MiniMax H3 发布一个月后：预算有限，怎样更便宜地生成 AI 视频？

MiniMax H3 于 2026 年 7月 31 日发布，到今天刚好过去一个月。

过去提到 AI 视频，大家首先关注的是画面是否真实、人物会不会变形、运镜有没有电影感。但真正用 AI 做过商业内容的人会发现，画面漂亮只是第一步。

一条可以交付的广告、电商视频或者游戏 PV，通常还需要：

• 人物和产品保持一致；
• 字幕、标题和品牌文字不能乱码；
• 转场要与音乐节奏匹配；
• 图形、UI、Logo和画面能够同时出现；
• 客户要求换产品、换服装时，不能整条视频推倒重做。

从官方案例和首批公开测试来看，MiniMax H3 最有价值的地方，并不是单纯把画面生成得更真实，而是开始理解一条“成片”应该如何组织。

一、H3更像是在“设计视频”

很多视频模型擅长生成一个动态场景。

比如一个人在街上奔跑、一辆汽车驶过城市，或者一个角色站在镜头前说话。这类视频单独看很漂亮，但距离广告、电商视频和品牌宣传片，往往还差一轮完整的后期制作。

H3的特点，是可以把下面这些元素放进同一条视频：

• 人物和产品；
• 标题、字幕和动态文字；
• 装饰图形和UI界面；
• 音乐、音效和节奏点；
• 转场、Logo和品牌包装。

更重要的是，这些内容并不是简单堆在一起。

从公开的音乐 MV、商品广告和角色 PV 案例来看，人物主体通常仍然保持在视觉中心，文字承担信息传递，图形负责氛围和装饰，转场则配合音乐节奏。

元素虽然多，但信息层级仍然比较清楚。

这也是 H3 与很多传统视频生成模型不太一样的地方：其他模型更像虚拟摄影机，H3 则更接近一个同时参与拍摄、剪辑和包装的视频设计工具。

二、文字稳定性对商业视频非常重要

AI 视频最容易穿帮的地方，往往不是人物，而是文字。

一条产品广告前面都很正常，最后商品包装上的品牌名称变成乱码，整条视频就很难直接使用。

电商视频、活动宣传片和游戏 PV 又偏偏离不开文字：

• 产品名称；
• 商品包装；
• 活动日期；
• 促销信息；
• 游戏技能名称；
• Logo和品牌口号。

在公开对比案例中，H3 对商品包装和画面中文字的保持能力表现得比较突出。特别是在画面运动、镜头切换和产品旋转时，文字没有那么容易立刻崩坏。

当然，这并不代表 H3 可以保证每一次生成的文字都百分之百正确。但对商业创作者来说，只要能够减少因为文字错误而重新抽卡的次数，就能同时节省生成费用和后期修复时间。

