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 是什麼
Hailuo 3（又稱 MiniMax H3 / Hailuo 3.0 / Hailuo 03）是 MiniMax 於 2026 年 7 月 31 日發表的影片生成模型：單一全模態 Transformer，官方規格為 4–15 秒、24fps、768p/2K 解析度，原生 32kHz 立體聲音訊與畫面在同一趟推理中生成；官方另主張支援最多 9 張參考圖 + 3 段參考影片 + 3 段參考音訊（合計不超過 12 個檔案）與約 7000 字元提示詞，音訊支援 11 種語言。
Roko 透過 /v1/videos/tasks 非同步任務介面接入 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；輸入模態涵蓋 text、image、video、audio。時長 4–15 秒（預設 4 秒），解析度 768p/2K（預設 768p），比例 21:9、16:9、4:3、1:1、3:4、9:16（預設 16:9）。
價格以 Roko 公開目錄為準：768p 每秒 $0.0836，2K 每秒 $0.1364，按輸出秒數計費；參考素材含影片時按輸入影片秒數 + 輸出秒數計費（768p 等效每輸出秒 $0.1672，2K 等效 $0.2728），第 6 張起的參考圖每張另加 $0.0418。MiniMax 官方 API 的每秒單價與 Roko 不同，兩者不互相換算。
模型價格
價格依目前正式環境設定，並按各生成路線實際支援的計費維度展示。
| 路線 | 價格 | 計費方式 |
|---|---|---|
| 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 |
費用估算範例
以下範例按 Roko 公開目錄單價複算；提交時按公開參數預估，完成後可能按供應商回傳的實際用量結算。
8 秒 × $0.0836/秒 = $0.6688
無參考素材的標準文生影片檔位，社群短片大量生產常用。
10 秒 × $0.1364/秒 = $1.364
上傳 1–2 張圖作為首幀或風格參考並輸出 2K，適合需要後製裁切的主版素材。
(6 秒輸入影片 + 6 秒輸出) × $0.0836/秒 = $1.0032
參考素材含影片時按輸入影片秒數 + 輸出秒數雙程計費，等效每輸出秒 $0.1672。
8 秒 × $0.0836/秒 + 3 張 × $0.0418/張 = $0.7942
第 6 張起的參考圖每張加 $0.0418，8 張即 3 張加價；適合多角色、多場景的一致性需求。
模型資訊
僅列出供應商開發文件已確認且本平台已接入的子模型、能力與限制。
minimax-h3-text-to-video
- 能力限制
- —
- 時長
- 4–15s
minimax-h3-image-to-video
- 能力限制
- 圖片 1–2
- 時長
- 4–15s
minimax-h3-reference-to-video
- 能力限制
- 圖片 0–9 · 影片 0–3 · 音訊 0–3
- 時長
- 4–15s
核心能力
全模態參考輸入（最多 12 個檔案）
參考生影片路線最多接受 9 張參考圖、3 段參考影片和 3 段參考音訊，合計不超過 12 個檔案，用於約束角色、場景、動作與聲音。影片與音訊參考為官方主張的能力，實際效果以任務返回為準。
原生立體聲音訊一次生成
官方稱 32kHz 立體聲音訊與畫面在同一趟生成，無需事後配音，音訊支援 11 種語言。Roko 按輸出秒數統一計費，音訊不另外加價。
768p 與 2K 雙檔解析度
預設 768p 適合大量生產，2K（每秒 $0.1364）適合需要後製裁切或大螢幕投放的成品。時長 4–15 秒（預設 4 秒），可依敘事節奏選擇。
六種畫面比例
支援 21:9、16:9、4:3、1:1、3:4、9:16（預設 16:9），從電影寬幅到直式短影音一次涵蓋，无需生成後強行裁切。
長提示詞與角色一致性
官方主張提示詞最長約 7000 字元，搭配參考圖/影片/音訊可保持角色與風格一致；發表時 Artificial Analysis 排行影片剪輯第 1、文生第 2、圖生第 3（第三方排行，非 Roko 實測）。
主要參數
以下參數由結構化模型設定產生；未設定或供應商不支援的參數不會顯示。
modelstring子模型 ID
預設值: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。
預設值:必填durationinteger按輸出影片秒數
預設值:4–15squalityenum目前計費
預設值:768p / 2kaspect_ratioenum生成能力
預設值:21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16image_urlsarray圖片生成影片: 1–2 · 參考素材生成影片: 0–9
預設值:依生成路線video_urlsarray參考素材生成影片: 0–3
預設值:依生成路線audio_urlsarray參考素材生成影片: 0–3
預設值:依生成路線模型能力與使用建議
主要特色
- 文字生成影片 · minimax-h3-text-to-video
- 圖片生成影片 · minimax-h3-image-to-video
- 參考素材生成影片 · minimax-h3-reference-to-video
- 768p / 2k 輸出
- 4–15s 時長
使用限制
- 圖片生成影片: 圖片 1–2
- 參考素材生成影片: 圖片 0–9 · 影片 0–3 · 音訊 0–3
- 能力來源: https://evolink.ai/zh/hailuo-3
限制與注意事項
- 參考素材含影片時按輸入影片秒數 + 輸出秒數雙程計費，參考片越長費用越高。
- 參考圖第 6 張起每張另加 $0.0418，多圖參考會線性增加成本。
