Minimax H3 Reference to Video：參考素材引導的2K影片生成模型與API | RunComfy

MiniMax / MiniMax H3 Reference To Video#

Minimax H3 Reference to Video 可根據文字提示詞和上傳的參考素材生成2K影片。提供至少一張參考圖片或一段參考影片，描述想要的場景，模型便會判斷參考內容應如何呈現在畫面中並如何移動。

兩類素材分工明確：圖片決定事物的外觀，影片決定事物的動作。Minimax H3 Reference to Video 會結合提示詞理解這兩類素材，而不會把任何一種素材視為不可變的固定範本。

核心亮點#

• 參考素材引導生成： Minimax H3 Reference to Video 不只依賴提示詞，還會以實際素材作為生成條件，因此在不同鏡頭中也能維持主體特徵一致。

• 最多9張參考圖片： 可讓臉部、產品細節或視覺風格在 Minimax H3 Reference to Video 生成的一系列鏡頭中保持一致。

• 最多3段參考影片： 當動作或運鏡比外觀更重要時，可向 Minimax H3 Reference to Video 提供現有影片作為指引。

• 選填參考音訊： 最多可提供3個音訊檔案，但不能單獨使用音訊生成。

• 固定2K輸出： 以2k規格生成，在大尺寸畫面中也能更完整地保留細節。

• 六種長寬比： 支援21:9、16:9、4:3、1:1、3:4和9:16，涵蓋寬螢幕、方形和直式影片等輸出需求。

• 片長可調： 影片長度可在5-15秒之間以整秒為單位設定。

參數#

以下是本頁面中 Minimax H3 Reference to Video 可用的輸入參數。

參數	必填	類型	預設值	範圍 / 選項	說明
prompt *	是 (*)	string	範例說明	1-4000個字元	場景、動作、運鏡和視覺風格。
reference_images *	是 (*)	array（URL）	範例參考圖片	最多9張	用於引導主體、風格和構圖的圖片。
reference_videos	否	array（URL）	無	最多3段	用於引導動作、節奏或互動的影片。
reference_audios	否	array（URL）	無	最多3個	音訊指引；還需提供圖片或影片。
aspect_ratio *	是 (*)	string	16:9	21:9、16:9、4:3、1:1、3:4、9:16	輸出畫面的長寬比。
duration *	是 (*)	integer	5	5-15	影片長度，以整秒計。
resolution *	是 (*)	string	2k	2k	輸出解析度規格。

必須至少提供一張參考圖片或一段參考影片。

價格#

Minimax H3 Reference to Video 的價格為每秒$0.13。計費秒數等於輸出影片的長度，加上所有參考影片的合計長度。參考圖片和參考音訊不按時長計費。

輸出影片	參考影片	計費秒數	價格
5秒	無	5	$0.65
10秒	無	10	$1.30
15秒	無	15	$1.95
10秒	5秒	15	$1.95

參考影片的實際長度會在任務執行後才進行測量，因此送出前顯示的金額僅為預估，最終費用以實際計費秒數為準。

使用方式#

1) 上傳參考素材 — 加入用於確定主體外觀的圖片；如果動作很重要，再加入用於定義動作的影片。Minimax H3 Reference to Video 至少需要其中一種素材。

2) 撰寫說明 — 說明動作、運鏡、光線和氛圍。

3) 說明參考素材之間的關係 — 明確指出哪份素材決定主體，哪份素材決定動作。相比需要自行推斷的關係，Minimax H3 Reference to Video 更能準確遵循清楚寫出的對應關係。

4) 加入參考音訊（選填） — 在 Minimax H3 Reference to Video 中，參考音訊必須與圖片或影片參考素材一同提供。

5) 選擇長寬比 — 16:9適合寬螢幕，9:16適合直式影片，1:1適合方形畫面，21:9適合電影感超寬畫面。

6) 設定片長 — 測試時先生成較短的影片；確認 Minimax H3 Reference to Video 的表現符合預期後，再逐步延長至15秒。

7) 生成並調整 — 每次只修改一份參考素材或一處說明，方便判斷 Minimax H3 Reference to Video 輸出變化的原因。