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 là gì
Hailuo 3 (còn gọi MiniMax H3, Hailuo 3.0 hoặc Hailuo 03) là mô hình tạo video của MiniMax ra mắt ngày 31/07/2026: một Transformer đa phương thức duy nhất với thông số chính thức 4–15 giây, 24fps, độ phân giải 768p/2K, âm thanh stereo gốc 32kHz được tạo trong cùng lượt suy luận với hình ảnh. MiniMax còn tuyên bố hỗ trợ tới 9 ảnh + 3 video + 3 audio tham chiếu (tối đa 12 tệp), prompt dài khoảng 7.000 ký tự và âm thanh 11 ngôn ngữ.
Roko cung cấp hailuo-3 qua API tác vụ bất đồng bộ /v1/videos/tasks: text-to-video định tuyến tới minimax-h3-text-to-video, image-to-video tới minimax-h3-image-to-video, reference-to-video tới minimax-h3-reference-to-video; phương thức đầu vào gồm text, image, video, audio. Thời lượng 4–15 giây (mặc định 4), độ phân giải 768p/2K (mặc định 768p), tỷ lệ khung hình 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 (mặc định 16:9).
Giá theo danh mục công khai của Roko: $0.0836/giây ở 768p và $0.1364/giây ở 2K, tính theo giây đầu ra; khi tham chiếu có video, tính phí theo giây video đầu vào + giây đầu ra (tương đương $0.1672 mỗi giây đầu ra ở 768p, $0.2728 ở 2K), mỗi ảnh tham chiếu từ thứ 6 trở đi cộng thêm $0.0418. Giá mỗi giây của API chính thức MiniMax khác với Roko và hai bên không quy đổi cho nhau.
Giá mô hình
Giá tuân theo cấu hình production hiện tại và đơn vị tính phí thực tế mà từng chế độ hỗ trợ.
| Chế độ | Giá | Quy tắc tính phí |
|---|---|---|
| 文生 / 图生 / 图片或音频参考 | 768p $0.0836/giây2k $0.1364/giây | 按输出视频秒数；第 6 张起的参考图另计 |
| 视频参考 | 768p $0.0836/giây2k $0.1364/giây | 按输入视频秒数 + 输出视频秒数；第 6 张起的参考图另计 |
Ví dụ ước tính chi phí
Các ví dụ được tính lại theo giá danh mục công khai của Roko; ước tính tại thời điểm gửi dựa trên tham số công khai và có thể được quyết toán theo mức sử dụng thực tế nhà cung cấp báo về.
8 giây × $0.0836/giây = $0.6688
Mức tiêu chuẩn không kèm tham chiếu; lựa chọn phổ biến cho clip mạng xã hội hàng loạt.
10 giây × $0.1364/giây = $1.364
Tải 1–2 ảnh làm khung đầu hoặc tham chiếu phong cách ở mức 2K, dành cho bản master cần cắt ghép hậu kỳ.
(6 giây video đầu vào + 6 giây đầu ra) × $0.0836/giây = $1.0032
Tham chiếu video tính phí cả hai chiều — giây đầu vào + giây đầu ra — tương đương $0.1672 mỗi giây đầu ra.
8 giây × $0.0836/giây + 3 × $0.0418 = $0.7942
Mỗi ảnh tham chiếu từ thứ 6 cộng $0.0418, nên 8 ảnh là 3 ảnh bị phụ phí; phù hợp nhu cầu nhất quán đa nhân vật, đa bối cảnh.
Thông tin mô hình
Chỉ hiển thị mô hình, khả năng và giới hạn đã được nhà cung cấp xác nhận và cổng API triển khai.
minimax-h3-text-to-video
- Giới hạn
- —
- Thời lượng
- 4–15s
minimax-h3-image-to-video
- Giới hạn
- Ảnh 1–2
- Thời lượng
- 4–15s
minimax-h3-reference-to-video
- Giới hạn
- Ảnh 0–9 · Video 0–3 · Âm thanh 0–3
- Thời lượng
- 4–15s
Năng lực nổi bật
Tham chiếu đa phương thức (tối đa 12 tệp)
Route reference-to-video nhận tới 9 ảnh, 3 video và 3 audio tham chiếu — tối đa 12 tệp — để cố định nhân vật, bối cảnh, chuyển động và giọng nói. Tham chiếu video và audio là tuyên bố của nhà phát triển; hãy kiểm chứng trên kết quả tác vụ thực tế.
