從這裡開始
整個八月,MiniMax H3 都在把動畫創作者往自己這邊拉:這是一個全模態影片模型,能生成最長 15 秒、帶原生立體聲音訊的片段,雲端版本能到 2K,而且——對角色向創作來說最關鍵的一點——它支援混合參考,一個片段可以同時由圖片、素材片段和音訊共同引導。8 月 27 日,它旁邊多了一個新名字:MiniMax H3 Max,一個和 fal.ai 合作、在 H3 基礎上做速度調優後訓練出來的檔位。搜尋熱度立刻飆升,隨之而來的還有一堆"我到底該用哪個"的困惑。
長話短說:H3 Max 不是一個"更強大"的 H3。它是一個快得多、便宜得多的 H3,上限封在 768p——但在這個上限之內,它完全不是降級版:在公開的圖生影片排行榜上,它目前排名第一,超過了它脫胎而來的基礎模型。你唯一捨棄的東西只有一樣——2K 精修。這篇指南具體講清楚,這對動畫和 OC(原創角色)創作意味著什麼。
H3 Max 不是更大的 H3
H3 Max 是 H3 的一個後訓練變體,針對生成速度和成本做了最佳化:
| MiniMax H3 | MiniMax H3 Max | |
|---|---|---|
| 解析度 | 開源權重 768p;雲端最高 2K | 480p / 768p |
| 模式 | 文生影片、圖生影片、混合圖片/影片/音訊的參考生成 | 文生影片、圖生影片,以及——發布幾天後補上的——同樣的混合參考生成(圖片、影片、音訊) |
| 音訊 | 原生立體聲,與畫面一起生成 | 原生立體聲,與畫面一起生成 |
| 速度 | 長片段需要幾分鐘量級 | 近乎實時:官方資料是 5 秒片段不到 3 秒;早期使用者反饋 10 秒片段大約 10 秒就能生成 |
| 調優方向 | 能力覆蓋面 | 提示詞還原度、畫面美感和吞吐量 |
| 雲端定價 | 單秒價格更高 | 480p 約 $0.05/秒,768p 約 $0.08/秒;參考輸入按 token 計費,前幾張圖免費 |
還有一個事實會改變你對這次發布的理解:這不是一個"快但差"的檔位。H3 Max 目前在公開圖生影片排行榜上排名第一——Design Arena 給它的評分高於它脫胎而來的基礎版 H3——因為這次後訓練在追求速度之前,先瞄準的是提示詞還原度和畫面美感。在 768p 範圍內,Max 可以說是更好的那個模型。
解析度上限是架構層面的,不是一個等著被開啟的開關。H3 本身渲染在 768p,靠一個獨立的重生成階段才能到 2K;而開源出來的只有基礎模型的權重,所以在這些權重上後訓練出來的模型,自然也沒有 2K 階段可以繼承。H3 Max 停在 768p 不是"2K 以後會加上",這就是它的設計本身。
兩個檔位共有的,是當初讓 H3 變得有意思的那個特性:音訊是和影片一起被預測出來的,而不是事後配上去的。環境音、打擊音效、音樂重音都能精準踩在動作上,因為它們本來就是和動作一起生成出來的。
近即時＋低成本真正解鎖了什麼
近乎實時、便宜、768p 的片段徹底改變了製作流程裡的一個環節:迭代。走位分鏡、測試一個動作看不看得懂、給同一個節拍試四種不同的時間點——一秒才幾分錢,片段還沒等你重新讀完自己的提示詞就回來了,你完全可以放心大膽地一直試錯。這是一種不同的創作模式,不只是更便宜:當一次嘗試只要幾秒鐘成本時,你會去探索,而不是急著敲定。
而且因為參考生成在發布幾天後就補給了 Max,迭代也不再意味著要放棄身份一致性。你可以用參考圖鎖定你的 OC——按量計費下前幾張還是免費的——並且做到不跑設定的草稿,用影片片段和音訊引導,方式和完整版模型一樣。
Max 依然做不到的是精修解析度:2K 階段在架構上就只屬於正式版 H3。所以老實的分工方式是:
- 在 Max 上迭代——動作測試、時間點變體、構圖草稿、帶參考鎖定的身份檢查,全部用 768p 的速度來做。
- 在完整版模型上出成片——把定稿的剪輯,用同一套參考重新渲染到 2K,配上你真正要發布的原生音訊。
如果你是想拿 H3 跟其他成片級模型做對比,那是另一個問題——H3 對比 Seedance 2有專門的正面對比。
怎麼在 ArcLoop 裡跑草稿-精修分工
一個模型檔位只有放進一個能在你來回切換快速檔和成片檔時、依然保持角色和剪輯穩定的工作流裡,才真正有用。在 ArcLoop 裡,這個結構就是專案本身:
