Hailuo H3 API
Hailuo 3 视频生成模型，支持 4～15 秒文生、首尾帧图生和图片、视频、音频参考生成，输出 768p 或 2K。
Qu'est-ce que Hailuo 3
Hailuo 3 (aussi MiniMax H3, Hailuo 3.0 ou Hailuo 03) est le modèle de génération vidéo de MiniMax publié le 31 juillet 2026 : un Transformer omni-modal unique dont les spécifications officielles annoncent des clips de 4 à 15 s à 24 fps en 768p/2K, avec un audio stéréo natif 32 kHz généré dans la même passe que l'image. MiniMax revendique aussi jusqu'à 9 images + 3 vidéos + 3 audios de référence (12 fichiers au total), des prompts d'environ 7 000 caractères et un audio en 11 langues.
Roko expose hailuo-3 via l'API asynchrone /v1/videos/tasks : text-to-video est routé vers minimax-h3-text-to-video, image-to-video vers minimax-h3-image-to-video et reference-to-video vers minimax-h3-reference-to-video ; les modalités d'entrée couvrent text, image, video et audio. Durée de 4 à 15 s (4 par défaut), résolution 768p/2K (768p par défaut), ratios 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 (16:9 par défaut).
Tarifs selon le catalogue public de Roko : $0.0836/s en 768p et $0.1364/s en 2K, facturés à la seconde de sortie ; lorsque les références incluent une vidéo, la facturation porte sur les secondes de vidéo d'entrée + les secondes de sortie (soit l'équivalent de $0.1672 par seconde de sortie en 768p, $0.2728 en 2K), et chaque image de référence à partir de la 6e ajoute $0.0418. Les prix à la seconde de l'API officielle MiniMax diffèrent et ne sont pas interchangeables avec ceux de Roko.
Tarification du modèle
Les tarifs suivent la configuration de production actuelle et les unités réellement prises en charge par chaque mode.
| Mode | Prix | Règle de facturation |
|---|---|---|
| 文生 / 图生 / 图片或音频参考 | 768p $0.0836/s2k $0.1364/s | 按输出视频秒数；第 6 张起的参考图另计 |
| 视频参考 | 768p $0.0836/s2k $0.1364/s | 按输入视频秒数 + 输出视频秒数；第 6 张起的参考图另计 |
Exemples d'estimation
Les exemples sont recalculés à partir des prix du catalogue public Roko ; l'estimation est faite à la soumission d'après les paramètres publics et peut être réglée sur l'usage réel remonté par le fournisseur.
8 s × $0.0836/s = $0.6688
Palier standard sans référence ; le choix courant pour les clips sociaux en série.
10 s × $0.1364/s = $1.364
Chargez 1–2 images comme première image ou référence de style en 2K, pour des masters destinés au recadrage en postproduction.
(6 s de vidéo d'entrée + 6 s de sortie) × $0.0836/s = $1.0032
Les références vidéo se facturent dans les deux sens — secondes d'entrée + secondes de sortie — soit l'équivalent de $0.1672 par seconde de sortie.
8 s × $0.0836/s + 3 × $0.0418 = $0.7942
Chaque image de référence à partir de la 6e ajoute $0.0418 ; 8 images, c'est 3 facturées en plus. Adapté à la cohérence multi-personnages et multi-décors.
Informations du modèle
Seuls les modèles, capacités et limites documentés par le fournisseur et intégrés à la passerelle sont affichés.
minimax-h3-text-to-video
- Limites
- —
- Durée
- 4–15s
minimax-h3-image-to-video
- Limites
- Images 1–2
- Durée
- 4–15s
minimax-h3-reference-to-video
- Limites
- Images 0–9 · Vidéos 0–3 · Audio 0–3
- Durée
- 4–15s
Capacités clés
Entrées de référence omni-modales (jusqu'à 12 fichiers)
La route reference-to-video accepte jusqu'à 9 images, 3 vidéos et 3 audios de référence — 12 fichiers au total — pour figer personnages, décors, mouvements et voix. Les références vidéo et audio sont des affirmations officielles ; validez sur les résultats réels des tâches.
Audio stéréo natif en une seule passe
Selon MiniMax, l'audio stéréo 32 kHz est généré en même temps que l'image, sans doublage postérieur, avec prise en charge de 11 langues. Roko facture un tarif unique à la seconde de sortie ; l'audio n'entraîne aucun supplément.
Deux paliers : 768p et 2K
Le 768p par défaut convient à la production en série ; le 2K ($0.1364/s) convient aux masters destinés au recadrage ou au grand écran. Les clips durent 4 à 15 s (4 par défaut) pour épouser le rythme du récit.
Six ratios d'image
21:9, 16:9, 4:3, 1:1, 3:4 et 9:16 (16:9 par défaut) couvrent du cinémascope au format vertical court, sans recadrage forcé après génération.
Longs prompts et cohérence des personnages
En amont, MiniMax revendique des prompts d'environ 7 000 caractères et une cohérence guidée par les références ; au lancement, Artificial Analysis classait H3 1er en édition vidéo, 2e en texte-vidéo et 3e en image-vidéo (classement tiers, non mesuré par Roko).
