Zum Hauptinhalt springen
KI-Videomodell
MiniMax
Hailuo

MiniMax H3

MiniMax H3 bietet 768P und 2K sowie Text-, Start-/Endbild- und Bild-/Video-/Audio-Referenzen. Die Dauer von Referenzvideos und die Anzahl der Bilder ab dem 6. Bild fließen in die Vorautorisierung vor der Erstellung ein.

Szenen
Text/Start-/Endbild/Referenz
Ausgabe
768P/2K
Dauer
4–15 Sekunden
Punkte
32–406
In 30 Sekunden erklärt
  • Zwei Stufen: 768P und 2K
  • Start- oder Endbild kann allein als Bildmodus-Eingabe dienen
  • Bis zu 9 Bilder, 3 Videos und 3 Audios
  • Referenzvideo und Bilder ab dem 6. beeinflussen die Vorautorisierung

Häufig gesucht: MiniMax H3 verwenden · Was kostet MiniMax H3? · Welches Referenzmaterial unterstützt MiniMax H3?

Beispiele

Cinematic scene

Main Subject: Young American woman, early 20s, athletic build, one-piece swimsuit with a loose cover-up, hair in a tight braid, confident playful personality. Location: Small outdoor community pool, sunny midday. Diving board at the deep end, lounge chairs, a lifeguard tower in the background, clear blue water. No large crowds, no commercial branding. Visual Style: Ultra-realistic documentary realism, energetic candid feeling, bright natural sunlight. Camera Style: Early 2000s DV camcorder, handheld with water-splash blur occasionally on lens, exposure blown out in bright sun, soft grain. No stabilization. Timeline (30 sec): 00:00–00:03 → She climbs the diving board ladder, then walks to the edge. 00:03–00:06 → She turns to camera saying "okay don't judge my form," laughing nervously. 00:06–00:09 → She bounces once, then dives cleanly into the water. 00:09–00:12 → She surfaces, wiping water from her face, grinning. 00:12–00:15 → She swims to the pool edge, pulling herself up onto the deck. 00:15–00:18 → She wrings out her hair, then grabs a towel from a lounge chair. 00:18–00:21 → She dries off, glancing back at the diving board. 00:21–00:24 → She decides to go again, walking back toward the ladder. 00:24–00:27 → She climbs up, this time attempting a small jump with a tuck. 00:27–00:30 → She surfaces laughing, looking at camera saying "okay that one was way better!" Audio: Water splashing, distant pool chatter, wind, birds. Her dialogue as noted above. No music. Goal: A playful, confident pool moment energetic, fun, authentic.

