文本与图像转视频
通过文本提示词、图像或组合参考素材，生成高质量的电影级视频。H3 能够理解角色、环境、视觉风格和叙事意图，从而创作出连贯的场景。
MiniMax H3 AI 视频生成器
MiniMax H3 是 MiniMax 推出的多模态 AI 视频模型。它能把一段文字提示词或一张起始图片生成 5–15 秒、自带原生声音的视频，对白、环境音、音效和音乐一应俱全，还能在一次生成中切换多个镜头。下方控制台使用的就是 MiniMax H3：描述你的场景，或添加首帧图片，即可生成。
MiniMax H3
提示词
起始图片（可选）
上传照片可以让它动起来，不传也能直接按提示词生成。
示例提示词
上传文件即表示你同意 GoEnhance 的服务条款和隐私政策
看看用 MiniMax H3 能做出什么
下面每一段视频都是在 GoEnhance 上用 MiniMax H3、仅凭一段文字提示词生成的，720p、10 秒：对白场景、多镜头运动剪辑、野生动物、动漫、3D 动画和产品广告。
MiniMax H3 参数与核心功能
H3 的核心功能
- 商业级多场景内容生成: 为品牌、媒体、游戏和电子商务创作专业的视觉内容。
- 原生多模态理解与生成: 将文本、图像、音频和视频统一到一个创意语境中。
- 全能型精准编辑与修改: 对角色、场景、声音和视觉细节进行精细化控制。
商业级多场景内容生成
H3 支持多种内容格式，包括文本、字幕、品牌信息、UI/UX 元素、游戏视觉效果和电商展示。它助力创作者快速探索视频概念、开发产品展示、扩展 IP 角色场景，并支持创意团队进行概念验证、故事板预览以及电影、广告、游戏、品牌推广和商业领域的内容提案。
| 提示词 | 参考图像 | 生成片段 |
|---|---|---|
原生多模态理解与生成
H3 支持多种输入类型，包括文本、图像、音频和视频。它将所有资产视为统一的语境，理解信息、声音、情感、视觉和创意意图之间的关系，从而实现整合的内容理解与视听生成。核心能力包括多源参考生成、角色与镜头引导、语音迁移与克隆，以及对视觉风格、叙事节奏、声音氛围和剪辑模式的理解。
| 提示词 | 参考图像 | 参考视频 | 生成片段 |
|---|---|---|---|
全能型精准编辑与修改
H3 支持跨维度的精准编辑，包括角色替换、动作参考、背景更换、视觉特效、对话替换和氛围调整。凭借强大的指令遵循能力，它能准确执行创作者对视觉、音频和节奏的要求，同时保持未编辑元素稳定。核心功能包括对象与角色编辑、场景与视觉特效调整、语音与对话修改，以及高精度的局部控制。
| 提示词 | 参考图像 | 参考视频 | 生成片段 |
|---|---|---|---|
常见问题