原生立体声音频
声音与画面在同一次生成中一起产出：对白、环境音、配乐全部对齐，无需任何后期处理。
现已上线
生成电影质感视频，声音一并生成。
输入一段文字、一张图片或一个参考片段，直接产出画面与立体声同步的成片。最长 15 秒、2K 画质，约 3 秒出片。
添加参考素材图片、视频或音频
~3s
生成耗时
2K
最高分辨率
15s
视频时长
33B
模型参数量
用 MiniMax H3 做出来的作品
点击任意视频，立刻按你的想法重做一版。
一个模型， 该有的全都有。
原生立体声、11 种语言口型同步、6 种画幅比例，不需要再走一遍后期流程。
约 3 秒出片
H3-Max 生成完整的 15 秒 2K 视频只需约 3 秒。不用排队等待，想到就能立刻改一版。
2K 画质，6 种比例
最高支持 2K 分辨率，横屏、竖屏、方形以及三种电影级画幅任选。所有格式，一个模型搞定。
11 种语言口型同步
角色说话时，口型会自动与音频对齐，覆盖 11 种语言，不需要手动 K 帧。
常见问题
MiniMax H3 是什么？
MiniMax H3 是一个开源的 330 亿参数稠密 Transformer 视频生成模型，单次生成即可输出最长 15 秒、带原生立体声音频的 2K 视频。
H3 会自动生成声音吗？
会。和大多数视频模型不同，H3 把对白、音效和环境音作为视频生成的一部分同步产出，而不是事后单独再做一步。
支持哪些画幅比例？
H3 支持 6 种比例：16:9（横屏）、9:16（竖屏）、1:1（方形）、4:3、3:4，以及 21:9（超宽电影画幅）。
生成速度有多快？
H3-Max 生成完整的 15 秒视频约需 3 秒。具体耗时会随分辨率和时长设置有所不同。
可以用自己的图片作为输入吗？
可以。H3 支持文生视频、图生视频和参考片段生视频三种模式，上传图片或提供参考片段即可引导生成结果。
现在就开始生成视频
无需注册即可试用。描述你的画面，点击生成，看它连声音一起活过来。