Cinematic scene

电影级真实人像短片,总时长必须为15秒整,一镜到底,全程无切镜、无跳切、无转场、无突然换镜头。严格使用 {{Mixed 1}} 中的人物作为唯一主体,全程保持与参考图完全一致的人物身份、五官比例、脸型、眼睛、鼻子、嘴唇、眉毛、刘海、发型、肤色和整体气质,不重新设计人物,不改变长相,不改变年龄,不生成新的脸。人物始终保持参考图中的三分之二侧脸构图和朝向,全程绝不转头、绝不转回正面、绝不望向侧方大角度,仅允许自然呼吸、轻微眨眼、轻微眼神移动、极轻微嘴角变化以及发丝自然摆动,人物动作始终小于镜头运动。 真实手机后置主摄拍摄,RAW原片摄影质感,9:16竖屏,摄影师距人物约20-25厘米,全程超近距离怼脸拍摄,以三分之二侧脸特写为主,镜头始终围绕人物侧脸缓慢运动,不拉远,不改变人物姿态,不突然转头,不低头,不抬头,不改变参考图构图。 最高优先级:完整保留真实皮肤质感。超近距离清晰可见细微毛孔、鼻翼毛孔、脸颊真实纹理、额头轻微纹理、卧蚕纹理、眼下细纹、眼下轻微卡粉、鼻翼轻微卡粉、嘴角底妆粉感、极浅闭口、一两颗极淡小痘痘、轻微痘印、淡淡小痣、轻微泛红、T区轻微出油、鼻尖自然皮脂高光、脸颊真实水润反光、真实唇纹、下唇水光反射、真实绒毛、真实碎发和发丝边缘,所有细节自然、高清、干净,不磨皮、不美颜、不塑料,不降低人物颜值。 场景始终为夜晚高级咖啡馆窗边。背景严重虚化,仅保留暖黄色吊灯散景、奶油色墙面、木质桌面边缘、模糊咖啡杯轮廓、玻璃窗轻微反光以及窗外蓝色、紫色、橙色、红色霓虹和车灯散景。暖黄色吊灯作为主光,桌面形成柔和暖色补光,窗外蓝紫色霓虹形成轻微边缘光,玻璃窗形成极轻微反射光。曝光稳定,不过曝,不过暗,不频闪。 0-3秒:镜头从 {{Mixed 1}} 参考图当前构图开始,保持超近距离三分之二侧脸,焦点锁定眼睛和鼻梁。人物自然呼吸,轻轻眨一次眼,眼神缓慢看向镜头再轻微移开,嘴唇自然放松。镜头极慢推近并轻微横向滑动,展示脸颊毛孔、眼下纹理、鼻梁高光、鼻翼卡粉、真实碎发和发丝边缘。 3-6秒:镜头沿脸部缓慢滑向鼻尖,再滑向嘴唇附近,进行轻微弧线绕拍。人物仅有极轻微眼神变化,不转头,不改变姿态,一缕碎发随呼吸自然轻轻摆动。暖光照亮鼻梁、鼻尖、脸颊和嘴唇,桌面反射补光保持鼻翼、嘴角、眼下细节始终清晰可见。 6-9秒:镜头缓慢绕到侧脸另一角度,但始终保持参考图中的侧脸比例,不改变人物朝向,人物依然是三分之二侧脸对镜头,绝不转正、绝不转向侧方。人物偶尔轻轻眨眼,保持自然呼吸,重点表现卧蚕纹理、下眼睑细纹、睫毛、毛孔反光、鼻翼毛孔、嘴唇水光和真实皮肤纹理。 9-12秒:镜头轻微下移,突出嘴唇、下巴、鼻翼和脸颊,再连续缓慢回到眼睛,全程保持超近距离怼脸距离。人物保持参考图神态,仅有自然呼吸、极轻微眼神变化和轻微眨眼,嘴角自然放松,不做任何夸张表情,不微笑露齿,不转头。唇纹、鼻翼卡粉、毛孔、卧蚕纹理、眼下细纹、轻微痘印、底妆粉感始终保持高清可见。 12-15秒:镜头进行一次极轻微弧线收镜,缓慢推近,最后停留在眼睛、鼻梁、半边嘴唇构图。人物最后轻轻抬眼看向镜头,眼神自然、安静、有吸引力,不改变参考图整体神态和侧脸角度,不转头,不露齿微笑。最后一帧完整保留眼睛、卧蚕、睫毛、毛孔、鼻尖皮脂高光、脸颊纹理、真实唇纹、轻微卡粉、真实碎发和发丝边缘,全程无切镜、无跳切、无转场,全片时长满15秒。 整体风格:真实电影级手机摄影,夜晚咖啡馆窗边超近距离怼脸抓拍,高级杂志感,真实肤质,真实景深,克制自然,人物身份始终与 {{Mixed 1}} 参考图保持一致,不重新生成新的脸,不改变五官,不改变气质。 负面提示词:重新生成人物,人物变脸,改变五官比例,改变脸型,改变眼睛,改变鼻子,改变嘴唇,改变刘海,改变发型,改变肤色,改变年龄,改变身份,普通路人脸,AI脸,CG感,塑料皮,陶瓷皮肤,蜡像皮肤,过度磨皮,过度美颜,皮肤无毛孔,皮肤无纹理,滤镜感,浓妆,假睫毛,大幅转头,转头转正,转向侧方,露齿大笑,大幅低头,大幅抬头,大幅表情变化,张嘴过大,人物剧烈动作,镜头乱晃,突然拉远,突然切镜,跳切,转场,视频时长不足15秒,背景抢主体,咖啡馆全景,字幕,Logo,水印,可读文字,直播补光灯,环形灯,棚拍光,频闪,过曝,欠曝,低清晰度,低质量,AI运镜,眩晕感。 No BGM

