7月31日，抢在 Seedance 2.5 发布之前，MiniMax H3 提前交卷了。
一上线，它就以 1130 的 Elo 分数超过 Gemini Omni Flash，登顶 Artificial Analysis 全球带音频视频编辑榜首位。
价格也被压到了新低。会员生成 2K 视频最低约 0.4 元/秒，768P 版本更是低至 0.23 元/秒。作为对比，按同样的会员套餐折算，Seedance 2.0 生成视频约为 2.97 元/秒。
也就是说，H3 的 2K 价格还不到 Seedance 的七分之一，768P 更是压到了十分之一。只花 Seedance 的零头，就可以做出同一档的商业视效！
下面这些是网友生成的案例，效果已经相当炸裂：
[视频无法嵌入，请至原文查看]
[视频无法嵌入，请至原文查看]
[视频无法嵌入，请至原文查看]
更狠的是，H3 还直接开源了。现在就可以把模型部署进自己的工作流。
在 云栈社区，大家这几天也都在热议这个话题：能力能打，价格又压到了这个水平，生成内容生产的门槛确实肉眼可见地在降低。说实话，我也坐不住了，赶紧上手尝了个鲜。
一、我的实测
所有实测视频的提示词我都已经放在文末，大家可以直接复制粘贴去体验。
这是用 H3 跑的 GTA 实机画面。
[视频无法嵌入，请至原文查看]
生成时，我把视频分成了三个部分。第一部分是 GTA 里经典的街头抢车。角色从背后视角跑向汽车，完成上车后，镜头自然切入驾驶视角。
说实话，这个把驾驶员拽下来的动作很有那味儿了...
第二部分是人物选择界面。
很多游戏美宣视频都会用这种方式展示角色，让人物依次进入画面，再通过鼠标完成选择。这里我没有提前设计人物的运动轨迹，只给了提示词和参考图，H3 就自己补全了角色的登场动作，界面也能根据选择做出反馈。
第三部分是一段游戏内的银行枪战，主要测试模型能不能理解“任务推进”的含义。角色进入银行后，NPC 会根据枪声做出反应，通缉等级也随剧情发生变化。
整条视频跑下来，可以看到 H3 对“游戏镜头”的理解很到位。它知道第三人称视角应该怎么跟随角色，也知道进入任务后还要主动加入游戏 UI。
很多镜头转换都贴近 GTA 的实机操作。比如这里上车的镜头运动，整个过程衔接得很自然，保留了玩家操控时特有的跟随感。
抢钱跑出去的时候，这个视角转动也非常丝滑。
然后，我又用 H3 跑了一支 Kpop MV 和一支跑酷广告片，实测它处理复杂视觉图层的能力。
MV 走的是千禧年 Y2K 路线。复古 Windows 弹窗贯穿了整支视频，画面会跟随歌手的表演不断变化。
[视频无法嵌入，请至原文查看]
视频中，歌手还会举起手和画面的特效弹窗互动，手部动作能够准确落在弹窗的位置上，接触关系也很稳定，没有出现物理错乱。
镜头从全身切到嘴唇特写后，人物特征依然保持稳定。中间出现的金属花字也能准确显示，整支 MV 的包装相当完整。
跑酷广告片的灵感来源于蜘蛛侠多元宇宙，整体来说对运动能力的要求更高，因为人物始终处在高速移动中，镜头还要同步跟随。
我设计的动线是人物从地铁隧道开始冲刺，列车出现后完成闪避，最后跳到空中完成收尾。加入漫画箭头和速度线，自然过渡到彩色漫画画面，并用“KEEP RUNNING”花字作为收尾背景。
真人版：
[视频无法嵌入，请至原文查看]
动漫版：
[视频无法嵌入，请至原文查看]
真人版最大的亮点是现场感。
隧道灯光会随着人物移动不断扫过身体，列车靠近时，画面的亮度和压迫感也随之增强。高速运动下，黄色外套始终充当视觉焦点，让观众能够牢牢跟住人物，整个广告的节奏很快，画面却不会乱。
而动漫版的视觉语言更夸张。人物冲刺时，背景透视被大幅拉伸，鲜艳色块也会跟随动作爆开，整支广告的情绪始终保持在高点。风格从头到尾非常统一，也更容易形成鲜明的品牌记忆。
