这个搜索到底在问什么
"MiniMax H3 max" 是个有歧义的搜索词,两种理解都值得认真回答。有些人指的是 H3 Max,也就是八月底发布的那个速度调优档位。但从周边的搜索词来看——max duration、max length、max resolution——大多数人问的其实是这个模型本身的上限:一条片段能多长、能渲染多大、能用多少参考。
这篇文章把两件事一起讲清楚:MiniMax H3 的硬性限制、H3 Max 有哪些不一样的限制,以及对动画创作者来说最实际的部分——当一个场景需要的比上限还多时,该怎么规划。
各项限制,一张表看完
| MiniMax H3(云端版) | MiniMax H3(开源权重 / 自托管) | H3 Max | |
|---|---|---|---|
| 片段时长 | 4–15 秒 | 4–15 秒 | 最长 15 秒 |
| 最高分辨率 | 2K(2560×1440) | 768p | 768p(可选 480p) |
| 画幅比例 | 21:9、16:9、4:3、1:1、3:4、9:16、auto | 相同 | 同一族比例 |
| 参考图片 | 最多 9 张 | 最多 9 张 | 最多 9 张(参考模式在发布后补上) |
| 参考视频片段 | 最多 3 段,每段 2–15 秒,总长 15 秒 | 最多 3 段 | 最多 3 段 |
| 参考音频 | 最多 3 段,必须搭配一段画面 | 相同 | 相同 |
| 原生音频 | 32kHz 立体声,和画面一起生成 | 支持 | 支持 |
| 生成速度 | 长时长 2K 片段是分钟级 | 取决于硬件 | 接近实时:5 秒片段不到 3 秒 |
| 续写 | 对已有片段做音画续写 | 支持 | — |
表格背后有三个细节,实际用起来很重要:
2K 是第二道工序。 H3 本身渲染在 768p,靠一个独立的云端重生成阶段,拿着原始上下文把结果提升到 2K。开源出来的只有基础模型的权重,这就是为什么自托管的 H3,以及在这套权重上后训练出来的每一个模型——包括 H3 Max——都停在 768p。这是架构层面的限制,不是一个等着被打开的开关。
15 秒是单次生成的上限,每个档位都一样。 更长的序列要靠多条片段搭出来——续写、拼接,或者剪辑。片段拼接指南讲了每种方法分别适合什么场景。
音频参考离不开画面。 一段音频不能单独提交,它得搭配一张图片或一段视频参考一起用。如果你想用一段音乐节奏来引导生成,记得给它配一张画面。
H3 Max 改变了什么,又没改变什么
H3 Max 是基于 H3 开源权重、和 fal 合作后训练出来的一个档位,针对提示词还原度、画面美感和吞吐量做了专门调优。在公开的图生视频排行榜上,它排在自己脱胎而来的基础版 H3 之上,所以在 768p 范围内,它不是一个将就的选择。它的上限只在两个地方比 H3 窄:没有 2K 阶段,也没有续写模式。其他方面——15 秒时长、混合参考、原生音频——都和 H3 一样。H3 Max 工作流指南讲了怎么在两个档位之间拆分草稿和成片。
一拍一条:在 15 秒窗口里规划镜头
本能反应是想跟这个上限较劲——把一整个场景硬塞进一次生成里。但动画本来就不需要这样做。一个典型的动画场景会被剪成 2 到 8 秒一个的镜头;15 秒对单个镜头来说绰绰有余,对整个场景来说反而不对。按这个思路来规划:
一条片段一个节拍。 一条 15 秒的片段能装下一个有开头、转折、结尾的持续动作。硬塞三个故事节拍进去,不管什么分辨率都会糊成一团。
时长按节拍定,不是按上限定。 一个反应镜头 4 秒就够了。一个边走边揭示的镜头适合 8 秒。只有需要撑住整段表演——一句唱段、一次缓慢的靠近——才值得用满 15 秒。短片段成本也更低,失败了损失也更小。
让 Storyboard 来决定怎么切。 在 ArcLoop 里,一个 Episode 会在 Storyboard 上被拆成一张张 shot card——每张卡是一次生成,有自己的时长、运镜和 @ 资产引用。15 秒的限制就不再是约束了,因为没有哪个镜头需要超过它;场景的长度来自 Edit 时间线,片段在那里被排列、剪裁、替换。时长与节拍设计指南讲了怎么给每个镜头定时长。
分辨率花在观众会看的地方。 2K 留给撑起整段序列的关键镜头——主视觉画面、片头节拍——去做最终一版。草稿、节奏测试,还有剪辑里会显得很小的镜头,可以用 Max 跑 768p,或者用更低的设置,这和适用于所有分档模型家族的成本控制逻辑是一回事。
动画的画幅比例说明
- 16:9 适合 PV、片头,以及任何要投到横屏播放器上的内容。
- 9:16 适合竖屏短片和微短剧;把角色框在画面中间那条带里,因为顶部和底部通常会被平台 UI 挡住。
- 21:9 适合电影感的片头节拍——但要记住 2K 阶段的像素预算是固定的,超宽画幅是用高度换宽度换来的。
- Auto 适合让参考图来决定画幅的时候;输出会跟着输入图的形状走。
常见问题
MiniMax H3 的最大时长是多少?
单次生成最长 15 秒,最短 4 秒。更长的作品要靠多条片段搭出来。
最高分辨率是多少?
云端模型最高 2K(2560×1440)。自托管的 H3 和 H3 Max 档位最高只能到 768p,因为 2K 重生成阶段不在开源权重里。
"H3 Max" 就是"拉满设置"的意思吗?
不是。H3 Max 是一个独立的、更快的档位,上限是 768p。基础模型的最高输出是云端的 2K 结果。
我最多能用多少张参考图?
单次生成最多 9 张图片、3 段视频、3 段音频。在 ArcLoop 里,角色绑定的 Main image 和 Reference image,就是你用 @ 引用这个资产时模型会读取的内容。
限制就是一份剪辑指南
15 秒和 9 张参考听起来很受限,但只要你像动画师一样去规划就不会:一个镜头一个节拍,参考图绑在角色身上而不是每次重新上传,场景在时间线上拼装完成。打开一个项目,把场景拆成一张张 shot card,让这些限制告诉你该在哪里切。