Cinematic scene

Format: 16:9 Concept: "Getting Ready to Meet My Friends" Create a single continuous self-filmed vlog recorded on a handheld MiniDV camcorder. The camera is always held by the girl, creating a natural first-person selfie perspective with subtle hand movement, realistic autofocus adjustments, slight exposure changes, and authentic walking motion. The footage should feel completely spontaneous with no cuts, transitions, or cinematic camera moves. Visual Style: Authentic early-2000s MiniDV camcorder aesthetic with soft detail, light tape grain, natural skin tones, gentle highlight bloom, realistic indoor lighting, and minimal color processing. Character: HAEUN, a Korean female idol in her 20s with long straight black hair, fresh natural makeup, and a bright, friendly personality. She starts in comfortable loungewear before changing into a stylish casual outfit—an oversized knit sweater, pleated skirt, white sneakers, and a small shoulder bag. Location: A cozy modern apartment followed by quiet city streets leading to a trendy outdoor café with a warm, lively atmosphere. The recording begins with HAEUN picking up the camera from her desk. She smiles and says, "I'm finally catching up with my friends today." She walks through her apartment while deciding what to wear, holds up two outfits with a playful expression, laughs, and quickly changes into her favorite one. Standing by the mirror, she fixes her hair, puts on simple jewelry, sprays a little perfume, grabs her bag, phone, and keys. "Okay... I think I'm ready." She leaves the apartment and walks through peaceful streets, chatting casually about how busy everyone's been lately and how long it's been since they all met. As she approaches the café, she spots her friends sitting outside. She smiles excitedly and waves toward them. One of them waves back and stands up to greet her. She laughs, "There they are!" Still holding the camera, she walks over as her friends welcome her with smiles and cheerful greetings. The vlog ends naturally with everyone laughing together as she lowers the camera, as if she's putting it away to enjoy the rest of the day. Generation Requirements: One uninterrupted recording with consistent facial identity, realistic body movement, natural hand interactions, smooth walking, accurate lighting transitions, believable environmental audio, and no AI artifacts, jump cuts, anatomy errors, duplicated objects, or unrealistic motion. The final result should feel like a genuine personal vlog filmed on a handheld MiniDV camcorder.

Fantasy scene

Fantasy scene

Cinematic scene

Create a 15-second hyper-realistic cinematic lifestyle vlog featuring a confident 23-year-old female content creator enjoying her peaceful sunrise walk along a scenic lakeside park surrounded by lush trees, blooming flowers, and soft morning mist. She wears a cream athletic T-shirt, sage-green running shorts, white sneakers, and a minimalist smartwatch. The atmosphere feels calm yet energetic, with premium influencer aesthetics inspired by high-end Instagram Reels and TikTok lifestyle videos. Use ultra-smooth gimbal tracking, cinematic handheld movement, dynamic whip transitions, speed ramps, shallow depth of field, natural lens flares, soft golden sunrise lighting, crisp ambient nature audio, and realistic facial expressions with accurate lip sync. No text overlays, logos, or watermarks. Scene 1 (0–2 sec) Close-up sequence of her putting on wireless earbuds, tightening her smartwatch strap, picking up a stainless-steel water bottle, and stepping onto the walking trail. Dialogue: “A fresh morning starts right here.” ⸻ Scene 2 (2–5 sec) Front-facing selfie shot as she walks confidently with warm sunrise light filtering through the trees behind her. Gentle breeze moves her hair naturally. Dialogue: “The best part of the day is before the world wakes up.” ⸻ Scene 3 (5–8 sec) Quick cinematic montage: shoes landing softly on the path smartwatch counting steps sunlight shining through leaves birds taking flight dew sparkling on grass close-up of her relaxed smile Dialogue: “Even a short walk makes everything feel lighter.” ⸻ Scene 4 (8–12 sec) Elegant slow-motion shots of her stretching beside the lake, taking a deep breath, laughing naturally, and enjoying the warm morning glow. Dialogue: “A little movement… a lot more peace.” ⸻ Scene 5 (12–15 sec) She looks back toward the camera with a bright smile, gives a friendly wave, and continues walking toward the sunrise as the camera slowly pulls away. Dialogue: “Same time tomorrow?”

Kurz erklärt

Wie ist dieses Modell einzuordnen?

Der Bildmodus erfordert mindestens ein Start- oder Endbild. Referenzaudio kann nicht allein verwendet werden, sondern braucht gleichzeitig mindestens ein Referenzbild oder -video. Beim Upload wird das tatsächliche Format aller Medien geprüft; vor der Erstellung werden signierte Dauer, Geometrie und FPS kontrolliert.

Worin ist es stark?
Ein Videozugang mit Schwerpunkt auf 2K, flexiblen Start-/Endbildern und kontrollierten multimodalen Referenzen.
Für wen eignet es sich?
Geeignet für hochauflösende Konzeptclips, gemeinsame Charakter- und Bewegungsreferenzen, Start-/Endbild-Übergänge und kurze Videos mit mehreren Materialien.
Warum auf Kyeo AI verwenden?
Kyeo nimmt Echtheit, Anzahl und Dauer der Medien sowie zusätzliche Bildkosten in den Vertrag vor der Abbuchung auf.