在任何生成之前先鎖定身份。 先把角色建成角色資產,繫結它們的參考圖。草稿階段正是身份最容易跑偏的時候——一條便宜的快速片段如果把你 OC 的臉都改了樣,那對這個鏡頭本身沒有任何參考價值。在每條鏡頭描述裡都用 @ 引用角色,能讓哪怕是隨手扔掉的草稿也不跑設定,因為引用角色資產比每次從頭描述角色要靠譜得多。
在 Storyboard 裡出草稿,而不是在提示詞框裡單打獨鬥。 從你 Episode 的 Storyboard 生成 Shot,這樣每條快速草稿都會掛在它所屬的 shot card 上。Shot 7 的四個時間點變體,就一直待在 Shot 7 底下——方便比較、方便替換,不會散落在下載資料夾裡找不著。
直接"晉級",不用重做。 當某個草稿版本勝出時,它所在的 shot card 上已經有了描述、角色資產引用和它在剪輯裡的位置。直接在 MiniMax H3 上用完整設定重跑同一個 Shot 出成片——同一個鏡頭,同一套參考,只是檔位更高——而不是憑記憶重新拼一遍提示詞。
先用草稿剪,再用成片替換。 在鏡頭還是 768p 草稿的階段就先把 Episode 的時間線拼起來;節奏問題在任何解析度下都看得出來,趁早發現比花了精修額度之後被剪輯砍掉要划算得多。等定稿了,再逐個鏡頭把成片換進去。這和適用於所有分檔模型家族的成本控制邏輯是一回事:把錢花在觀眾會看的地方,還沒定下來的地方就先省著。
浪費速度優勢的方法
- 用速度檔位出成片。 一個 768p 的 PV 事後放大,是沒法跟這一季原生 2K 的作品比的。Max 是用來出草稿的,就讓它專心幹這件事。
- 不鎖身份就直接出草稿。 角色沒鎖定的快速迭代,得到的反饋是關於噪點的,而不是關於你這個鏡頭的。先建角色資產,再出草稿。
- 按上週的參數列來做規劃。 Max 剛發布時參考生成還是"即將上線",幾天後就正式支援了;網上大部分對比文章至今還寫著它沒有這個功能。這個模型家族每週都在變,決定用不用之前,先去介面本身確認一下能力清單,別隻信舊文章。
- 只比較每秒單價。 一個用 $0.08/秒 重新生成八次的草稿,花費可能比在完整版模型上認真出一次還貴。要算的是整個迴圈的成本,不是單條片段的成本。
- 讓一個當紅模型打亂一套已經跑順的流程。 每個模型家族都在不斷推出新檔位。只要你的專案結構本身就把"出草稿"和"出成片"分開了,任何新發布的模型都能在一個下午之內被塞進這兩個角色裡的一個——這才是能一直管用的能力,而不是記住某一個模型的參數列。
常見問題
MiniMax H3 Max 比 H3 好嗎?
在 768p 範圍內,很多時候是的——它在圖生影片排行榜上排名超過了自己的基礎版,現在也補齊了 H3 的模式列表,包括混合參考生成。H3 獨佔的只有 2K 輸出階段。"更好"取決於這一遍生成是為了迭代,還是為了發布。
它到底有多快?
官方給出的資料是 5 秒片段不到 3 秒;早期使用者反饋 10 秒片段大約 10 秒就能拿到。不管哪個數字,這都是一種不同的工作節奏——更接近重新生成一張圖,而不是排隊等一段影片。
我能在 ArcLoop 裡用 MiniMax H3 嗎?
可以——H3 已經作為一個生成模型接入 ArcLoop,具體設定取決於你選擇的生成模式。可以看 MiniMax H3 模型頁面,瞭解它在動畫創作裡最擅長的場景:PV、片頭,以及那些靠原生音訊撐起整個片段的音樂驅動鏡頭。 H3 Max 現在也作為獨立模型進了 ArcLoop：可以掛圖片、影片、音訊參考，5 秒 480p 大約 3 秒出片，見 MiniMax H3 Max 模型頁。
H3 Max 也能生成音訊嗎?
能。音畫同生這個特性來自它們共用的基礎模型,所以速度檔位出的草稿,聲音依然能精準踩在動作上——這對你在正式出片前先測試一個卡點想法成不成立很有用。
我需要角色在不同鏡頭之間保持一致,該用哪個檔位?
兩個檔位現在都支援參考圖,草稿和成片階段都能鎖定身份。真正決定一致性的規矩其實在更上游:把角色的標準參考圖繫結在一個角色資產上,不管是快速檔還是成片檔,每次生成都從這同一個來源去取,而不是隨手抓一張順手的圖。
檔位是戰術，不是戰略
H3 Max 的發布確實是個好訊息:你迭代流程裡"出草稿"的那一半,一下子變得更快也更便宜了。但速度檔位只會獎勵那些專案結構本來就搭好去利用它的創作者——角色鎖定成資產、鏡頭活在 Storyboard 的 shot card 上、剪輯流程能接受草稿又能替換成片。把這套結構搭好一次,以後每個發布出來的快速新模型,都會變成你迭代速度上的一次升級,而不是對你一致性的威脅。開啟你的專案,鎖定你的角色,讓便宜的檔位安心便宜下去。
