以原生 2K 发布，立体声已经混好
你把糊掉的画面升清，然后又要熬夜重新配音。 你下载到的是一个完整的 MP4——不用调色，也不用配音。
一次生成即为原生 2K、24fps 画面，外加立体声对白、音效与环境声——无需挑选档位。
Hailuo 3 AI 视频生成器： 原生 2K 视频，自带立体声音频
写下场景，添加最多 9 张参考图片。你会得到一段 4-15 秒的原生 2K、24fps 视频，对白、音效与环境声同一遍生成。每个视频都运行在 MiniMax H3 之上，该模型也叫 Hailuo 03。
用最多 7,000 个字符描述这个场景。0/7000
观看真实的 MiniMax H3 作品——声音与画面同步而生
这面墙上的每个片段都来自 MiniMax H3 生成的原生 2K 带音频 AI 视频。没有任何一帧经过升清，也没有后期配乐。悬停或点击任意卡片，你就能听到它诞生时自带的立体声音轨。
让 Hailuo 3 AI 视频生成器跑一次——2K 画面和立体声一次出齐
用 9 张参考图片，让同一个角色贯穿每个镜头
角色的脸在镜头之间漂移，整个系列不再像同一个故事。 从第一个镜头到第十个镜头，你的角色都保持着同样的脸、服装和声音。 上传同一个插画快递员的三个角度，之后每个新场景都会出现同一个快递员。
在一次参考生成视频中最多加入 9 张参考图片、3 段视频和 3 段音频。
把两张静态图变成一段动作——设定首帧和尾帧
你有开头的静态画面和结尾的静态画面，却没办法把它们连起来。 每一次重试，转场都精准落在你设定的位置。
图片生成视频支持设定首帧、尾帧，或两者都设定——H3 会补全中间的运动过程。
用你自己的音轨为画面配乐，而不是套用现成音效
音轨早就做好了，但手动把画面动作对上它却要花一整个晚上。 你的镜头切换和运镜都会跟着你自己做好的音轨走。
在图片或视频参考之外，再加入最多 3 段 wav 或 mp3 音频，每段 2-15 秒。
写下完整分镜脚本——提示词最多支持 7,000 字符
你只能把运镜、台词和节奏都塞进一行提示词框里。 你的视频会逐拍跟着你写下的脚本走。
文本生成视频最多可读取 7,000 个字符的提示词——分镜、台词和运镜说明都能写进去。
拍成超宽或竖屏——再让它持续 15 秒
一个场景，五个平台，出片前先要重新裁切五次。 你的 9:16 短视频和 21:9 广告片出片即是精心构图，绝不居中裁切。 参考生成视频还支持自适应比例，会根据你的参考素材读取画面比例，而不是强制统一比例。
六种画面比例任选，外加自适应模式，时长可选 4 到 15 秒之间的任意整数秒。
把 Hailuo 3 AI 视频生成器装进你的工作流——每个镜头都是同一个角色
正在打造有固定角色的连续短剧的创作者
打造角色驱动的系列短剧，无需重新设计你的角色
持续更新剧集，让同一个角色的脸、服装和声音在每个新场景和地点中都保持一致。 上传主角的九张参考图片，输入下一段剧情，就能得到一集角色脸部从不漂移的 2K 剧集。
每天在 TikTok 和 Reels 发布对话短片的短视频创作者
每天发布对话场景，无需录一句台词
在不拍摄、不录音、也不用后期配音的情况下，每天稳定发布竖屏对话短片。 写好对白，选择 9:16 比例，就能得到一条 2K MP4，两个角色以立体声对话，环境声也已经铺好。
需要在多个投放位置发布同一个产品瞬间的营销人员
同一天把一个产品场景剪成超宽版和竖屏版
交付同一个产品瞬间的 21:9 主视觉版本和 9:16 投放版本，不用另外安排一次裁切。 描述一次产品场景，分别渲染出 21:9 和 9:16 两个版本，当天下午就能把两个 2K MP4 交给媒体采购。
已经录好旁白、音乐或音效的创作者
把你已有的音轨变成跟着它走动的画面
把已经完成的旁白或音乐片段变成匹配的视频画面，不用手动对轴。 配上一段 15 秒的音频片段和一张静态图，点击生成，就能得到一段镜头切换与运动都跟着你已有音轨走的 2K 视频。
查证据——发布周里大家怎么评价 MiniMax H3
这些评价不用你只听这个页面单方面说。这些都是发布周里创作者、评测机构和模型团队自己发布的关于 MiniMax H3 的真实内容——点击任意卡片，即可在 X 上阅读原文。
- native output with stereo audio in the same pass — the model's only quality tier, and the one every render here ships at
- 2K · 24fps
- native output with stereo audio in the same pass — the model's only quality tier, and the one every render here ships at
- reference images, videos and audio clips the model accepts — the same ceiling you get per render here today
- 9 + 3 + 3
- reference images, videos and audio clips the model accepts — the same ceiling you get per render here today
- prompt characters the model reads on text to video — the composer here takes every one of them
- 7,000
- prompt characters the model reads on text to video — the composer here takes every one of them
- clip lengths the model renders — you set any duration in that range here
- 4-15s
- clip lengths the model renders — you set any duration in that range here
MiniMax (official)
@MiniMax_AI
MiniMax H3: Omni-Reference, Commercial-Grade Generation, Unbeatable Cost Efficiency, Open WeightsOfficial
MiniMax (official)
@MiniMax_AI
H3 is already live with our Day 0 partners 🚀 A huge thank you to @fal for the incredible support. Excited to see what creators build with it! #MiniMaxH3 #OpenWeightsOfficial
Hailuo AI (MiniMax)
@Hailuo_AI
Build your first game demo with H3 🧑💻🎮Official
ComfyUI
@ComfyUI
MiniMax H3 is native in ComfyUI, day zero with the weights. Model highlights: → Text-to-video, prompt only → Image-to-video → First-and-last-frame - control the opening frame, the closing frame, or both…Official
Artificial Analysis
@ArtificialAnlys
MiniMax H3 is #1 in Video Editing and ranks top 3 in both Text to Video and Image to Video on Artificial Analysis. MiniMax plans to release its weights under the MiniMax Community License, which would make it the leading open weights model by far…Benchmark
Umesh
@umesh_ai
Minimax H3 from Hailuo AI is here! One of my first tests! more coming soon..