中间还有一段 2D 到 2.5D 的转换，让整个跑酷过程更有层次，有点多元宇宙的感觉了。
两个版本放在一起，你觉得哪一个更带感？
我又用 H3 跑了一支真人香水广告，测试它处理强影调氛围的商业广告的能力。
[视频无法嵌入，请至原文查看]
开场 H3 先用剪影隐藏模特面容，通过聚光灯建立神秘感。随后镜头进入人物特写，香水瓶穿插出现。最后，模特完成喷香动作，画面回到产品定妆镜头。
这条片的快切密度很高，15 秒内切换了十多次。镜头频繁改变景别，还要在人物与产品之间保持统一的情绪，还是比较考验模型对画面节奏的控制。
最终效果挺惊艳的。
人物部分我给了参考图。但视频里的侧脸和背影需要根据参考图，让模型自己补全，强逆光下的人物轮廓也要重新建立。
H3 在这些变化中保持住了人物特征，回到正脸特写时没有明显漂移。个人感觉，H3 的人物一致性已经控得比较成熟了，足以支撑这种高密度的商业快切。
说到人物一致性，我又测试了 H3 在电商带货场景里的表现。
[视频无法嵌入，请至原文查看]
视频开头，主播拿着粉底液对镜介绍，表情和口播状态都很自然。大约 5 秒后，画面切到产品特写，再直接进入粉底上脸的环节，结构很符合短视频带货的节奏。
后半段的难度更高。人物的脸几乎占满画面，手指还要连续经过脸颊，模型需要在大面积遮挡下维持五官。实际生成中，眼睛和鼻子的结构基本没有变化，手指也没有突然变形。粉底从点状逐渐被推开，最后还能自然过渡到完整妆效。
不过也有不足的地方：粉底从铺开到完全贴合皮肤的过程没有完整呈现，画面直接切到了最终妆效。像这类细腻且连续的物理交互，在 人工智能 驱动的视频生成领域，仍然是个需要持续攻克的难题。
最后，我又让 H3 跑了一段旅行 App 的 UI 交互动效，主要想测试它能不能理解不同页面之间的层级关系，并把静态设计稿还原成一套完整的操作流程。
[视频无法嵌入，请至原文查看]
我只给了四张界面图，H3 就自动补出了按钮反馈和页面转场，把首页、行程规划、地图导航一路串到旅行回顾。进入新页面时，原有的视觉元素会自然退场，地图中的底部卡片也能按照正常的交互逻辑弹出，整个过程没有打乱原本的信息层级。
这类视频很适合用在产品提案和功能演示中。设计师做好核心页面后，可以先用 AI 快速跑出交互效果，提前判断页面之间怎么衔接、动效节奏是否舒服，也方便客户更直观地理解产品最终会怎么使用。H3 效果很好，用来展示产品概念，已经相当够用了。
二、如何使用
打开链接下载 MiniMax Hub：
https://hub.minimaxi.com/
点击视频生成对话框，在左下角可以切换模型，试用 H3。
目前支持12张图片参考，有全能参考、首/尾帧参考和角色参考三种模式。
比例支持自动适配，以及 21:9、16:9、4:3、1:1、3:4 和 9:16，横屏、方屏和竖屏场景基本都覆盖了。分辨率支持 768p 和 2K，生成时长可以从 4 秒自由选择到 15 秒。
建议大家可以大胆尝试 15 秒视频的生成。据我实测，H3 在长时生成中的稳定性相当不错，废片率很低。
工作界面是这样的：
一次可以抽卡 4 个视频，15s 的视频，抽一个在 3 分钟左右。
三、极致性价比
做 AI 视频的人都懂，最烧钱的往往是反复抽卡。前面提到，H3 的废片率极低，这让它的账面价格更接近实际生产成本。
- 按照年度 Pro 会员的额度折算，H3 生成 2K 视频最低约 0.4 元/秒，一条 15 秒视频大约需要 6 元；768P 版本低至 0.23 元/秒，同样时长只需要 3.45 元。
- 即梦网页端使用 Seedance 2.0 生成一条 15 秒、1080P 视频需要 495 积分。按照标准连续包月会员 199 元、包含 2210 积分计算，一条视频约为 44.6 元，折合约 2.97 元/秒。
