~/教學/MINIMAX.md

文章 / AI 工具

MiniMax H3:免費的開放權重 AI 影片模型,畫面、對白、配樂一次生成

MiniMax H3 是權重能免費下載的 AI 影片模型,畫面和聲音一次生成。教你在 Hugging Face 官方 Space 試用:提示詞怎麼寫、Upsample Prompt 要打開,附可複製的提示詞。

我在 Reels 放的那段影片,男生抱著小羊說了一句新台詞,嘴型也對得上,這是 MiniMax H3 的官方範例。MiniMax H3 是 MiniMax 做的影片模型,權重放在 Hugging Face 免費下載,一次就把畫面、音效、配樂和對白一起生成。這篇是 Reels 裡 MINIMAX 那支影片的完整版:它是什麼、在哪裡免費試、提示詞怎麼寫才會連聲音一起出來,還有授權上要注意的地方。

01先看結果:台詞跟嘴型是 AI 改的

Reels 畫面:3D 筆電上播放 MiniMax H3 的官方範例,穿粉紅西裝的男生在草地上抱著一隻黑色小羊,上方標籤寫官方範例・MiniMax H3 生成
官方範例:模型頁上的 Ref2VA 範例影片。H3 拿一段原本的影片和兩段參考聲音,生成一段他說新台詞、嘴型跟著動的影片。

看完這篇,你會知道:

  1. MiniMax H3 能做什麼:文字、圖片、影片、聲音都能當參考,一次生成 4 到 15 秒、帶立體聲的影片。
  2. 去哪裡免費試:Hugging Face 上 MiniMax 官方的 Space,登入免費帳號就能用。
  3. 提示詞怎麼寫:把台詞、音效和配樂寫進同一句,再打開 Upsample Prompt 讓它補完整。
  4. 授權要注意什麼:開放權重不等於開源,有幾個地區不在授權範圍內。

02MiniMax H3 是什麼

MiniMax H3 是 MiniMax 在 2026 年 7 月推出的影片模型,權重放在 Hugging Face 上,不用申請就能下載。它的特色是畫面和聲音一起生成,不用另外配音、配樂。模型頁上寫的規格:

  1. 影片長度 4 到 15 秒,每秒 24 格。
  2. 聲音是 32 kHz 立體聲,有環境音、配樂,也能說台詞。
  3. 台詞穩定支援 11 種語言,包含中文。
  4. 預設短邊 768 像素,21:9、16:9、1:1、9:16 等比例都可以。
  5. 開放的是 H3-Base(兩個版本:文字或首尾幀生成,以及多參考生成,最多 9 張圖、3 段影片、3 段聲音)。
Reels 畫面:筆電上是 Artificial Analysis 的影片剪輯排行榜,MiniMax H3 (768p) 那一列被圈起來,下方紙條寫第 5 名 Elo 1123
Artificial Analysis 的影片剪輯榜(2026-11-03 查):MiniMax H3 (768p) 排第 5 名,Elo 1123。

獨立評測網站 Artificial Analysis 的影片剪輯榜,是用真人盲測投票排名。2026 年 11 月 3 日我查的時候,MiniMax H3 (768p) 排第 5 名(Elo 1123),前面是 Wan 3.0、Dreamina Seedance 2.5、Hyperflow H3 和 Gemini Omni Flash 1.1。剛推出時 MiniMax 的官網寫它是第 1 名(7 月 31 日的排名),現在被新模型超過了。

03第 1 步:登入 Hugging Face,打開官方 Space

Reels 畫面:筆電上是 MiniMax-H3 Studio 的節點畫面,右上角 Sign in with Hugging Face 被圈起來,上方標籤寫登入 Space
MiniMax 官方的 Space:MiniMax-H3 Studio,右上角登入。
  1. 到 huggingface.co 註冊或登入免費帳號。
  2. 打開 MiniMax 官方的 Space:huggingface.co/spaces/MiniMaxAI/MiniMax-H3-Turbo-Lora(頁面標題是 MiniMax-H3 Studio)。
  3. 右上角按 Sign in with Hugging Face,用你的帳號登入。

