MiniMax H3
MiniMax 的通用全模态生成模型，已接入 a2e。文本、图像、视频、声音混在一起当上下文统一理解， 输出带原生双声道的音视频，最高 2K 分辨率、最长 15 秒——画面与声音在同一次生成里出来， 不用再对轨。
用这个模型做出来的东西
以下片段出自 MiniMax 官方演示，用来判断画面能到什么水准；在 a2e 上的实际结果以你自己生成的为准。
核心能力
以下五条均取自 MiniMax 官方说明，配图片段也出自官方演示；在 a2e 上的实际表现以你自己生成的结果为准。
原生多模态理解与生成
支持文字、图片、音频、视频多种输入，理解人物、动作、声音、情绪、镜头、风格与表达意图，融合多种参考完成一体化视听创作。官方给的示意就是一句话：「参考视频 1 的希区柯克镜头运动，让图 2 中的人物唱歌，歌声参考音频 3」——三类素材在同一句提示词里各管一件事，不用分三次做再合成。
多模态精准编辑与控制
对人物、物体、场景、声音与节奏进行多维度编辑，具备精细化指令遵循能力，支持在已有内容上持续修改和迭代。也就是说改一处不必把整段重来——把「要保持的」和「要改的」分别写清楚，就能在已有结果上接着调。
商用级多场景内容生成
面向影视、广告、品牌、电商与游戏场景，覆盖文字字幕、品牌信息、创意特效、产品展示、UI/UX 动效、游戏视觉及风格化表达。这几类活儿的共同点是画面里有字、有 logo、有产品本身的样子，容不得糊。
原生双声道，音画同一次生成
能够输出具备原生双声道的音视频——声音不是后期贴上去的，它和画面在同一次生成里一起出，省掉出片再配音、再对轨那一整道工序。提示词里把台词、配乐、环境音、音效和动作写在一起，声音就跟着镜头走。
最高 2K，小字也还原
官方默认就提供 2K 分辨率，最长 15 秒。2K 不是靠传统超分模块把像素猜出来的：模型会把低分辨率结果连同原始的多模态上下文一起送回去重新生成一遍（官方管这个叫 In-context Regeneration），所以画面里的小字、logo、界面元素是被还原的，而不是被涂抹成一团。
先选模式，再谈参数
a2e 上的 MiniMax H3 开放了三种模式。选哪种，决定了你要准备什么素材。
文生视频
在一段提示词里描述场景、人物、动作、镜头与声音，直接生成带原生立体声的完整片段，无需任何素材。适合从零起稿、快速试路子。
图生视频
可只上传一张图作为起始画面，也可同时提供首尾帧精确控制开头与结尾。适合动态海报、产品展示、UI 演示。首尾帧不是单独一种模式，就在这一项里——想精确控制从哪儿到哪儿，把两张图都传上。
参考生视频
可以把图片、视频、音频三类参考混着给：图片定角色/产品形象，视频定动作与运镜，音频定人声与音效。给每个素材分派清楚它管哪一件事，是这一模式出片稳不稳的关键。
三步就能出第一条
下面是 a2e 上的实际操作顺序。
选择模式
选择文生视频、首尾帧图生视频，或混合参考生成。三种模式的差别见上一节，选错了后面参数怎么调都别扭。
编写提示词
描述你想要的画面、动作与风格。声音也在这里写——台词、配乐、环境音和动作写在一起，H3 会在同一次生成里把它们一并做出来。
设置参数并生成
选择时长、分辨率与画幅，然后点击生成。结果会进「我的结果」，可以继续拿去做超分辨、去字幕等后处理。
能调什么
以下是 a2e 上 MiniMax H3 实际开放的参数，用来判断它够不够你的交付要求。
时长与分辨率
时长：单条最长 15 秒。想讲完整的一段事，就得靠提示词把节奏排进这十几秒里，而不是指望模型自己收尾。
分辨率：2K，且默认就是 2K，不用另外挑一档高清。
输入素材的限制
图片：jpg / png / webp，单张不超过 30M，最小边不低于 300 像素，长宽比需在 1:2.5 ~ 2.5:1 之间。竖得太长或宽得太扁的图会被挡下来。
提示词：上限 7000 字符。这个额度足够把多镜头的分段脚本整段写进去，别只写一句话就点生成。
其他
生成数量：一次出一条。使用门槛：产品页标注「仅限付费用户」。
五条能少走弯路的经验
给每个参考指定角色
写明每个素材控制什么——角色身份、产品外观、动作、风格或声音——避免多个输入互相冲突。混合参考出问题，八成是两个素材在抢同一件事。
结构化长序列
把多镜头创意按时间拆段（如 [0-3秒]…[3-7秒]…），让全程节奏可控，不会挤在开头。不分段的长描述，模型往往前三秒就演完了。
画面与声音一起导演
把台词、配乐、环境音、音效与动作写在一起；H3 在同一次生成中输出原生立体声。只写画面不写声音，等于把声音的决定权交给模型。
明确镜头语言
写清构图、运镜、对焦与镜头感，避免模型使用泛泛的默认运动。笼统的形容词（「很有电影感」）接不住，具体的运镜词才接得住。
保持与禁止
列出必须保持一致的人脸、道具、文字与品牌细节，并写明要避免的内容（硬切、形变、多余文字）。要交付的活儿，「不许出现什么」和「要出现什么」一样重要。
文档与入口
要做集成看开发者文档，想直接用就从下面进。
