使用指南
MiniMax H3 短视频实战指南：hiapi API 上手教程
MiniMax H3 是 hiapi 的原生 2K 多模态视频模型，对短视频内容——TikTok、Reels、Shorts——最关键的一点是，它能直接渲染竖屏 9:16，无需任何黑边处理技巧。我们通过 hiapi 上的 MiniMax H3 模型页面 跑了一次真实的文生视频生成，并把实际输出嵌入下方，同时附上我们使用的原始提示词以及对其三种生成模式的实用拆解。
概要
- MiniMax H3 原生以 2K 生成，并直接输出干净的竖屏 9:16 画面——用于 TikTok/Reels/Shorts 投放无需裁剪或放大。
- 它支持三种生成模式：文生视频、图生视频（支持首帧/尾帧控制），以及基于图像、视频或音频的参考驱动生成。
- 片段时长为 4 到 15 秒，单价 $0.1189/秒——4 秒片段约 $0.48，15 秒片段约 $1.78。
- 具体、物理化的提示词语言（材质、光线方向、镜头取景）在我们的测试中产出了干净、贴合模型预期的结果——含糊的提示词是输出跑偏或显得千篇一律的最常见原因。
- 所有请求都走 hiapi 统一的异步任务端点，与平台上每个视频模型使用的提交-轮询形态一致。
MiniMax H3 究竟是什么
MiniMax H3 是一个原生 2K 多模态视频模型，支持文生视频、首帧/尾帧图生视频控制，以及基于图像、视频和音频的参考驱动生成，片段时长 4 到 15 秒。具体到短视频内容，原生 2K 输出的重要性比表面看起来更大：大多数竖屏社交格式的上限约为 1080×1920，因此 2K 源素材给了你余量，可以裁出缩略图或做稍微更紧的重构框，而不会有明显的画质损失——你是在降采样，而不是升采样。
文生视频：真实提示词生成的真实片段
我们直接用文本提示词生成了这个片段，没有使用参考图像或视频。用此提示词生成 → 在 Playground 中选择 2K 和 9:16。以下是实际输出：
提示词：
一只咖啡师的手将蒸好的牛奶从不锈钢奶缸倒入一只呈微倾斜角度、放在浅灰色大理石台面上的黑色浓缩咖啡杯中。奶流稳定下来，在倾倒结束时绽放成一整片 rosetta（蕨叶）拉花图案。温暖的方向性侧光扫过杯子和奶缸。竖屏 9:16 取景，微距近景视角，浅景深，无镜头运动，无文字，无标志，无额外的手或物体进入画面。
用此提示词生成 → 选择 2K 和 9:16。
这正是适合短视频的那类镜头：单一、有物理质感的动作（一次倾倒、一次揭示、一次变形），以近景和竖屏拍摄，并且带有足够具体的细节——奶缸的材质、光线的方向、正在形成的精确图案——让模型几乎没有猜测的空间。即使你想要静态镜头，明确写出镜头行为（我们要求了"无镜头运动"）也值得做；否则模型有时会加入缓慢、未经要求的漂移。更多镜头创意，见我们的 MiniMax H3 提示词指南。
图生视频：从锁定帧开始
MiniMax H3 的图生视频模式通过 first_frame_image 接收开场图；添加 last_frame_image 可引导结束构图。尾帧需要首帧，且这些字段不能与 image_urls、video_urls 或 audio_urls 组合使用。输入帧决定视频的宽高比。当开场帧就是钩子——产品特写、人脸、某件特定包装——且你需要视频从那个精确构图开始，而不是让模型从文字描述去解释它时，这对短视频工作是更优选择。文生视频更适合快速迭代措辞；一旦你已经敲定想让片段开场的那张静帧，就该用图生视频。
参考驱动生成：图像、视频与音频联动
第三种模式是参考驱动生成，MiniMax H3 可以通过 image_urls 从参考图像、通过 video_urls 从视频、通过 audio_urls 从音频获取线索——而不是仅从文本提示词生成。实践中，当你已经拥有一个想将其视觉风格、运动或节奏带入新片段的素材时，这就是该用的模式：让新主体匹配既有品牌外观，或让生成片段的节奏与现有音轨同步，用于短视频剪辑。音频参考需要至少一个参考图像或视频。限制为 5 张图像、3 个视频（各 2–15 秒，总计 15 秒）和 3 段音频（总计 15 秒）。这是比文生视频更重、更有计划性的工作流，所以值得先用纯文本提示词做镜头原型，等你知道要匹配什么之后再转向参考驱动生成。