04第 2 步:寫一句話,把聲音也寫進去

Reels 畫面:Space 的 Prompt 欄位被圈起來,裡面的範例提示詞 sizzling sounds and a cheerful bark 被螢光筆標起來
Space 自己的範例提示詞就把聲音寫進去了:煎鬆餅的滋滋聲、狗開心地叫。

H3 會照你寫的內容生成聲音,所以畫面之外,把台詞、音效和配樂都寫出來。Space 裡預設的範例是「戴廚師帽的柯基在廚房翻鬆餅,有滋滋聲和開心的叫聲」,聲音就寫在同一句裡。換成你的場景:

提示詞(英文寫場景,台詞可以寫中文)
[scene, e.g. a small cafe in Taipei at golden hour]. [character, e.g. a young barista in an apron] pours latte art, then looks at the camera and says in Mandarin: "[your line]". Sound: [sound effects, e.g. the espresso machine hissing, cups clinking]. Music: [music, e.g. soft lo-fi jazz]. Cinematic, shallow depth of field.

想先用中文想清楚,可以照這個順序填,再翻成英文貼進去:

中文草稿(照順序填)
[場景],[角色][在做什麼],看著鏡頭說:「[台詞]」。音效:[音效]。配樂:[配樂]。電影感,淺景深。

05第 3 步:打開 Upsample Prompt,再按 Run

Reels 畫面:燈光變暗後亮回來,筆電上 generate_video 節點的 upsample 被圈起來,一個寫著補完整的綠色徽章從筆電彈出來
Upsample Prompt:讓它先把你的一句話改寫成完整的提示詞,再生成。

只丟一句短短的話,效果通常會打折。MiniMax 在模型頁上說,理解和補完提示詞的那一步「對最後的品質很關鍵」。Space 裡對應的開關就是 Upsample Prompt:打開之後,它會先把你的提示詞改寫完整,改寫後的版本會出現在 Refined Prompt。

  1. Canvas 選比例:要放 Reels 就選 9:16(例如 544x960 · 9:16 fast)。
  2. Duration 設秒數,先用 5 秒試。
  3. Upsample Prompt 打開。
  4. 按右下角的 Run,等它跑完,Output Video 會出現影片,聲音在影片裡。
Reels 畫面:筆電上 Space 的 Run 按鈕被圈起來,旁邊的 Output Video 被標起來,上方標籤寫按 Run
按 Run,畫面和聲音一起出現在 Output Video。

06想要 2K 畫質或改現成的影片

Reels 畫面:Claw'd 站在工作台上,畫面、音效、配樂、台詞四個方塊打勾變綠,牆上螢幕播放 MiniMax H3 官方範例
畫面、音效、配樂、台詞,一次生成。

官方 Space 是快速版(用 Turbo LoRA,4 或 6 步),適合先試效果。要 2K 畫質、或像 Reels 裡那樣拿一段現成影片改台詞、換背景,用 MiniMax 自己的工具:

  1. 網頁版:海螺 AI(hailuoai.video/tools/minimax-h3),登入後選 MiniMax H3,付費方案每月 9.99 美元起。
  2. 開發者:MiniMax 開放平台的 API(platform.minimax.io),需要 API 金鑰,依用量計費。
  3. 自己跑:模型頁有 SGLang、vLLM、diffusers 和 ComfyUI 的教學,但完整權重很大,官方範例用 4 張 GPU。

07要注意

  1. 授權是 MiniMax H3 社群授權:不涵蓋歐盟、英國、韓國和美國,人在這些地區就不能用這份授權;台灣在授權範圍內。
  2. 商用時要在產品介面上標示「MiniMax H3」;年營收超過 2,000 萬美元要另外申請授權。
  3. 上傳的文字、圖片、影片會經過自動審核,可能被擋,也可能誤擋。
  4. 排行榜名次會變:這篇寫的是 2026 年 11 月 3 日的名次。
  5. 網路上有人說 5 到 6 GB 顯示卡就能跑,那是第三方的優化版,不是官方的,我沒有驗證。
  6. 這篇是在主頁連結輸入關鍵字 MINIMAX 找到的,不會私訊。

資料來源

延伸閱讀