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。
Hailuo 3 是什么
Hailuo 3（又称 MiniMax H3 / Hailuo 3.0 / Hailuo 03）是 MiniMax 于 2026 年 7 月 31 日发布的视频生成模型：单一全模态 Transformer，官方规格为 4–15 秒、24fps、768p/2K 分辨率，原生 32kHz 立体声音频与画面在同一趟推理中生成；官方还主张支持最多 9 张参考图 + 3 段参考视频 + 3 条参考音频（合计不超过 12 个文件）与约 7000 字符提示词，音频支持 11 种语言。
Roko 通过 /v1/videos/tasks 异步任务接口接入 hailuo-3：text-to-video 路由到 minimax-h3-text-to-video，image-to-video 路由到 minimax-h3-image-to-video，reference-to-video 路由到 minimax-h3-reference-to-video；输入模态覆盖 text、image、video、audio。时长 4–15 秒（默认 4 秒），分辨率 768p/2K（默认 768p），比例 21:9、16:9、4:3、1:1、3:4、9:16（默认 16:9）。
价格以 Roko 公开目录为准：768p 每秒 $0.0836，2K 每秒 $0.1364，按输出秒数计费；参考素材含视频时按输入视频秒数 + 输出秒数计费（768p 等效每输出秒 $0.1672，2K 等效 $0.2728），第 6 张起的参考图每张另加 $0.0418。MiniMax 官方 API 的按秒单价与 Roko 不同，两者不互相换算。
模型价格
价格来自当前生产定价配置，并按实际支持的生成路线和计费维度展示。
| 路线 | 价格 | 计费方式 |
|---|---|---|
| 文生 / 图生 / 图片或音频参考 | 768p $0.0836/秒2k $0.1364/秒 | 按输出视频秒数；第 6 张起的参考图另计 |
| 视频参考 | 768p $0.0836/秒2k $0.1364/秒 | 按输入视频秒数 + 输出视频秒数；第 6 张起的参考图另计 |
费用估算示例
以下示例按 Roko 公开目录单价复算；提交时按公开参数预估，完成后可能按供应商返回的实际用量结算。
8 秒 × $0.0836/秒 = $0.6688
无参考素材的标准文生视频档位，社媒短片批量生产常用。
10 秒 × $0.1364/秒 = $1.364
上传 1–2 张图作为首帧或风格参考并输出 2K，适合需要后期裁切的母版素材。
(6 秒输入视频 + 6 秒输出) × $0.0836/秒 = $1.0032
参考素材含视频时按输入视频秒数 + 输出秒数双程计费，等效每输出秒 $0.1672。
8 秒 × $0.0836/秒 + 3 张 × $0.0418/张 = $0.7942
第 6 张起的参考图每张加 $0.0418，8 张即 3 张加价；适合多角色、多场景的一致性需求。
模型信息
仅列出当前供应商开发文档确认并已接入的子模型、能力和限制。
minimax-h3-text-to-video
- 能力限制
- —
- 时长
- 4–15s
minimax-h3-image-to-video
- 能力限制
- 图片 1–2
- 时长
- 4–15s
minimax-h3-reference-to-video
- 能力限制
- 图片 0–9 · 视频 0–3 · 音频 0–3
- 时长
- 4–15s
核心能力
全模态参考输入（最多 12 个文件）
参考生视频路线最多接受 9 张参考图、3 段参考视频和 3 条参考音频，合计不超过 12 个文件，用于约束角色、场景、运动与声音。视频与音频参考为官方主张的能力，实际效果以任务返回为准。
原生立体声音频一次生成
官方称 32kHz 立体声音频与画面在同一趟生成，无需后期配音，音频支持 11 种语言。Roko 按输出秒数统一计费，音频不单独加价。
768p 与 2K 双档分辨率
默认 768p 适合批量生产，2K（每秒 $0.1364）适合需要后期裁切或大屏投放的成片。时长 4–15 秒（默认 4 秒），可按叙事节奏选择。
六种画面比例
支持 21:9、16:9、4:3、1:1、3:4、9:16（默认 16:9），从影院宽幅到竖屏短视频一次覆盖，无需生成后强行裁切。
长提示词与角色一致性
官方主张提示词最长约 7000 字符，配合参考图/视频/音频可保持角色与风格一致；发布时 Artificial Analysis 排行视频编辑第 1、文生第 2、图生第 3（第三方排行，非 Roko 实测）。
主要参数
以下参数由结构化模型配置生成；未配置或供应商不支持的参数不会显示。
modelstring子模型 ID
默认值: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。
默认值:必填durationinteger按输出视频秒数
默认值:4–15squalityenum当前计费
默认值:768p / 2kaspect_ratioenum生成能力
默认值:21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16image_urlsarray图生视频: 1–2 · 参考生视频: 0–9
默认值:按生成路线video_urlsarray参考生视频: 0–3
默认值:按生成路线audio_urlsarray参考生视频: 0–3
默认值:按生成路线模型能力与使用建议
主要特性
- 文生视频 · minimax-h3-text-to-video
- 图生视频 · minimax-h3-image-to-video
- 参考生视频 · minimax-h3-reference-to-video
- 768p / 2k 输出
- 4–15s 时长
使用限制
- 图生视频: 图片 1–2
- 参考生视频: 图片 0–9 · 视频 0–3 · 音频 0–3
- 能力来源: https://evolink.ai/zh/hailuo-3
