AI 知识库

MiniMax H3（海螺视频生成模型）

Properties1
tags工具, ai模型, 视频生成, minimax

7分钟阅读

MiniMax H3

基本信息

  • 类型：通用全模态生成模型（视频生成为主，一步生成带原声的视频）

  • 出品方：MiniMax（稀宇科技，国内 AI 公司）

  • 发布：2026-07-31 发布，2026-08-03 开源核心权重

  • 血统：「海螺 AI」（Hailuo）视频线最新一代，接替海螺 2.3

  • 开源地址：HuggingFace MiniMaxAI/MiniMax-H3；魔搭 MiniMax/MiniMax-H3

  • 官网入口：海螺 AI https://hailuoai.com / MiniMax 开放平台

能力一览

  • 输入：文本 + 图像 + 视频 + 音频统一理解（全模态上下文）

  • 输出：4-15 秒视频，24 FPS，原生 32kHz 立体声

  • 分辨率：默认 768p（开源权重可本地跑）；最高 2K（需官方 API 的 H3-Regenerate-2K 再生成模块）

  • 宽高比：21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16

  • 语言：稳定支持 11 种（中、英、日、韩、法、德、意、葡、俄、阿、西）

  • 成绩：Artificial Analysis「视频剪辑（带音频）」榜第一；文生视频、图生视频前三

  • 价格：2K 约 0.8 元/秒，官方称同类产品 1/3 价

系统构成（三模块）

模块作用是否开源
H3-Context-IR理解/提炼复杂多模态输入，转成生成用的提示❌ 仅 API
H3-Base生成 768p 音视频（33B 单流 Transformer，文本编码借用 Qwen3-VL-32B 权重）✅ 已开源
H3-Regenerate-2K把 768p 结果结合原始上下文再生成 2K❌ 待开源（承诺后续开放）

  • 两种 checkpoint：FL2VA（文生视频 / 首帧 / 尾帧 / 首尾帧）+ Ref2VA（全模态参考：最多 9 图 + 3 视频 + 3 音频、合计 12 个文件；可保留人物场景、改动作嘴型、换音色）

  • 本地部署：SGLang / vLLM / diffusers / ComfyUI（官方支持）；64GB 统一内存的 Mac 就能跑 768p——33B 总参数中约 13B 的 AdaLN 分支推理时无需加载，实际常驻约 20B 参数；Darkbloom 的机主门槛（36GB+）这台机器也够格

实机记录（2026-09-01）

  • 用户家里的 Mac mini（M4 / 64GB 统一内存）+ ComfyUI 本地跑 H3 做视频，实际在用 ✅

  • 教训：之前记的「个人 Mac 跑不动、需多卡 GPU」是错误推断——苹果芯片统一内存 CPU/GPU 共用，33B 级模型在 64GB 内存上装得下

  • 注意：家用机与公司的 Mac mini（M4 / 16GB，跑 openclaw）是两台不同的机器

  • 许可：MiniMax H3 Community License

风格定位（2026-09-01 补充调研）

  • 定位是「通才」，不是只擅长写实：第三方口碑——赢在物理还原和电影质感；有博主认为它很适合大色域、纯色的艺术广告风格

  • 对写实党的缺点：有「AI 厚涂感、偏糊」、人物表情偏僵、MV 舞感不足；但「厚涂感」放在动漫/绘画风里反而不算坏事

  • 修仙漫剧适配性：Ref2VA 最多 9 张参考图 + 首尾帧控制，正对漫剧「角色设定图 → 逐镜头图生视频」的需求；第三方站点称支持动漫、粘土、像素、3D 奇幻等风格（来源可信度一般，以实测为准）

  • 短板：开源才一个月，动漫向社区 LoRA 还很少；要现成的国风/动漫 LoRA，开源视频模型 里 Wan 2.2 生态更成熟

H3 Max（2026-09-01 发布）

  • 定位：H3 的加速版（后训练加速），闭源仅 API
  • ⚠️ 入口已变（2026-10-02 核实）：此前记「只能上 fal」已不成立——H3-Max 已上架 MiniMax 自家开放平台。官方人民币价：H3-Max 480P ¥0.33/秒、768P ¥0.50/秒；H3 768P ¥0.50/秒、2K ¥0.80/秒；视频再生成 768P→2K ¥0.30/秒。H3-Context-IR 输入 ¥5.80 / 输出 ¥23.00 每百万 tokens。输入素材：音频免费、图片 5 张内免费（超出 ¥0.20/张）
  • 核心数字：5 秒 768p 视频不到 3 秒生成，吞吐量是 H3 的 35 倍
  • 规格：480p/768p、5-15 秒、24fps，支持文生视频和图生视频
  • 应用场景：海外开发者已基于它搭了 24 小时 AI 直播网站——观众输入提示词，AI 实时生成后续内容
  • fal API 定价（2026-09-03 查，现已非首选）：
    • 促销价（已结束，到 9-1）：480p 0.04/秒
    • 标准价：480p 0.08/秒
    • ⚠️ 现在自家平台可用，不必再绕 fal（fal 是海外平台，充值需国际信用卡）
  • 入口：MiniMax 开放平台（官方）；fal.ai 仍可用（注册送 5 次免费生成）
  • 功能限制（重要）：H3 Max 只支持文生视频和首/尾帧图生视频，没有本地 H3 的 Ref2VA 9 图参考——走 API 锁角色是把定妆图当首帧喂，一致性略弱于本地
  • 对用户的意义：用户实测本地 5 秒视频要 1 小时（远慢于官方口径），API 对比：本地免费但 1 小时/条，H3 Max ¥0.50/秒且 3 秒/条

别搞混

  • H 系列 = 视频/全模态生成（海螺线）

  • M 系列 = 语言模型（如 M2.5，Darkbloom 目录里那个是写代码的语言模型）

相关笔记

  • 开源视频模型 - ComfyUI 免费视频模型对比（Wan 2.2 / HunyuanVideo 1.5 / LTX / H3）

相关日记

  • 2026-09-01 - 首次了解：官方三模块架构、榜单成绩、开源范围；风格定位与修仙漫剧适配性

反向链接