硅基流动上线 MiniMax H3

硅基流动现已上线 MiniMax 稀宇科技开源的 MiniMax H3（FL2VA）。调用硅基流动 API，开发者能直接生成带有原生立体声音的视频，支持输入首帧、尾帧或首尾双帧，控制关键画面。从文字构思到音画成片，开发者的多模态创作工作流中，又多了一位“能打”的伙伴。

MiniMax H3 具备面向多种商业场景的内容生成能力，尤其在复杂指令遵循、文字及品牌信息呈现等方面表现突出。无论是广告拍摄、品牌宣发、电商展示，还是 UI/UX 及游戏内容制作，创作者都能借此将创意构思呈现为视频内容。

创意落地可以自由又可控。MiniMax H3 支持上传首帧、尾帧，或同时输入首、尾两张关键帧，配合提示词生成衔接流畅的音视频。例如，想要呈现扣篮过程，只需上传扣篮与入网后的庆祝画面，并用文字描述“腾空、扣篮”等动作，就能让已构思好“开场”与“落点”的创意连贯呈现。

架构上，设计遵循“架构应服务于任务”的理念，采用通用、高效的 33B 单流架构 H3-Omni Transformer，联合预测视频与音频，分别解码为视频和立体声音频，实现声画同步生成，为开发者省去单独制作、拼接音频的环节。此外，模型还重构了高压缩编解码器（H3-VAE），以 4 倍的有效序列长度收益降低了训练与推理成本。

在硅基流动，MiniMax H3 的调用价格为 0.5 元 / 秒，支持生成 5 至 15 秒、480P 或 768P 的带音轨视频。

开发者可前往硅基流动在线体验 MiniMax H3，或调用 API 将文生音视频与首尾帧控制能力接入现有工作流，让用户从文字描述或关键画面出发，生成带音轨的视频内容。