限制与注意事项
- 参考素材含视频时按输入视频秒数 + 输出秒数双程计费，参考片越长费用越高。
- 参考图第 6 张起每张另加 $0.0418，多图参考会线性增加成本。
- 提交成功只是任务受理，不代表生成成功；结果以终态查询为准。
- 输出链接有有效期，超时失效，务必及时转存成片。
- 2K 档生成耗时通常长于 768p，对时效敏感的任务建议预留等待时间（具体耗时以实测为准）。
调用流程
- POST /v1/videos/tasks 提交任务，body 中 model 填 hailuo-3，按路线附带 prompt、首帧图、参考视频/音频、duration、resolution、aspect_ratio 等参数，返回 task_id。
- 轮询 GET /v1/tasks/{task_id}，直到状态进入 succeeded 或 failed 终态。
- succeeded 后从任务结果读取视频 URL；Roko 输出链接有有效期，及时转存到自己的存储。
- failed 时读取错误信息，修正提示词或参数后用相同流程重新提交；失败任务按平台退款规则结算。
- 提交成功只代表任务受理，不代表生成成功；最终以终态查询结果为准。
典型使用场景
带台词与音效的社媒短片
输入：场景提示词（MiniMax 官方主张音频支持 11 种语言）+ 16:9 或 9:16 比例；操作：文生路线、4–15 秒；预期：上游能力可在同一趟生成声画同步素材；限制：Roko 目录未列独立音频开关，是否返回音频以任务结果为准，且单条最长 15 秒。
多参考一致性的角色短片
输入：角色参考图 + 场景参考视频 + 音色参考音频（合计 ≤12 个文件）；操作：reference-to-video 路线；预期：角色外观与声音跨镜头保持一致；限制：一致性效果依赖参考素材质量，需实测验证。
视频编辑与风格化
输入：现有视频片段 + 编辑指令提示词；操作：参考视频路线，按输入视频秒数 + 输出秒数计费；预期：官方排行主张 H3 发布时视频编辑列第 1（第三方排行，非 Roko 实测）；限制：输入视频秒数计入费用，需控制参考片长度。
2K 广告母版
输入：产品图 1–2 张 + 高细节提示词；操作：图生路线 + 2K 档（每秒 $0.1364）；预期：可进入后期调色与裁切的高分辨率母版；限制：2K 单价更高且生成耗时通常更长，建议先用 768p 验证提示词。
与站内其他视频模型的选择
只做定位与计费口径对比，最终以各模型目录与实测为准。
hailuo-3 vs kling-o3
H3 主打全模态参考输入（图/视频/音频一次喂入）与原生立体声音频，按输出秒数计价；kling-o3 主打 4K 与多镜头叙事。要参考驱动、自带音频选 H3，要高分辨率长叙事选 kling-o3，两者价格口径不同。
hailuo-3 vs kling-3.0-turbo
kling-3.0-turbo 以速度与更低单价见长，适合快速迭代草稿；H3 参考模态更深（最多 12 个参考文件）且原生带音频，适合成片质量优先的关键镜头。草稿用 turbo、关键镜头用 H3 是常见组合。
hailuo-3 vs happy-horse-1.1
happy-horse-1.1 偏向多镜头叙事与更低单价；H3 的差异化在参考模态深度与音频同趟生成。预算敏感的批量叙事选 happy-horse-1.1，参考驱动、声画一体的单镜头选 hailuo-3。
常见问题
hailuo-3 在 Roko 上的模型 ID 和路由是什么？
提交任务时 model 填 hailuo-3：文生路由到 minimax-h3-text-to-video，图生路由到 minimax-h3-image-to-video，参考生路由到 minimax-h3-reference-to-video。实际子模型以任务返回为准。
Hailuo 3 生成一条视频多少钱？
按输出秒数计费：768p 每秒 $0.0836，2K 每秒 $0.1364；参考素材含视频时按输入视频秒数 + 输出秒数计费，第 6 张起参考图每张加 $0.0418。例如 768p 文生 8 秒为 $0.6688。提交时按公开参数预估，完成后可能按实际用量结算。
支持哪些时长、分辨率和比例？
时长 4–15 秒（默认 4 秒）；分辨率 768p/2K（默认 768p）；比例 21:9、16:9、4:3、1:1、3:4、9:16（默认 16:9）。以 Roko 当前目录为准。
能生成带音频的视频吗？
MiniMax 官方称 H3 可在同一趟生成 32kHz 立体声音频与画面，音频支持 11 种语言；但 Roko 当前目录未列独立音频开关，实际是否返回音频以任务结果为准。目录计价表达式也未列音频附加费。
参考文件最多能传多少？
图生接受 1–2 张图；参考生最多 9 张参考图、3 段参考视频、3 条参考音频，合计不超过 12 个文件。第 6 张起的参考图每张另加 $0.0418。
为什么提交成功后不能立刻拿到视频？
hailuo-3 走 /v1/videos/tasks 异步任务：提交成功只是受理，生成需要排队与推理时间。请轮询 GET /v1/tasks/{task_id}，状态进入 succeeded 后再读取视频 URL。
有免费额度吗？
hailuo-3 按量计费，Roko 目录未列出免费额度；费用在提交时按公开参数预估、完成后按实际用量结算，以任务终态与定价页为准。
生成的视频可以商用吗？
能否商用取决于你的输入素材权利、模型许可条款与目标平台规则：上游 H3-Base 权重采用 Community License，商业使用前请自行审查许可与平台条款，Roko 不构成法律意见。
输出链接会一直有效吗？
不会。Roko 输出链接有有效期，超时后失效，请在任务完成后及时下载并转存到自己的存储。
资料来源
上游能力主张来自 MiniMax 官方发布与开放权重资料；Roko 可调用参数、路线与价格来自当前生产目录。核验日期：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
同家族模型
继续查看同一模型家族的其他可用版本。
Hailuo H3
其他视频模型
浏览支持统一异步视频任务接口的其他模型。