把数量放大以后，差距会更加明显。生成 100 条 15 秒视频，Seedance 2.0 的折算价格约为 4455 元，H3 的 2K 版本约为 600 元，768P 版本约为 345 元。
也就是说，对于需要批量制作广告素材的团队来说，同一笔预算可以多跑出数倍成片，测试创意时也不用再对着积分精打细算。这个价格，很难不让人心动。尤其对于更新频率高的内容团队，H3 很适合拿来长期跑素材。
四、所有case的提示词
最后，我附上所有实跑 case 的提示词。大家如果对其中某种效果感兴趣，可以直接复制对应提示词，去官网体验。
GTA 6 复刻
需要用图片生成模型（即梦或者 GPT Image 2.0)先生成首帧参考图，然后使用视频提示词。
第一部分：抢车
@参考图，第三人称越肩游戏视角，镜头始终跟随女主背影。女主以富有力量感的姿态向前奔跑，靠近前方一辆红色汽车后，迅速打开车门，将驾驶员拽下车，随即俯身坐进驾驶位并关上车门。整个过程保持连续的游戏跟随镜头。
第二部分：游戏人物选择
@参考图，游戏画面第一阶段选择角色，鼠标依次划过角色，同时镜头推进特写，每个角色依次起立展示自己的招牌动作pos，掏枪或者说英文台词。最后选择金发女性角色，她立刻摆pos说台词，进入加载页面。
第三部分：
@参考图，主角背对镜头，手持黑色狙击步枪推门进入银行。两名敌对 NPC 在前方举枪阻拦，主角开枪将其击倒，只有枪口火光和环境碎屑，无鲜血。警报响起，红色警示灯闪烁，主角冲向柜台，将现金装进黑色旅行袋。随后转身冲向出口，门外停了一辆警车。整体呈现逼真的次世代游戏质感，动作连贯，节奏紧张。
Kpop MV
15 秒千禧年 Y2K 多巴胺风格说唱 MV。年轻女歌手身穿亮粉短夹克、银色低腰工装裤，戴彩色窄框墨镜，在未来复古电脑房中自信说唱。镜头跟随鼓点快速推进、甩动和旋转，在广角全身、鱼眼近景与低机位之间切换。Windows 98 风格弹窗不断出现，歌手会推开窗口、穿过界面，并与弹窗特效互动。画面采用荧光粉、电光蓝和柠檬黄，加入像素爱心、CD、镭射贴纸与巨大花字。整体高饱和，带有 DV 噪点和扫描线。结尾窗口瞬间崩溃铺满屏幕，歌手从蓝屏中探出头，镀铬花字砸向镜头。
跑酷广告
真人版：
15 秒，16:9，真人地铁跑酷高燃片头。仅出现一名原创年轻男性跑者，保持真实五官、皮肤和服装质感。跑者在三条地铁轨道间冲刺，镜头高速后退跟拍，他连续变道躲避列车，翻越护栏，滑铲穿过障碍，最后跃上行驶中的列车顶部。镜头在正面、侧面和俯视角度间快速切换。画面融合高饱和美漫电影风格，加入粗黑描边、半调网点、CMYK 错版、RGB 偏移、跳帧残影和速度线。花字“RUN!”“DODGE!”“JUMP!”随动作闪现。结尾跑者跃在半空定格，巨大“KEEP RUNNING!”砸向画面，白色爆闪后切黑。
动漫版：
15 秒，16:9，动漫地铁跑酷高燃片头。画面中仅有一名原创年轻男性跑者，采用粗黑轮廓与清晰色块阴影，二维手绘角色与三维城市融合。跑者在地铁轨道间高速冲刺，连续变道躲避列车，翻越护栏，滑铲穿过障碍，最后跃上列车顶部奔跑。镜头高速后退跟拍，并在正面、侧面和俯视视角间快速切换。画面加入半调网点、CMYK 错版、RGB 偏移、跳帧残影和漫画分格，花字“RUN!”“DODGE!”“JUMP!”跟随动作闪现。结尾跑者跃入漫画色块组成的空间裂缝，在空中定格，巨大“KEEP RUNNING!”砸向画面，爆闪后切黑。
真人香水广告
需要用图片生成模型（即梦或者 GPT Image 2.0)先生人物图片和产品图片，然后使用视频提示词。
