MiniMax H3 与 Hailuo 入口：多模态参考和动作控制指南

官方发布与本站入口

MiniMax 在 2026 年 7 月 31 日的 H3 公告中介绍统一处理文字、图片、视频和音频上下文的能力，列出原生立体声、最长 15 秒与 2K 输出。这些是厂商说明，不是本站对每个入口的规格保证。

本站同时有 Hailuo 2.3 和 MiniMax H3 等入口。Hailuo 的单图任务与 H3 的多模态参考不应混用输入规则。权重开放计划也不等于所有权重已经可以下载，本次不据发布计划作额外推断。

让不同参考承担不同角色

1. 图片指定人物或商品外观。
2. 视频参考运动与镜头节奏。
3. 有权使用的音频提供声音或节奏方向。
4. 用文字说明这些参考之间的关系，以及必须保留的细节。

双语多模态提示词

中文：使用图片中的运动鞋作为主体，只参考视频中的缓慢环绕运镜。鞋子始终静止，标志和鞋底结构不变。音轨保持轻微环境声，不要人声。 English: Use the sneaker in the image as the subject. Borrow only the slow orbiting camera movement from the reference video. Keep the shoe stationary, preserving its logo and sole structure. Use subtle ambience with no vocals.

检查参考是否被正确采用

运动迁移可能带入原视频的物体、背景或姿态，应检查模型是否只借用了你要求的部分。轮廓、标志与接触关系比一帧的视觉冲击更重要。

先生成短片段验证参考关系，再扩大时长与复杂度。发生问题时逐个移除参考，找出冲突来源。官方模型升级、本站接入与账号可用范围是不同环节，应以实际界面确认。