核心重點
MiniMax 官方文件說明了什麼
MiniMax 的發表文章把 H3 描述為一個開放模型，能理解跨文字、圖片、影片與音訊的統一上下文，生成帶原生立體聲的影片，輸出最長 15 秒、2K 解析度，768p 則是較便宜的級別。該公司宣稱 2K 的每秒價格低於主流模型的三分之一，768p 則低於主流 720p 的一半。參考式提示詞採對話風格：“reference the camera movement from Video 1, have the character in Image 2 sing with vocals matching Audio 3.”（參考影片 1 的運鏡，讓圖 2 的角色演唱，人聲對應音訊 3。）這套參考語法是這個模型的招牌。
工作室提供什麼
解析度 768P 或 2K，時長 4 到 15 秒；文生影片有七種比例（自適應、16:9、4:3、1:1、3:4、9:16、21:9），圖生影片為自適應。圖生影片接受一張首幀。參考生影片接受最多 9 張參考圖片、3 段影片、3 段音訊，共 12 個素材。審閱時的預設報價為 1,110 點；MiniMax 按所選解析度的費率計算輸入與輸出的影片秒數，並包含前五張參考圖片，所以較長的參考片段會拉高報價。
早期成人內容資料，直接說明
截至 2026 年 9 月 9 日的 60 天：3 位創作者共 7 個 MiniMax H3 參考生影片任務，2 個完成，4 個被內容安全回應攔下，1 個為其他失敗。七個任務遠不足以公布比率，所以我們不公布；但足以說明上游路線確實會審查成人內容，並且拒絕了其中一部分。作為對照，Wan 3.0 參考生影片在 6,901 個任務中完成了 94%，Wan 2.2 Spicy 在 16,059 個任務中記錄為零攔截。等 H3 累積幾百次執行後，我們會更新本節。
版本與選項
MiniMax H3 文生影片、圖生影片與參考生影片目前已在 Makeartly 工作室提供；即時目錄確認模型 ID 後，按鈕會預先選好 H3。
證據與指引
目前哪些情況值得選 H3
以對話為主的片段：H3 的立體聲音訊在同一次生成中產出，其參考語法讓「對上音訊 1 的聲音」變成一行指令。音樂或節奏同步的動作。需要 2K 紋理、含蓄或著衣的角色創作，以及 21:9 電影構圖。如果成人內容對 H3 的審查來說太露骨，它的 768P 級別是以便宜的方式先帶聲音迭代想法，再用更高級別的 Wan 3.0 渲染同一份需求。
部署層級的過濾與成人內容界線
Makeartly 不會為已驗證的成人創作者另外加上一般主流的成人內容拒絕層；這項部署層級的聲明，並不代表上游官方模型沒有審查，也不保證提示詞一定會被接受。成人工作流程僅限成年人使用。禁止 CSAM 及任何涉及 18 歲以下未成年人的性內容。必須取得當事人同意與肖像授權，禁止非自願的私密內容、未經授權的真人深偽（deepfake）以及性冒充。
行得通的搭配
專案中依賴音訊與 2K 紋理、且保持含蓄或著衣的部分用 H3；露骨的多參考場景用 Wan 3.0，露骨的單一靜態圖片段用 Wan 2.2 或 2.7 Spicy。H3 與 Wan 3.0 的預設片段報價都在 1,100 點上下，所以選擇的重點在於你的需求能通過哪一種審查，以及你需要 30 秒（Wan）還是 2K 立體聲（H3）。
場景與決策
12 秒片段，她對著鏡頭以立體聲說兩句台詞
MiniMax H3 是平台上最適合的工具；讓參考保持著衣，並引用台詞。
露骨的多參考場景
用 Wan 3.0 參考生影片；H3 的上游審查在推出的頭幾週已經拒絕過成人嘗試。
- 在工作室開啟 MiniMax H3，並選擇文字、圖片或參考模式。
- 需要對話時，引用台詞並指出說話者；需要對上聲音時，請提供你有權使用的音訊片段。
- 先用 768P 渲染 5 秒；報價會隨輸出與參考的秒數增加。
- 在成人通過率仍在量測期間，上傳的參考請保持著衣或含蓄。
- 如果 H3 攔下了一支片段，請把需求改交給 Wan 3.0，不要改寫措辭。
限制與風險
用著衣參考在 768P 對 H3 做驗收測試
跑一支 5 秒的 768P 片段作為驗收測試，把聲音與 2K 級別的紋理與同一份需求的 Wan 3.0 渲染結果對照，在第一次被審查拒絕時就停止，並為專案其餘露骨的部分改選 Wan 3.0。
本頁的 H3 成人資料只有七個任務；關於它寬鬆程度的任何說法，包括我們自己的，都請視為暫時性的。參考秒數也計費：MiniMax 同時對輸入與輸出的影片秒數計費，所以 15 秒的參考片段會讓 15 秒渲染的報價大約加倍。