Âm thanh stereo gốc trong một lượt
MiniMax cho biết âm thanh stereo 32kHz được tạo cùng lúc với hình ảnh, không cần lồng tiếng sau, hỗ trợ 11 ngôn ngữ. Roko tính một giá cố định theo giây đầu ra; âm thanh không phụ phí.
Hai mức 768p và 2K
Mặc định 768p phù hợp sản xuất hàng loạt; 2K ($0.1364/giây) hợp với bản master cần cắt ghép hoặc trình chiếu màn hình lớn. Clip dài 4–15 giây (mặc định 4) để tùy chỉnh nhịp kể chuyện.
Sáu tỷ lệ khung hình
21:9, 16:9, 4:3, 1:1, 3:4 và 9:16 (mặc định 16:9) bao trùm từ màn ảnh rộng điện ảnh đến video dọc ngắn, không cần cắt ép sau khi tạo.
Prompt dài và tính nhất quán nhân vật
Nhà phát triển tuyên bố prompt tới khoảng 7.000 ký tự và tính nhất quán dựa trên tham chiếu; khi ra mắt, Artificial Analysis xếp H3 thứ 1 về dựng video, thứ 2 về text-to-video và thứ 3 về image-to-video (xếp hạng bên thứ ba, không phải đo thực tế của Roko).
Tham số chính
Tham số được tạo từ cấu hình mô hình có cấu trúc; trường chưa cấu hình hoặc không được hỗ trợ sẽ bị ẩn.
modelstringMã mô hình
Giá trị mặc định: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。
Giá trị mặc định:Bắt buộcdurationintegerSố giây video đầu ra
Giá trị mặc định:4–15squalityenumCách tính phí hiện tại
Giá trị mặc định:768p / 2kaspect_ratioenumKhả năng
Giá trị mặc định:21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16image_urlsarrayẢnh thành video: 1–2 · Tham chiếu thành video: 0–9
Giá trị mặc định:Theo chế độvideo_urlsarrayTham chiếu thành video: 0–3
Giá trị mặc định:Theo chế độaudio_urlsarrayTham chiếu thành video: 0–3
Giá trị mặc định:Theo chế độKhả năng và hướng dẫn sử dụng
Tính năng chính
- Văn bản thành video · minimax-h3-text-to-video
- Ảnh thành video · minimax-h3-image-to-video
- Tham chiếu thành video · minimax-h3-reference-to-video
- 768p / 2k đầu ra
- 4–15s Thời lượng
Giới hạn sử dụng
- Ảnh thành video: Ảnh 1–2
- Tham chiếu thành video: Ảnh 0–9 · Video 0–3 · Âm thanh 0–3
- Nguồn thông tin: https://evolink.ai/zh/hailuo-3
Giới hạn và lưu ý
- Tham chiếu có video tính phí hai chiều — giây video đầu vào cộng giây đầu ra — nên tham chiếu càng dài chi phí càng tăng.
- Ảnh tham chiếu từ thứ 6 trở đi mỗi ảnh cộng $0.0418; bộ ảnh lớn làm chi phí tăng tuyến tính.
- Gửi thành công chỉ là tác vụ được tiếp nhận, không bảo đảm tạo thành công; căn cứ cuối là trạng thái cuối của tác vụ.
- Link đầu ra có thời hạn, hết hạn sẽ mất; hãy tải về và lưu trữ kịp thời.
- Tạo 2K thường lâu hơn 768p; chừa thời gian cho các việc gấp (không có số liệu thời gian từ nhà cung cấp).
Cách gọi API
- POST /v1/videos/tasks với model = hailuo-3, kèm prompt, ảnh khung đầu, video/audio tham chiếu, duration, resolution, aspect_ratio và các tham số theo route; phản hồi trả về task_id.