Wichtige Parameter

Damit kannst du schnell einschätzen, ob dieses Modell zu deinem Anwendungsszenario passt.

Referenzbilder
Bis zu 9
Referenzvideos
Bis zu 3, insgesamt ≤15 Sekunden
Referenzaudios
Bis zu 3, nicht allein verwendbar
Aufpreis für Bilder
Ab dem 6. Bild je 4 Credits

Andere Bezeichnungen

Dasselbe Modell kann in offizieller Dokumentation, Community-Diskussionen und API-Anbindungen unterschiedlich heißen. Hier sind die Bezeichnungen zusammengeführt.

MiniMax H3 Video
Hailuo H3
MiniMax H3 2K Video

Häufige Nutzerfragen

Diese praktischen Fragen betreffen Aufgabe, Eingabebedingungen und Ergebnisanforderungen, die du vor der Auswahl prüfen solltest.

MiniMax H3 verwenden
Was kostet MiniMax H3?
Welches Referenzmaterial unterstützt MiniMax H3?
Unterschied zwischen MiniMax H3 768P und 2K
Wie werden Bilder bei MiniMax H3 berechnet?

Entscheidungshilfe

Noch unsicher bei der Modellwahl? Prüfe zunächst diese Entscheidungskriterien.

1
Bei Bedarf an 2K zuerst H3 vergleichen

H3 bietet in dieser Gruppe eine klare 2K-Stufe, allerdings auch einen höheren Sekundentarif.

2
Audio braucht eine visuelle Referenz

Nur Referenzaudio ohne Bild oder Video wird vor der Erstellung abgelehnt.

3
Bilder ab dem sechsten gezielt auswählen

Jedes zusätzliche Bild kostet 4 Credits. Behalte nur Materialien, die eigenständige Informationen liefern.

Häufig gesuchte Vergleiche

Vergleiche gängige Alternativen für dieselbe Aufgabe, um Unterschiede bei Eingaben, Steuerung und Kosten zu erkennen.

Wie unterscheiden sich Auflösungen und Tarife von MiniMax H3 und Seedance 2.0 Mini?
Wie lassen sich die Referenzmöglichkeiten von MiniMax H3 und HappyHorse 1.1 vergleichen?

Modellvergleich

Du bist bei der Wahl unsicher? Die Tabelle zeigt die wichtigsten Unterschiede zwischen diesem Modell und Alternativen auf einen Blick.

Referenzmodus
MiniMax H3
9 Bilder/3 Videos/3 Audios; 2K wählbar
Seedance 2.0 Mini
9 Bilder/3 Videos/3 Audios; höchstens 720p
HappyHorse 1.1
Bis zu 9 Bilder; keine Referenzvideos oder -audios

Erfahrungen aus der Praxis

Praktische Hinweise auf Grundlage öffentlicher Quellen, aktueller Website-Grenzen und repräsentativer Aufgaben.

Die Materialanzahl fließt direkt in den Preis ein

H3 rechnet nicht nur nach Sekunden ab; ab dem 6. Eingabebild steigt auch die Vorautorisierung.

Engere Formate sind eine Produktsicherheitsgrenze

Kyeo gibt nur zuverlässig erkennbare JPEG-/PNG-/WebP-Dateien frei und bezeichnet ungeprüfte Formate nicht als verfügbar.

Funktionen im Detail

2K-Videogenerierung

Text-, Bild- und Referenzszenen können 2K wählen.

Multimodale Referenz

Kombiniert bis zu 9 Bilder, 3 Videos und 3 Audios.

Start- oder Endbild-Eingabe

Im Bildmodus kann das Startbild, das Endbild oder beides eingereicht werden.

Geeignete Aufgaben

Hochauflösender Konzeptclip

Teste mit der 2K-Stufe einen Markenclip oder einen visuellen Vorschlag.

Gemeinsame Bewegungs- und Charakterreferenz

Weise Charakterbildern und Bewegungsvideos unterschiedliche Aufgaben zu.

Einstellung vom Endbild rückwärts planen

Lade nur das gewünschte Endbild hoch und beschreibe im Prompt, wie die Kamera dieses Bild erreicht.

Prompt-Tipps

Visuelle Elemente zuordnen

Beschreibe klar, wie Personen, Kleidung oder Szenen aus den einzelnen Bildern in das Video eingehen sollen.

Audio und Bewegung zeitlich abstimmen

Benenne den Zeitraum eines Tons und die dazugehörige Bewegung.