Paramètres principaux
Ces paramètres proviennent de la configuration structurée du modèle ; les champs non configurés ou non pris en charge sont omis.
modelstringID du modèle
Valeur par défaut:minimax-h3-text-to-video / minimax-h3-image-to-video / minimax-h3-reference-to-videopromptstringHailuo 3 视频生成模型，支持 4～15 秒文生、首尾帧图生和图片、视频、音频参考生成，输出 768p 或 2K。
Valeur par défaut:ObligatoiredurationintegerSecondes de vidéo produites
Valeur par défaut:4–15squalityenumFacturation actuelle
Valeur par défaut:768p / 2kaspect_ratioenumCapacité
Valeur par défaut:21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16image_urlsarrayImage vers vidéo: 1–2 · Référence vers vidéo: 0–9
Valeur par défaut:Selon le modevideo_urlsarrayRéférence vers vidéo: 0–3
Valeur par défaut:Selon le modeaudio_urlsarrayRéférence vers vidéo: 0–3
Valeur par défaut:Selon le modeCapacités et conseils d’utilisation
Fonctions principales
- Texte vers vidéo · minimax-h3-text-to-video
- Image vers vidéo · minimax-h3-image-to-video
- Référence vers vidéo · minimax-h3-reference-to-video
- 768p / 2k en sortie
- 4–15s Durée
Limites d’utilisation
- Image vers vidéo: Images 1–2
- Référence vers vidéo: Images 0–9 · Vidéos 0–3 · Audio 0–3
- Source des capacités: https://evolink.ai/zh/hailuo-3
Limites et points d'attention
- Les références contenant une vidéo se facturent dans les deux sens — secondes d'entrée plus secondes de sortie — donc plus la référence est longue, plus le coût monte.
- Chaque image de référence à partir de la 6e ajoute $0.0418 ; les grands jeux d'images font croître le coût linéairement.
- Une soumission réussie signifie seulement que la tâche est acceptée, pas que la génération aboutira ; l'état terminal fait foi.
- Les liens de sortie expirent après un délai limité — téléchargez et rehébergez vos séquences rapidement.
- La génération en 2K prend généralement plus de temps qu'en 768p ; prévoyez de la marge pour les livraisons urgentes (aucun délai publié par le fournisseur).
Comment appeler l'API
- POST /v1/videos/tasks avec model=hailuo-3, plus prompt, image de première frame, vidéos/audios de référence, duration, resolution, aspect_ratio et les paramètres propres à la route ; la réponse renvoie un task_id.
- Sondez GET /v1/tasks/{task_id} jusqu'à un état terminal succeeded ou failed.
- Sur succeeded, lisez l'URL vidéo dans le résultat de la tâche ; les liens de sortie Roko expirent, rehébergez vite les séquences sur votre stockage.
- Sur failed, lisez l'erreur, corrigez le prompt ou les paramètres et resoumettez via le même flux ; les tâches échouées sont réglées selon les règles de remboursement de la plateforme.
- Une soumission réussie signifie seulement que la tâche est acceptée, pas que la génération aboutira ; l'état terminal fait foi.
Cas d'usage typiques
Clips sociaux avec dialogues et bruitages
Entrée : un prompt de scène (MiniMax annonce l'audio en 11 langues) + 16:9 ou 9:16 ; action : route texte, 4–15 s ; résultat attendu : la capacité amont peut générer l'image et le son synchronisés en une passe ; limite : le catalogue Roko n'expose pas de commande audio distincte, vérifiez donc le résultat de la tâche, et chaque clip est limité à 15 s.
Courts métrages multi-références
Entrée : images de personnage + vidéo de décor + audio de voix (≤12 fichiers au total) ; action : route reference-to-video ; résultat attendu : apparence et voix cohérentes entre les plans ; limite : la cohérence dépend de la qualité des références, à valider par vos tests.
Édition et restylage vidéo
Entrée : un clip existant + un prompt d'instructions d'édition ; action : route vidéo-référence, facturée en secondes d'entrée + secondes de sortie ; résultat attendu : H3 classé 1er en édition vidéo au lancement selon le classement tiers (non mesuré par Roko) ; limite : les secondes de vidéo d'entrée comptent dans le coût, gardez les clips de référence courts.
Masters publicitaires en 2K
Entrée : 1–2 images produit + un prompt très détaillé ; action : route image + palier 2K ($0.1364/s) ; résultat attendu : un master haute résolution prêt pour l'étalonnage et le recadrage ; limite : le 2K coûte plus cher à la seconde et prend généralement plus de temps — validez d'abord vos prompts en 768p.