- Poll GET /v1/tasks/{task_id} cho đến khi trạng thái đạt succeeded hoặc failed.
- Khi succeeded, đọc URL video từ kết quả tác vụ; link đầu ra của Roko có thời hạn, hãy chuyển dữ liệu về kho lưu trữ của bạn ngay.
- Khi failed, đọc thông báo lỗi, sửa prompt hoặc tham số rồi gửi lại theo cùng quy trình; tác vụ thất bại được quyết toán theo quy tắc hoàn tiền của nền tảng.
- Gửi thành công chỉ nghĩa là tác vụ được tiếp nhận, không bảo đảm tạo video thành công; trạng thái cuối cùng mới là căn cứ.
Tình huống sử dụng điển hình
Clip mạng xã hội có lời thoại và hiệu ứng âm thanh
Đầu vào: prompt cảnh (MiniMax công bố hỗ trợ âm thanh 11 ngôn ngữ) + tỷ lệ 16:9 hoặc 9:16; thao tác: route văn bản, 4–15 giây; kỳ vọng: năng lực từ nhà cung cấp có thể tạo hình và tiếng đồng bộ trong một lượt; giới hạn: danh mục Roko không có công tắc âm thanh riêng, vì vậy cần kiểm tra kết quả tác vụ, và mỗi clip tối đa 15 giây.
Phim ngắn nhất quán nhân vật với nhiều tham chiếu
Đầu vào: ảnh tham chiếu nhân vật + video tham chiếu bối cảnh + audio tham chiếu giọng (tổng ≤12 tệp); thao tác: route reference-to-video; kỳ vọng: ngoại hình và giọng nói nhất quán giữa các cú quay; giới hạn: độ nhất quán phụ thuộc chất lượng tham chiếu, cần kiểm chứng thực tế.
Dựng video và đổi phong cách
Đầu vào: clip có sẵn + prompt chỉ dẫn dựng; thao tác: route video tham chiếu, tính phí theo giây đầu vào + giây đầu ra; kỳ vọng: H3 được xếp thứ 1 về dựng video khi ra mắt theo xếp hạng bên thứ ba (không phải đo thực tế của Roko); giới hạn: số giây video đầu vào tính vào chi phí, giữ clip tham chiếu ngắn.
Master quảng cáo 2K
Đầu vào: 1–2 ảnh sản phẩm + prompt chi tiết cao; thao tác: route ảnh + mức 2K ($0.1364/giây); kỳ vọng: master độ phân giải cao sẵn sàng cho chỉnh màu và cắt ghép; giới hạn: 2K đắt hơn mỗi giây và thường mất thời gian hơn — hãy thử prompt ở 768p trước.
Soi các mô hình video khác trên Roko
Chỉ so sánh định vị và cách tính phí; quyết định cuối thuộc về danh mục từng mô hình và bài thử của bạn.
hailuo-3 vs kling-o3
H3 mạnh về tham chiếu đa phương thức (ảnh/video/audio cùng lúc) và âm thanh stereo gốc, tính theo giây đầu ra; kling-o3 mạnh về 4K và tự sự đa phân cảnh. Cần phân cảnh dẫn dắt bằng tham chiếu kèm âm thanh thì chọn H3; cần tự sự dài độ phân giải cao thì chọn kling-o3 — cách tính giá hai bên khác nhau.
hailuo-3 vs kling-3.0-turbo
kling-3.0-turbo thắng ở tốc độ và đơn giá thấp hơn cho bản nháp nhanh; H3 có tham chiếu sâu hơn (tới 12 tệp) kèm âm thanh gốc, hợp với cảnh quan trọng. Nháp bằng turbo, cảnh chủ chốt bằng H3 là cách kết hợp phổ biến.
hailuo-3 vs happy-horse-1.1
happy-horse-1.1 nghiêng về tự sự đa phân cảnh với đơn giá thấp hơn; điểm khác của H3 là chiều sâu tham chiếu và âm thanh tạo cùng lượt. Ngân sách eo hẹp, sản xuất hàng loạt thì chọn happy-horse-1.1; cảnh đơn dẫn dắt bằng tham chiếu, hình tiếng nhất quán thì chọn hailuo-3.
