做视频的你，是不是已经对”2K 素材生成动辄几块钱一秒”的账单麻木了？一条 15 秒的片子，光是 AI 生成成本就能顶上好几杯奶茶。而就在 8 月 3 日，MiniMax 正式开源了新一代通用视频模型 H3——2K 分辨率直出、自带原生立体声，价格却只有主流旗舰的三分之一。对靠视频吃饭的创作者、自媒体和副业党来说，这可能是今年最值得关注的一条消息。

H3 是什么：一个能”音画同生”的全模态模型

MiniMax H3 并不是传统意义上的”又一个视频生成模型”，官方对它的定义是”通用型全模态生成系统”。通俗地说，它能够同时理解文本、图像、视频和音频四种模态的混合输入，然后直接输出带声音的视频。过去做一条视频，画面用 A 工具、配音用 B 工具、配乐用 C 工具，现在 H3 尝试把这些环节合并成一次生成。

它的核心能力可以概括为三句话：一是支持最高 2K 分辨率、最长 15 秒的视频生成；二是输出的视频自带 32kHz 原生立体声音频，人声、音效、音乐一次性生成；三是支持非常灵活的输入方式，包括文生视频、首帧生视频、尾帧生视频、首尾帧生视频，以及最多 9 张图、3 段视频、3 段音频混合输入的全模态参考模式。

关键参数盘点：创作者最关心的都在这里

我们把 H3 的核心规格整理成了一份清单，方便收藏对比：

  • 输出时长：4 到 15 秒，适合短视频创作的主流长度；
  • 输出分辨率：默认短边 768 像素，通过 H3-Regenerate-2K 模块可实现 2K 直出；
  • 输出帧率：24 FPS，符合主流视频标准；
  • 输出音频：32kHz 原生立体声，声音与画面同步生成；
  • 宽高比：支持 21:9、16:9、4:3、1:1、3:4、9:16 等多种比例，横竖屏通吃；
  • 语言支持：稳定支持中文、英语、日语、韩语等 11 种语言；
  • 输入方式：文生视频、首帧/尾帧/首尾帧生视频、多模态参考模式（9 图 + 3 视频 + 3 音频）。

除了基础参数，H3 在”可控性”上的表现值得单独说。据 21 世纪经济报道，在第三方评测机构 Artificial Analysis 的视频模型榜单中，MiniMax H3 在视频编辑能力项排名全球第一。所谓视频编辑能力，就是 V2V（视频到视频）动作迁移、指令遵循、文字与品牌信息呈现这类”让 AI 听指挥”的能力——对广告、电商、品牌物料这类需要精确控制的商业场景，这一点比单纯”画面好看”重要得多。

价格：为什么说它是”价格屠夫”

成本是创作者最敏感的部分。MiniMax 官方给出的定价是：2K 分辨率下 0.8 元/秒，仅为业内同类旗舰视频模型的三分之一；768P 分辨率下的价格，约为主流模型 720P 档位的二分之一。

算一笔账：一条 15 秒的 2K 视频，用 H3 生成大约是 12 元；如果按主流旗舰的行情，同样的长度可能要 36 元以上。一天做 20 条素材，差价就是 480 元——一个月下来，够换一台不错的设备了。对于每日批量产出的短视频账号和 MCN 机构来说，这直接决定了项目能不能跑通。

开源生态：16 家芯片厂商同日适配

H3 开源的意义不止于”免费下载权重”。据 21 世纪经济报道，华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技、AMD、Intel 等国内外芯片厂商，以及 Hugging Face、魔搭 ModelScope、ComfyUI、RunningHub、fal 等开发社区和云推理平台，均在 H3 开源同日完成了适配支持；vLLM、SGLang 等主流推理框架也同步接入。

这意味着什么？对普通用户来说，以后在 ComfyUI 这类图形化工作流工具里，很可能直接拖一个节点就能跑 H3，不用写一行代码。对开发者来说，国产芯片的同步适配意味着部署成本更低、选择更多，也更容易定制自己的视频生成服务。

需要说明的是，H3 系统由三个模块组成：H3-Context-IR 负责理解复杂的多模态指令（托管服务，通过 API 提供，不在开源范围内）；H3-Base 负责 768P 生成；H3-Regenerate-2K 负责将结果重生成到 2K。据 21 世纪经济报道，H3-Base 模型权重已可从 Hugging Face 下载，开发者可通过 SGLang、vLLM、diffusers 和 ComfyUI 等框架部署。

普通人怎么用上 H3

如果你不是开发者，最直接的路径是等待 MiniMax 官方 API 全面开放，目前官方已开放 API 预约与邀测。如果你是视频创作者，可以留意海螺 AI（MiniMax 旗下产品）等消费级应用是否会跟进上线 H3 能力。如果你会一点技术，Hugging Face 和魔搭社区上已经可以找到模型与示例代码，结合 ComfyUI 的社区节点，DIY 一条属于自己的 2K 视频生成流水线完全可行。

最后提醒一句：H3 擅长的是指令遵循和可控编辑，适合广告、电商、UI 演示、动态海报这类”要听指挥”的商业场景；追求超长叙事或复杂剧情生成的用户，仍需要搭配其他工具使用。

你觉得 0.8 元/秒的 2K 视频生成，会把 AI 视频的价格战打到什么程度？评论区聊聊你的看法。

数据来源：MiniMax 官方新闻稿与博客（minimaxi.com）、21 世纪经济报道《MiniMax H3正式开源，十六家头部芯片厂商、开发社区同日适配》（2026-08-03）。