Choisir face aux autres modèles vidéo de Roko
Comparaison de positionnement et de facturation uniquement ; la décision finale relève du catalogue de chaque modèle et de vos propres tests.
hailuo-3 vs kling-o3
H3 mise sur les références omni-modales (images/vidéo/audio en une seule prise) et l'audio stéréo natif, facturé à la seconde de sortie ; kling-o3 mise sur la 4K et le récit multi-plans. H3 pour des plans pilotés par références avec audio inclus, kling-o3 pour du long format haute résolution — les bases de facturation diffèrent.
hailuo-3 vs kling-3.0-turbo
kling-3.0-turbo joue la vitesse et un prix unitaire plus bas pour itérer vite sur les brouillons ; H3 offre un référencement plus profond (jusqu'à 12 fichiers) avec audio natif. Brouillons sur turbo, plans clés sur H3 : c'est une combinaison courante.
hailuo-3 vs happy-horse-1.1
happy-horse-1.1 privilégie le récit multi-plans à un prix unitaire plus bas ; la différenciation de H3 tient à la profondeur des références et à l'audio généré dans la même passe. happy-horse-1.1 pour du récit de série sensible au budget, hailuo-3 pour des plans uniques pilotés par références, son et image unifiés.
FAQ
Quel ID de modèle et quelles routes pour hailuo-3 sur Roko ?
Soumettez avec model=hailuo-3 : texte-vidéo est routé vers minimax-h3-text-to-video, image-vidéo vers minimax-h3-image-to-video et référence-vidéo vers minimax-h3-reference-to-video. Le sous-modèle réel est celui indiqué par la réponse de la tâche.
Combien coûte une vidéo Hailuo 3 ?
Facturation à la seconde de sortie : $0.0836/s en 768p et $0.1364/s en 2K ; les références contenant une vidéo se facturent en secondes d'entrée + secondes de sortie, et chaque image de référence à partir de la 6e ajoute $0.0418. Exemple : un clip 768p texte-vidéo de 8 s coûte $0.6688. L'estimation utilise les paramètres publics à la soumission et peut être réglée sur l'usage réel.
Quelles durées, résolutions et ratios sont pris en charge ?
Durée 4–15 s (4 par défaut) ; résolution 768p/2K (768p par défaut) ; ratios 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 (16:9 par défaut). Le catalogue Roko actuel fait foi.
Peut-on générer une vidéo avec de l'audio ?
MiniMax indique que H3 peut générer un audio stéréo 32 kHz dans la même passe que l'image, avec 11 langues prises en charge. Le catalogue Roko actuel n'expose pas de commande audio distincte : vérifiez donc le résultat réel de la tâche. Sa formule tarifaire ne mentionne pas non plus de supplément audio.
Combien de fichiers de référence puis-je envoyer ?
Image-vidéo accepte 1–2 images ; référence-vidéo accepte jusqu'à 9 images, 3 vidéos et 3 audios de référence — 12 fichiers au total. Les images de référence à partir de la 6e ajoutent $0.0418 chacune.
Pourquoi n'obtiens-je pas la vidéo juste après la soumission ?
hailuo-3 passe par l'API asynchrone /v1/videos/tasks : une soumission réussie vaut acceptation seulement, et la génération demande du temps de file et d'inférence. Sondez GET /v1/tasks/{task_id} et lisez l'URL vidéo une fois l'état passé à succeeded.
Y a-t-il un quota gratuit ?
hailuo-3 est facturé à l'usage et le catalogue Roko ne liste aucun quota gratuit ; le coût est estimé sur les paramètres publics à la soumission et réglé sur l'usage réel, sous réserve de l'état terminal de la tâche et de la page tarifaire.
Puis-je utiliser la vidéo à des fins commerciales ?
L'usage commercial dépend de vos droits sur les éléments d'entrée, de la licence du modèle et des règles de la plateforme cible : les poids amont H3-Base sont publiés sous Community License — examinez vous-même la licence et les conditions de la plateforme avant tout usage commercial. Roko ne fournit pas de conseil juridique.
Les liens de sortie restent-ils valables indéfiniment ?
Non. Les liens de sortie Roko expirent après un délai limité ; téléchargez et rehébergez les séquences sur votre propre stockage dès que la tâche se termine.
Sources
Les affirmations de capacités amont proviennent de la publication officielle de MiniMax et des documents sur les poids ouverts ; les paramètres, routes et prix appelables sur Roko proviennent du catalogue de production actuel. Date de vérification : 2026-10-09.
- MiniMax Research: MiniMax H3 launch Official launch: multimodal context, up to 15 seconds at 2K, native stereo audio, and open-weight plan
- MiniMax API Platform: H3 pricing Official API rate card: 768p/2K output seconds, input-video seconds, and reference-image surcharge
- ComfyUI Wiki: MiniMax H3 open weights Open-weight release: H3-Base 768p, 24fps, aspect ratios 21:9 to 9:16, 32kHz stereo audio
- Roko API video task docs Async submit, task query, and billing lifecycle on Roko
- Roko API model catalog Current routes, prices, and generation config
Modèles de la même famille
Découvrez les autres variantes disponibles de cette famille de modèles.
Hailuo H3
Autres modèles vidéo
Découvrez d’autres modèles accessibles via l’API unifiée de tâches vidéo asynchrones.