Câu hỏi thường gặp
Model ID và route của hailuo-3 trên Roko là gì?
Khi gửi tác vụ, đặt model = hailuo-3: text-to-video định tuyến tới minimax-h3-text-to-video, image-to-video tới minimax-h3-image-to-video, reference-to-video tới minimax-h3-reference-to-video. Submodel thực tế là gì hãy xem phản hồi của tác vụ.
Một video Hailuo 3 giá bao nhiêu?
Tính theo giây đầu ra: $0.0836/giây ở 768p và $0.1364/giây ở 2K; tham chiếu có video tính cả giây đầu vào + giây đầu ra, ảnh tham chiếu từ thứ 6 mỗi ảnh cộng $0.0418. Ví dụ: clip 768p text-to-video 8 giây hết $0.6688. Ước tính theo tham số công khai khi gửi và có thể quyết toán theo mức sử dụng thực tế.
Hỗ trợ thời lượng, độ phân giải và tỷ lệ nào?
Thời lượng 4–15 giây (mặc định 4); độ phân giải 768p/2K (mặc định 768p); tỷ lệ 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 (mặc định 16:9). Danh mục Roko hiện tại là căn cứ.
Có tạo được video kèm âm thanh không?
MiniMax cho biết H3 có thể tạo âm thanh stereo 32kHz trong cùng lượt với hình ảnh và hỗ trợ 11 ngôn ngữ. Tuy nhiên, danh mục Roko hiện không có công tắc âm thanh riêng, nên cần kiểm tra đầu ra thực tế của tác vụ; biểu thức giá cũng không liệt kê phụ phí âm thanh.
Gửi được tối đa bao nhiêu tệp tham chiếu?
Image-to-video nhận 1–2 ảnh; reference-to-video nhận tới 9 ảnh, 3 video và 3 audio tham chiếu — tối đa 12 tệp. Ảnh tham chiếu từ thứ 6 trở đi mỗi ảnh cộng $0.0418.
Vì sao gửi xong chưa nhận được video ngay?
hailuo-3 chạy qua API tác vụ bất đồng bộ /v1/videos/tasks: gửi thành công chỉ là được tiếp nhận, việc tạo video cần thời gian xếp hàng và suy luận. Hãy poll GET /v1/tasks/{task_id} và đọc URL video khi trạng thái chuyển sang succeeded.
Có hạn mức miễn phí không?
hailuo-3 tính phí theo mức sử dụng, danh mục Roko không liệt kê hạn mức miễn phí; chi phí được ước tính theo tham số công khai khi gửi và quyết toán theo mức sử dụng thực tế, căn cứ vào trạng thái cuối của tác vụ và trang giá.
Video tạo ra có dùng thương mại được không?
Việc dùng thương mại phụ thuộc quyền của bạn đối với tư liệu đầu vào, giấy phép mô hình và quy định nền tảng đích: trọng lượng H3-Base phát hành theo Community License — hãy tự xem lại giấy phép và điều khoản nền tảng trước khi dùng thương mại. Roko không đưa ra tư vấn pháp lý.
Link đầu ra có tồn tại mãi không?
Không. Link đầu ra của Roko có thời hạn và sẽ hết hạn; hãy tải về và lưu vào kho của bạn ngay khi tác vụ hoàn tất.
Nguồn tài liệu
Các tuyên bố năng lực thượng nguồn lấy từ công bố chính thức của MiniMax và tài liệu trọng lượng mở; tham số, route và giá gọi được trên Roko lấy từ danh mục sản xuất hiện tại. Ngày kiểm chứng: 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
Mô hình cùng họ
Khám phá các phiên bản khả dụng khác trong cùng họ mô hình.
Hailuo H3
Mô hình video khác
Khám phá thêm mô hình qua API tác vụ video bất đồng bộ thống nhất.
