MiniMax H3 · Lovart ME
MiniMax H3 AI 视频生成器
4–15s · 768P / 2K
用文字、首尾帧或多模态参考素材生成 4 至 15 秒视频，输出可选 768P 或 2K。费用包含生成时长和输入视频时长；前 5 张参考图免费，之后每张加收 4 积分，输入音频免费。
- 4–15s
- 时长
- 768P / 2K
- 9
- 参考图片
- 选择清晰的原图，并明确需要保留的细节、要修改的部分以及最终构图。
- 768P / 2K
- 分辨率
- 768P: 8/s · 2K: 13/s
- 3
- 文字与图片输入
- 在 Lovart ME 工作台制作，完成后可在历史记录中查看和下载。
01 / MODEL
适合制作什么 · MiniMax H3
在 Lovart ME 工作台制作，完成后可在历史记录中查看和下载。
文字生成与首尾帧分开
文字模式可指定画面比例；首尾帧模式跟随输入图片构图，不单独发送画面比例。使用两张图片时，说明两帧之间应如何连续变化。
参考素材各有用途
最多 9 张图片和 3 段视频可用于外观与动作参考；最多 3 段音频可辅助声音方向，但必须同时有图片或视频。
计算完整任务费用
768P 每秒 8 积分，2K 每秒 13 积分，乘以输出秒数与输入视频秒数之和，再加上超出 5 张部分的图片费用。
用短片确认后再提高规格
先在 768P 下检查主体、动作、节奏和参考素材是否有效，再决定是否以 2K 输出。每次修改保留明确目的，避免反复消耗额度。
02 / INPUTS
根据制作目标选择输入方式
用文字、首尾帧或多模态参考素材生成 4 至 15 秒视频，输出可选 768P 或 2K。费用包含生成时长和输入视频时长；前 5 张参考图免费，之后每张加收 4 积分，输入音频免费。
文字与图片输入
创建全新场景时使用文字。只有参考素材能提供明确视觉信息时才上传，并选择对应输入模式。
参考图片
9 · 选择清晰的原图，并明确需要保留的细节、要修改的部分以及最终构图。
提示词
描述动作或编辑目标、构图与光线。每份参考素材只承担明确的用途。
03 / OUTPUT
生成前确定输出规格
选择模型支持的分辨率、比例和时长，提交前检查工作台显示的完整费用。
分辨率
768P / 2K
积分
768P: 8/s · 2K: 13/s 积分
画面比例
21:9, 16:9, 4:3, 1:1, 3:4, 9:16
04 / PROMPTS
MiniMax H3 · 可直接修改使用的提示词
选择清晰的原图，并明确需要保留的细节、要修改的部分以及最终构图。
人物与物品交互
不含视频输入时，6 秒 768P 输出为 48 积分。
生成一段 6 秒连续镜头：窗边的乐手坐着打开木制乐器盒，柔和午后光，摄影机缓慢推进，双手和乐器结构清楚。使用建议 不含视频输入时，6 秒 768P 输出为 48 积分。
首尾帧控制展示过程
首尾帧模式跟随源图构图，不另传画面比例。
用 6 秒从输入首帧移动到尾帧，保持房间、人物身份和光线方向一致，通过一个连续镜头完成过渡。使用建议 首尾帧模式跟随源图构图，不另传画面比例。
参考外观与跟拍节奏
费用包含输入视频时长；第 6 张参考图起每张另收 4 积分。
参考图片用于骑手和服装，参考视频只用于跟拍方式。生成 6 秒骑手沿安静海岸道路行驶的连续镜头，保持参考人物外观。使用建议 费用包含输入视频时长；第 6 张参考图起每张另收 4 积分。
05 / WORKFLOW
如何使用 MiniMax H3
在 Lovart ME 工作台制作，完成后可在历史记录中查看和下载。
- 01
选择文字、首尾帧或参考素材
创建全新场景时使用文字。只有参考素材能提供明确视觉信息时才上传，并选择对应输入模式。
- 02
写清主体和保留要求
描述动作或编辑目标、构图与光线。每份参考素材只承担明确的用途。
- 03
设置输出并核对积分
选择模型支持的分辨率、比例和时长，提交前检查工作台显示的完整费用。
- 04
生成、检查和调整
检查细节和画面连续性，每次只调整一两项要求；任务可在历史记录中继续查看。
06 / FAQ
MiniMax H3 · 生成前常见问题
在 Lovart ME 工作台制作，完成后可在历史记录中查看和下载。
可以用它制作什么？
用文字、首尾帧或多模态参考素材生成 4 至 15 秒视频，输出可选 768P 或 2K。费用包含生成时长和输入视频时长；前 5 张参考图免费，之后每张加收 4 积分，输入音频免费。
有哪些输出规格？
分辨率: 768P / 2K. 时长: 4–15s. 画面比例: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16.
如何计算费用？
768P: 8/s · 2K: 13/s 积分。费用 = 对应分辨率单价 ×（输出时长 + 输入视频时长）+ 超过 5 张部分的图片数量 × 4。输入音频免费。
参考素材应该怎么准备？
最多 9 张图片、3 段视频、3 段音频。参考视频合计最多 15 秒；音频不能单独使用。首尾帧与多模态参考是分开的输入模式。
生成需要多久？
不承诺固定完成时间，排队情况、输出参数和上游服务状态都会影响等待时长。
07 / NEXT
继续制作
在另一个模型工作台比较可用参数与价格。