- 提交成功只是任務受理，不代表生成成功；結果以終態查詢為準。
- 輸出連結有有效期，逾時失效，務必及時轉存成品。
- 2K 檔生成耗時通常長於 768p，對時效敏感的任務建議預留等待時間（具體耗時以實測為準）。
呼叫流程
- POST /v1/videos/tasks 提交任務，body 中 model 填 hailuo-3，按路線附帶 prompt、首幀圖、參考影片/音訊、duration、resolution、aspect_ratio 等參數，返回 task_id。
- 輪詢 GET /v1/tasks/{task_id}，直到狀態進入 succeeded 或 failed 終態。
- succeeded 後從任務結果讀取影片 URL；Roko 輸出連結有有效期，及時轉存到自己的儲存空間。
- failed 時讀取錯誤訊息，修正提示詞或參數後用相同流程重新提交；失敗任務按平台退款規則結算。
- 提交成功只代表任務受理，不代表生成成功；最終以終態查詢結果為準。
典型使用場景
帶台詞與音效的社群短片
輸入：場景提示詞（MiniMax 官方主張音訊支援 11 種語言）+ 16:9 或 9:16 比例；操作：文生路線、4–15 秒；預期：上游能力可在同一趟生成聲畫同步素材；限制：Roko 目錄未列獨立音訊開關，是否回傳音訊以任務結果為準，且單條最長 15 秒。
多參考一致性的角色短片
輸入：角色參考圖 + 場景參考影片 + 音色參考音訊（合計 ≤12 個檔案）；操作：reference-to-video 路線；預期：角色外觀與聲音跨鏡頭保持一致；限制：一致性效果依賴參考素材品質，需實測驗證。
影片剪輯與風格化
輸入：現有影片片段 + 剪輯指令提示詞；操作：參考影片路線，按輸入影片秒數 + 輸出秒數計費；預期：官方排行主張 H3 發表時影片剪輯列第 1（第三方排行，非 Roko 實測）；限制：輸入影片秒數計入費用，需控制參考片長度。
2K 廣告主版
輸入：產品圖 1–2 張 + 高細節提示詞；操作：圖生路線 + 2K 檔（每秒 $0.1364）；預期：可進入後製調色與裁切的高解析度主版；限制：2K 單價更高且生成耗時通常更長，建議先用 768p 驗證提示詞。
與站內其他影片模型的選擇
只做定位與計費口徑對比，最終以各模型目錄與實測為準。
hailuo-3 vs kling-o3
H3 主打全模態參考輸入（圖/影片/音訊一次餵入）與原生立體聲音訊，按輸出秒數計價；kling-o3 主打 4K 與多鏡頭敘事。要參考驅動、自帶音訊選 H3，要高解析度長敘事選 kling-o3，兩者價格口徑不同。
hailuo-3 vs kling-3.0-turbo
kling-3.0-turbo 以速度與更低單價見長，適合快速迭代草稿；H3 參考模態更深（最多 12 個參考檔案）且原生帶音訊，適合成片品質優先的關鍵鏡頭。草稿用 turbo、關鍵鏡頭用 H3 是常見組合。
hailuo-3 vs happy-horse-1.1
happy-horse-1.1 偏向多鏡頭敘事與更低單價；H3 的差異化在參考模態深度與音訊同趟生成。預算敏感的大量敘事選 happy-horse-1.1，參考驅動、聲畫一體的單鏡頭選 hailuo-3。
常見問題
hailuo-3 在 Roko 上的模型 ID 和路由是什麼？
提交任務時 model 填 hailuo-3：文生路由到 minimax-h3-text-to-video，圖生路由到 minimax-h3-image-to-video，參考生路由到 minimax-h3-reference-to-video。實際子模型以任務返回為準。
Hailuo 3 生成一條影片多少錢？
按輸出秒數計費：768p 每秒 $0.0836，2K 每秒 $0.1364；參考素材含影片時按輸入影片秒數 + 輸出秒數計費，第 6 張起參考圖每張加 $0.0418。例如 768p 文生 8 秒為 $0.6688。提交時按公開參數預估，完成後可能按實際用量結算。
支援哪些時長、解析度和比例？
時長 4–15 秒（預設 4 秒）；解析度 768p/2K（預設 768p）；比例 21:9、16:9、4:3、1:1、3:4、9:16（預設 16:9）。以 Roko 目前目錄為準。
能生成帶音訊的影片嗎？
MiniMax 官方稱 H3 可在同一趟生成 32kHz 立體聲音訊與畫面，音訊支援 11 種語言；但 Roko 目前目錄未列獨立音訊開關，實際是否回傳音訊以任務結果為準。目錄計價運算式也未列音訊附加費。
參考檔案最多能傳多少？
圖生接受 1–2 張圖；參考生最多 9 張參考圖、3 段參考影片、3 段參考音訊，合計不超過 12 個檔案。第 6 張起的參考圖每張另加 $0.0418。
為什麼提交成功後不能立刻拿到影片？
hailuo-3 走 /v1/videos/tasks 非同步任務：提交成功只是受理，生成需要排隊與推理時間。請輪詢 GET /v1/tasks/{task_id}，狀態進入 succeeded 後再讀取影片 URL。
有免費額度嗎？
hailuo-3 按量計費，Roko 目錄未列出免費額度；費用在提交時按公開參數預估、完成後按實際用量結算，以任務終態與定價頁為準。
生成的影片可以商用嗎？
能否商用取決於你的輸入素材權利、模型授權條款與目標平台規則：上游 H3-Base 權重採用 Community License，商業使用前請自行審查授權與平台條款，Roko 不構成法律意見。
輸出連結會一直有效嗎？
不會。Roko 輸出連結有有效期，逾時後失效，請在任務完成後及時下載並轉存到自己的儲存空間。
資料來源
上游能力主張來自 MiniMax 官方發布與開放權重資料；Roko 可呼叫參數、路線與價格來自目前生產目錄。核驗日期：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
繼續查看同一模型家族的其他可用版本。
Hailuo H3
其他影片模型
瀏覽支援統一非同步影片任務介面的其他模型。
