MiniMax H3 一种模型，理解所有参考

MiniMax H3 也叫海螺 03，是一款多模态 AI 视频模型，可以从文字、首尾帧，或图片、视频、音频混合参考中同时生成视频与原生立体声音频。

文生视频直接根据提示词创作；首尾帧模式需要一张首帧，可选一张尾帧；多模态参考模式最多支持 9 张图片、3 个视频和 3 个音频。

支持生成 4-15 秒视频，可选 768P 或 2K。文生和参考模式支持多种宽高比，首尾帧模式会遵循上传图片的构图。

768P 每秒 32 积分，2K 每秒 51 积分。参考视频的时长会与生成时长相加。前 5 张参考图片免费，之后每张 16 积分；参考音频免费。

可以。首帧用于确定开场画面，尾帧为可选项，用于引导结束构图和中间过渡。

请明确每个素材的作用：哪张图控制人物或产品，哪段视频参考动作或运镜，哪段音频参考声音、音乐或节奏。

会。MiniMax H3 会随视频生成原生立体声音频。你可以在提示词中描述对白、环境声、音乐与音效；上传参考音频不会额外消耗积分。