Minimax H3 Reference to Video：参考素材引导的2K视频生成模型与API | RunComfy

MiniMax / MiniMax H3 Reference To Video#

Minimax H3 Reference to Video 可根据文本提示词和上传的参考素材生成2K视频。提供至少一张参考图片或一个参考视频，描述想要的场景，模型便会判断参考内容应如何出现在画面中并如何运动。

两类素材分工明确：图片决定事物的外观，视频决定事物的动作。Minimax H3 Reference to Video 会结合提示词理解这两类素材，而不是把任何一种素材当作不可变的固定模板。

核心亮点#

• 参考素材引导生成： Minimax H3 Reference to Video 不只依赖提示词，还会以真实素材作为生成条件，因此在不同镜头中也能保持主体特征一致。

• 最多9张参考图片： 可让面部、产品细节或视觉风格在 Minimax H3 Reference to Video 生成的一系列镜头中保持一致。

• 最多3个参考视频： 当动作或运镜比外观更重要时，可向 Minimax H3 Reference to Video 提供现有视频作为指引。

• 选填参考音频： 最多可提供3个音频文件，但不能单独使用音频生成。

• 固定2K输出： 以2k规格渲染，在大尺寸画面中也能更好地保留细节。

• 六种宽高比： 支持21:9、16:9、4:3、1:1、3:4和9:16，覆盖宽屏、方形和竖屏成片。

• 时长可调： 视频时长可在5-15秒之间按整秒设置。

参数#

以下是本页面中 Minimax H3 Reference to Video 可用的输入参数。

参数	必填	类型	默认值	范围 / 选项	说明
prompt *	是 (*)	string	示例描述	1-4000个字符	场景、动作、运镜和视觉风格。
reference_images *	是 (*)	array（URL）	示例参考图片	最多9张	用于引导主体、风格和构图的图片。
reference_videos	否	array（URL）	无	最多3个	用于引导动作、节奏或互动的视频。
reference_audios	否	array（URL）	无	最多3个	音频指引；还需提供图片或视频。
aspect_ratio *	是 (*)	string	16:9	21:9、16:9、4:3、1:1、3:4、9:16	输出画面的宽高比。
duration *	是 (*)	integer	5	5-15	视频长度，以整秒计。
resolution *	是 (*)	string	2k	2k	输出分辨率规格。

必须至少提供一张参考图片或一个参考视频。

价格#

Minimax H3 Reference to Video 的价格为每秒$0.13。计费秒数等于输出视频的长度加上所有参考视频的合计长度。参考图片和参考音频不按时长收费。

输出视频	参考视频	计费秒数	价格
5秒	无	5	$0.65
10秒	无	10	$1.30
15秒	无	15	$1.95
10秒	5秒	15	$1.95

任务运行后才会测量参考视频的实际长度，因此提交前显示的金额仅为预估，最终费用以实际计费秒数为准。

使用方法#

1) 上传参考素材 — 添加用于确定主体外观的图片；如果动作很重要，再添加用于定义动作的视频。Minimax H3 Reference to Video 至少需要其中一种素材。

2) 撰写描述 — 说明动作、运镜、光线和氛围。

3) 说明参考素材之间的关系 — 明确哪份素材决定主体，哪份素材决定动作。相比需要自行推断的关系，Minimax H3 Reference to Video 更能准确遵循明确写出的对应关系。

4) 添加参考音频（选填） — 在 Minimax H3 Reference to Video 中，参考音频必须与图片或视频参考素材一同提供。

5) 选择宽高比 — 16:9适合宽屏，9:16适合竖屏，1:1适合方形画面，21:9适合电影感超宽画面。

6) 设置时长 — 测试时先生成较短的视频；确认 Minimax H3 Reference to Video 的表现符合预期后，再逐步延长至15秒。

7) 生成并调整 — 每次只修改一份参考素材或一处描述，便于判断 Minimax H3 Reference to Video 输出变化的原因。