Details für 2K priorisieren

Konzentriere dich auf Motiv, Material, Licht und Kamera, statt widersprüchliche Stilbegriffe zu stapeln.

Warum dieses Modell?

Klare 2K-Ausgabestufe.
Flexible Verwendung von Start- und Endbildern.
Eindeutige Limits für multimodale Referenzen.
Bildaufschläge sind vor der Erstellung sichtbar.

Vor der Nutzung beachten

Die Ausgabe ist auf 15 Sekunden begrenzt.
Referenzaudio kann nicht allein verwendet werden.
Bilder ab dem 6. erhöhen den Preis.
Formate, die aktuell nicht zuverlässig erkannt werden, sind auf Kyeo nicht freigeschaltet.

Einstellbare Parameter

Damit kannst du schnell einschätzen, ob dieses Modell zu deinem Anwendungsszenario passt.

Generierungsszene
Optional
Parametertyp: Auswahl
Standard: Text
Text
Startbild/Endbild
Multimodale Referenz
Auflösung
Optional
Parametertyp: Auswahl
Standard: 2K
768P
2K
Videodauer
Erforderlich
Parametertyp: Ganzzahl
Standard: 6 Sekunden
4–15 Sekunden

Punkteverbrauch

32–406 Punkte

Für 768P/2K werden 8/13 Credits pro Sekunde mit der Summe aus Ausgabedauer und geprüfter Gesamtdauer der Referenzvideos multipliziert. Die ersten 5 Eingabebilder kosten keinen Aufpreis; jedes 6.–9. Bild erhöht den Preis um 4 Credits. Der Gesamtbetrag wird vor der Auftragserstellung aufgerundet.

Tipp zum Punktesparen

Bevor du Bilder oder Videos in Serie generierst, solltest du dieselben Ausgangsmedien in einem A/B-Test mit dem aktuellen Modell und ähnlichen Alternativen vergleichen. Starte die Serie erst, wenn das Ergebnis passt, um keine Punkte zu verschwenden.

Häufig gestellte Fragen

Ähnliche Modelle

Noch unentschieden? Vergleiche auch diese ähnlichen Modelle.

Seedance 2.0 Mini

Seedance 2.0 Mini deckt in einem Zugang Text, Start-/Endbilder und multimodale Referenzgenerierung ab. Referenzvideos fließen in die Preisformel vor der Erstellung ein, daher müssen sowohl Mediendauer als auch Ausgabedauer vorher verlässlich geprüft werden.

KI-Videomodell
15–150 Punkte

Seedance 2.5

Seedance 2.5 vereint eine Grenze von 30 Sekunden, hohe Materiallimits und videoähnliche Bearbeitungsreferenzen in einem strikten Szenenvertrag. Die automatische Dauer wird nicht anhand der standardmäßigen 5 Sekunden unterschätzt, sondern mit dem Maximum von 30 Sekunden vorautorisiert.

KI-Videomodell
102–5.700 Punkte

HappyHorse 1.1

HappyHorse 1.1 wählt den Workflow automatisch anhand der Bildanzahl: ohne Bild den Textmodus, mit 1 Bild Startbild-zu-Video und mit 2–9 Bildern den Referenzmodus. Alle drei Modi verwenden dieselben Auflösungen, Dauern und Sekundentarife.

KI-Videomodell
68–435 Punkte

Quellen

Die Seite beruht auf Anbieterinformationen, Beschreibungen der Modellfamilie und der Anbindungskonfiguration von Kyeo AI.

Hinweis zu den Quellen

Erfahre mehr über MiniMax H3 mit 768P/2K, 4–15 Sekunden, Start-/Endbildern, 9 Bildern, 3 Videos, 3 Audios, 32–406 Punkten Vorautorisierung und Asset-Limits. Für 768P/2K werden 8/13 Credits pro Sekunde mit der Summe aus Ausgabedauer und geprüfter Gesamtdauer der Referenzvideos multipliziert. Die ersten 5 Eingabebilder kosten keinen Aufpreis; jedes 6.–9. Bild erhöht den Preis um 4 Credits. Der Gesamtbetrag wird vor der Auftragserstellung aufgerundet.

Zuletzt geprüft: 2026-10-06
Aktuelle Schnittstellenangaben zu MiniMax H3 Video
Anbindung

Damit werden Eingabemodi, sichtbare Einstellungen, Mediengrenzen und Verfügbarkeit der derzeit angebundenen Version geprüft. Maßgeblich sind die Optionen auf der Seite und im Arbeitsbereich.