniMax-H3(FL2VA)是稀宇科技(MiniMax)开源的音视频生成模型,可从文字描述或关键画面出发,生成带原生立体声音的视频。

  • 采用 33B 单流架构 H3-Omni Transformer,联合预测视频与音频,再分别解码为视频和立体声音频,实现声画同步生成。

  • 支持输入首帧、尾帧或首尾双帧;在硅基流动可生成 5–15 秒、480P 或 768P 的带音轨视频。

  • 采用高压缩编解码器 H3-VAE,带来 4 倍有效序列长度收益,以降低训练与推理成本。

MiniMax-H3 适合哪些商业视频场景,有哪些独到之处?
  • 广告拍摄与品牌宣发:模型在复杂指令遵循、文字及品牌信息呈现方面表现突出,适合将品牌创意转化为视频内容。

  • 电商展示:可从文字描述或关键画面出发生成展示视频。

  • UI/UX 与游戏内容制作:可将创意构思呈现为音视频,结合关键帧控制开场和结束画面。

  • 需要原生音轨的短视频创作:可同步生成画面与立体声音频,省去单独制作、拼接音频的环节。

MiniMax-H3 如何通过首帧、尾帧控制视频生成?
  • 支持上传首帧、尾帧,或同时上传首尾两张关键帧,再配合提示词生成衔接流畅的音视频。

  • 当创意已明确“如何开场”和“在哪里结束”时,可用首尾双帧指定关键画面,通过文字描述补充中间的动作过程。

  • 以扣篮视频为例:上传扣篮与入网后庆祝的画面,并描述“腾空、扣篮”等动作,使预设的开场与落点连贯呈现。

什么情况下可优先考虑选择 MiniMax-H3?
  • 当任务同时需要声画同步、原生立体声音频和关键帧控制时,可优先将其纳入选型,减少单独制作与拼接音频的环节。

  • 当商业内容重视复杂指令遵循、文字及品牌信息呈现时,与 MiniMax-H3 的能力较为匹配。

为什么选择在硅基流动调用 MiniMax-H3,有哪些接入便利?
  • 支持在线体验和 API 接入:开发者可在硅基流动在线体验模型,也可通过 API 将其接入现有创作工作流。

  • 同时提供文生音视频与关键帧控制:用户可以从文字构思出发,也可以上传首帧、尾帧或首尾双帧,生成带音轨的视频。

  • 调用规格与价格明确:平台给出支持的时长、分辨率及每秒价格,便于围绕交付要求评估使用成本。