JSFILMZ
@JSFILMZ0412
My First Impressions of the New MiniMax H3 Model -Very promising I2V -Need to test fighting scenes more -Nice progress with Omni Ref from medium close up.
Stable Diffusion Tutorials
@SD_Tutorial
MiniMax-H3 🤓 now Open sourced ! -multimodal generative model -unified architecture for text, images, video, and audio -generating audio -video with stereo -supporting up to 15 seconds at 2K resolution -can run on RTX 3060
Mark Kretschmann
@mark_k
MiniMax H3 is now open on Hugging Face! 🔥 @Hailuo_AI released the weights for H3, their general-purpose omni-modal generative model. It unifies text, images, video, and audio in one context and generates video with native stereo audio, up to 15 seconds at 2K.
Michael Guo
@Michaelzsguo
MiniMax H3 launched with plenty of fanfare, and for good reason. It puts movie production at our fingertips…
免费注册——只为你生成的每一秒付费
注册免费，无需信用卡，免费版即含新用户积分。MiniMax H3 只有一个 2K 画质档位，因此生成成本只随时长变化——需要生成更多时，购买积分包即可。
订阅方案
积分包
花掉一个积分之前，先把 Hailuo 03 的问题问清楚
你想知道 MiniMax H3 到底能输出什么、能接受哪些参考输入，以及这里到底哪些是免费的。以下是答案，附带真实的限制条件。
什么是 MiniMax H3（Hailuo 03）？
MiniMax H3——也叫 Hailuo 03——是 MiniMax 的视频模型，能在一次生成中同时输出画面和原生立体声音频，画质为 2K、24fps。这个页面把它做成了一个在线 hailuo 3 ai video maker：写一段提示词，可选择添加参考素材，即可下载生成好的 MP4。
每个 Hailuo 3 视频都自带声音吗？
是的。原生音频是每次生成的标配，不是需要打开的开关。对白、音效和环境声与画面一起以立体声输出。之后不用在剪辑软件里重新对轴。
Hailuo 3 输出的分辨率是多少？
原生 2K、24fps，这也是唯一的档位——没有画质选项，事后也不会做任何升清。因为画质是固定的，生成成本只取决于时长。
我可以从一张图片开始生成，而不是提示词吗？
可以。图片生成视频支持首帧、尾帧，或两者都设。用两张已有的静态图框定一段动作，H3 会补全中间的运动。
参考图片、视频和音频具体怎么用？
参考生成视频一次最多可加入 9 张图片、3 段视频和 3 段音频。图片用来保持角色的脸和服装在各个镜头间一致，视频用来引导运动，音频片段——wav 或 mp3，单个 2-15 秒，合计 15 秒——用来确定节奏和声音。音频参考需要搭配图片或视频参考一起使用，不能单独发送。
这个 Hailuo 3 AI 视频生成器免费使用吗？
注册免费，也不需要信用卡，免费版即含新用户积分。生成本身消耗积分包，而由于只有一个 2K 档位，一条视频的成本只随时长变化。
可以生成哪些画面比例和时长？
你有六种画面比例可选——21:9、16:9、4:3、1:1、3:4 和 9:16。参考生成视频还支持自适应选项，按你的参考素材读取画面比例。时长可选 4 到 15 秒之间的任意整数秒。
这是 MiniMax 或 Hailuo 的官方网站吗？
不是。这是一个基于 MiniMax H3 打造的独立 Hailuo 3 视频生成器。模型本身出自 MiniMax；这个网站在其基础上提供浏览器工作流、积分和生成历史。页面上的每一项能力数据都来自模型官方发布的文档。
Hailuo 3 与 Veo 3、Kling 相比如何？
用同一个需求在每个模型上试一遍，自己判断输出效果。H3 给你一个原生 2K 档位，立体声音频同一遍生成。再加上首尾帧控制，以及最多 9 张参考图片带来的跨镜头角色一致性。这里注册免费，你可以先拿它和候选列表对比测试，再决定要不要花积分。
如果我在生成过程中关闭标签页会怎样？
不会丢失任何内容。任务在服务器端运行，回来后你的生成记录会还原出完成的视频。生成失败会显示重试选项——不会因此重复扣费。
免费试用 Hailuo 3——给你的下一个视频加上 2K 和声音
打开这个 hailuo 3 ai video maker，写下一个场景，就能看到它带着立体声一起生成完成。注册免费，无需信用卡，还含新用户积分。