三、可以同时参考图片、视频和声音

传统图生视频通常只能给模型一张首帧图片，再配上一段提示词。

H3支持更加完整的多模态输入，可以同时理解：

• 文字提示词；
• 角色或产品图片；
• 参考动作和运镜的视频；
• 音乐、台词和环境声音。

目前全能参考模式最多支持12个文件，包括最多9张图片、3段视频和3段音频。

这意味着我们不必把所有要求都写进提示词。

例如制作一条产品广告时，可以这样提供素材：

图片1：产品外观 图片2：品牌Logo 图片3：参考场景 视频1：希望模仿的镜头运动 音频1：广告配乐 文字：产品卖点和画面要求

模型可以同时参考产品、人物、动作、镜头、风格和声音，而不是只根据一段文字猜测用户的意图。

对于不擅长写复杂提示词的人来说，这种方式更容易控制结果。

四、复杂转场和音乐卡点是H3的强项

一条普通 AI 视频可能只需要人物动起来，但 MV、品牌片和活动宣传视频需要更复杂的节奏。

公开案例中，H3可以在十几秒的视频里连续切换多个场景，并让场景变化跟随人物动作或者音乐节拍发生。

它比较适合处理：

• 音乐MV；
• 动态字幕；
• 产品快速展示；
• 游戏角色PV；
• 活动开场视频；
• 品牌Logo演绎；
• UI和科技感界面动画。

这类内容最大的难点不是“炫”，而是炫完之后观众仍然知道视频在表达什么。

H3在文字、人物、装饰元素和节奏之间的组织能力，是它目前比较明显的优势。

五、视频生成之后还能继续修改

H3另一个值得关注的能力，是对已有视频进行编辑。

例如在保持原有镜头和人物动作的前提下：

• 将可口可乐替换成百事可乐；
• 将人物的短袖替换成西装；
• 将夜晚场景调整成白天；
• 更换产品颜色；
• 删除或增加某个物体；
• 修改背景和光线。

传统的视频生成模型经常出现“改一个地方，其他地方也跟着变化”的问题。

用户只是想更换产品，结果人物长相、镜头位置和场景构图也一起变了。对于商业项目来说，这几乎等同于重新生成。

从公开案例来看，H3更强调局部修改，同时尽量保持没有被要求修改的部分不变。

这项能力不一定比生成一条全新视频更吸引眼球，但在实际工作中非常有价值。

因为客户最常说的话并不是“重新做一条”，而是：

产品换一下，衣服改一下，背景亮一点，其他地方不要动。

如果一条素材能够反复修改和复用，节省的不只是模型费用，还有重新剪辑、配音和审核的时间。

六、适合哪些商业场景？

结合目前展示出来的能力，H3比较适合以下方向。

1. 电商和产品广告

它可以同时处理产品、模特、包装文字、卖点字幕和音乐节奏，适合制作商品展示、上新宣传和信息流广告。

2. 品牌宣传片

H3对Logo、图形、动态文字和转场的处理，让它更适合需要视觉包装的品牌内容。

3. 音乐MV和动态歌词

可以参考音乐节奏设计场景变化，并加入动态字幕和视觉特效。

4. 游戏和角色PV

适合根据角色设定图生成角色展示，也可以根据游戏截图模拟第一人称移动、射击和镜头跟随。

5.短剧和连续内容

通过角色图片、参考视频和声音控制人物与表演，降低不同镜头之间人物不一致的问题。

七、好用之后，价格优势才有意义

如果模型效果不能使用，再便宜也是浪费钱。

H3值得讨论价格，是因为它在商业包装、多模态控制、文字稳定和视频编辑方面已经具备了一定的实用性。

截至2026年8月31日，官方按量价格如下：

一条15秒的H3视频：

• 768P约7.5元；
• 2K约12元。

价格低只是第一层优势。更重要的是，如果文字更稳定、参考素材更准确、局部修改不用重新生成，实际项目中的总成本还会进一步下降。

八、预算有限，可以采用这套工作流

不要一开始就使用2K反复抽卡。

更省钱的流程是：

5秒短片测试提示词 ↓ 使用480P或768P验证人物、动作和镜头 ↓ 加入产品、文字、音乐和包装元素 ↓ 选出可以使用的版本 ↓ 修改局部问题 ↓ 最后再输出2K

例如生成10个5秒的方案：

• 全部直接生成2K，需要约40元；
• 先用H3 768P生成，需要25元；
• 选中一个版本后再升级到2K，增加约1.5元。

总成本约26.5元，比所有方案都直接生成2K节省约三分之一。

H3能不能替代Seedance？

目前还不能简单地下这个结论。

如果追求人物质感、大场面和更强的电影感，Seedance依然有自己的优势。

如果需求是广告、电商、游戏PV、动态字幕和品牌包装，H3的优势会更加明显：

• 更擅长组织文字、图形和人物；
• 多模态参考能力更完整；
• 局部编辑更加实用；
• 生成价格相对较低；
• 更适合需要频繁修改的商业项目。

两者不是简单的谁取代谁，而是擅长的方向不同。

总结

MiniMax H3真正值得关注的，不只是0.8元一秒的2K视频。

它的核心价值是开始把人物、产品、文字、图形、声音、镜头和节奏作为一条完整视频来处理。

简单概括就是：

过去的AI模型更擅长生成漂亮画面，H3更擅长把画面组织成可以使用的内容。

对于个人创作者、小型电商、独立开发者和预算有限的内容团队来说，“效果能够交付”加上“生成价格足够低”，才是H3最有竞争力的地方。