15 秒，16:9，神秘奢华的真人香水广告。韩系冷艳女模 @图片1 置身深蓝舞台，强逆光和聚光灯勾勒人物轮廓。画面跟随电子舞曲快速切换：低角度剪影、侧脸转头、甩发回眸、身体局部与嘴唇特写，女模戴上黑色墨镜，冷酷地直视镜头。香水 @图片2 穿插出现，展示瓶身旋转、光泽轮廓和喷洒瞬间。快切过程中加入闪光、烟雾和背影镜头，人物特征与香水外观始终保持一致。结尾女模在聚光灯下走向舞台深处，画面切至黑底香水定妆特写。女模台词：“我的气味，由我定义。”整体电影感强，运镜流畅，卡点干净有力。
海外电商带货
需要用图片生成模型（即梦或者 GPT Image 2.0)先生人物图片和产品图片，然后使用视频提示词。
9:16，15 秒，真实北美 TikTok 美妆带货视频。漂亮女主播坐在公寓梳妆台前，下午自然光侧照，保留真实毛孔。0—4 秒，她将 LUMERA Skin Veil Foundation 举在脸旁：“Wait until you see this finish.”4—7 秒切至瓶身微距，品牌与液体清晰稳定：“Lightweight and made to look like skin.”7—12 秒切脸部近景，粉底已点在脸颊，她用两根手指连续打圈抹匀：“No streaks, no cakiness.”12—15 秒侧脸展示妆前妆后差异：“Smooth and completely natural.”全程保持产品一致，省略开盖、取液和点涂过程，避免美妆工具、手部畸形、塑料皮肤及文字变化。
UI 界面动效
需要用图片生成模型（即梦或者 GPT Image 2.0)先生成 4 张 UI 界面，然后使用视频提示词。
9:16，15 秒，旅行 App UI 交互动效，正面平视，界面全屏，不出现手机外框、鼠标或手指。严格保持参考图的字体、配色、英文文字和页面布局。0—3 秒展示图 1 首页，卡片依次浮现，点击“Plan this trip”。3—7 秒进入图 2 行程页，“Day 2”自动选中，时间轴展开并触发“Optimize day”。7—11 秒时间轴自然转为图 3 地图，路线逐段绘制，定位点移动，底部导航卡弹出。11—15 秒切换至图 4 回顾页，照片展开，数据递增，Day 1—5 依次点亮，最后按钮微微发光。整体动效克制流畅，避免文字变形、元素漂移和布局错乱。
五、总结
两年前，在生视频这个领域，AI 还在新手村打怪练级。生成的视频转场非常生硬，画面还莫名有种油腻感。
但今年，情况已经彻底变了。不知不觉间，AI 成了创作中的常用工具，从广告片、电商物料，到游戏画面和 UI 设计，它的应用越来越广，效果越做越好，成本反而越来越低。
可当生成效果跨过“能用”这条线以后，行业真正缺少的东西也变了。当团队手里已经有产品图、人物素材和品牌视觉时，模型能否真正理解这些内容，一次性生成能用的商业级成片？
H3 瞄准的，正是这条更务实的赛道：让 AI 视频真正进入生产流程。
它的优势在于，能够把不同素材理解成同一个完整的视觉任务。产品应该怎样展示，人物如何进入画面，Logo、UI 和视效应该以什么节奏出现，它都能统一组织。生成的也不再是漂亮的单镜头，而是一支具备商业视频应有结构和包装的成片。
开源则又给这条路线增加了一层想象空间。团队可以围绕自己的内容需求部署模型，逐渐沉淀专属素材和制作方法，让同一套能力持续服务于业务。
所以，H3 并未和 Seedance 争抢长时叙事的高地，而是专注于商业视频规模化生产。画质和电影感的上限仍会继续被刷新，而 H3 想解决的问题，是让更多团队能够稳定、持续地把视频做出来。
最后说下如何体验，在 Hailuo 和 MiniMax Hub 上都能直接体验，如果你是 Hub 用户，还能免费体验 3 次 H3 视频生成。
发表于 2 小时前
|
查看: 4|
回复: 0