请求如何工作
hiapi 上的每个视频模型，包括 MiniMax H3，都走相同的异步任务流程：你提交生成请求并拿回一个任务 ID，然后轮询该任务直到它达到 success 或 fail。在 success 时，在 data.output 中选择 type: "video" 项并下载其 URL；在 fail 时，检查返回的错误。没有长连接需要管理，也没有模型特定的请求形态需要重新学习——HiAPI 异步任务文档 中相同的提交-轮询模式覆盖了平台上的每个模型，因此从一个视频模型切换到另一个，只需要更改模型名及其输入字段，而无需重建集成。
短视频批量的定价与预算
MiniMax H3 按每输出秒 $0.1189 计费（见 HiAPI 定价页面），片段时长为 4 到 15 秒。这样单个片段大致为：
- 4 秒：约 $0.48
- 8 秒：约 $0.95
- 15 秒：约 $1.78
对于短视频内容，"拍短、剪接"的方式给你更多剪辑点，并让你可以重新生成某一个镜头而无需替换整个序列。成本取决于生成的总秒数：较短镜头只有在合计时长更低时才省钱。预算中要计入每一个成功的候选片段，包括你后来弃用的镜头。
常见问题
MiniMax H3 输出真正的竖屏视频吗，还是需要为 TikTok/Reels 裁剪？ 它原生以 2K 渲染，并直接接受 9:16 宽高比——上面的片段从一开始就是竖屏生成，短视频平台无需裁剪或重构框。
MiniMax H3 片段能有多长？ 每次生成 4 到 15 秒。对于短视频内容，拼接多个较短片段（各 4-6 秒）通常比一次长单镜头渲染产出更耐看的结果。
我能用自己的图像启动 MiniMax H3 视频吗？
可以——通过 first_frame_image 传入开场图像，并可选添加 last_frame_image。尾帧需要首帧。将这些与参考字段 image_urls、video_urls 和 audio_urls 分开使用。
在 MiniMax H3 上，图生视频和参考驱动生成有何区别？
图生视频从静帧锁定起始（及可选结束）帧。参考驱动生成使用 image_urls、video_urls 和 audio_urls 来引导风格、运动或节奏；音频需要伴随图像或视频——当你是在将新片段与已有素材匹配、而不是从空白帧开始时很有用。
一个典型短视频片段花费多少？ 按 $0.1189/秒，4 秒片段约 $0.48，8 秒片段约 $0.95（见 HiAPI 实时定价页面）。比较所有成功片段的总秒数，包括重新生成的镜头；仅拆分序列并不会降低其价格。
如果我已经在用另一个 hiapi 视频模型（比如 Hailuo）做短视频片段，MiniMax H3 适合吗？ 见我们的 MiniMax H3、Seedance 2.0 与 Hailuo 2.3 对比，并根据你的镜头所需模式来选择：纯文生视频、帧控制，或多模态参考。
要点
- MiniMax H3 原生以 2K 竖屏渲染，因此短视频片段用于 TikTok/Reels/Shorts 无需裁剪或放大。
- 具体、物理化的提示词（材质、光线方向、明确的镜头行为）在我们的真实测试中产出干净结果——含糊的提示词留给模型猜测的太多。
- 用文生视频快速迭代创意，当开场帧提前锁定时用图生视频，当你是在匹配现有图像、视频或音频素材时用参考驱动生成。
- 按 $0.1189/秒、4-15 秒区间计费，按成功候选片段的总秒数做预算；较短镜头让选择性重新生成更容易。
- 所有请求都走与 hiapi 上其他每个视频模型相同的任务提交-轮询流程，因此将 MiniMax H3 与 Hailuo 2.3 等模型一并测试不需要单独的集成工作。
用此提示词生成 → 从 2K、9:16 的拉花镜头开始。
