MiniMax H3 對比 Seedance 2.0：哪個 AI 影片模型更適合影片創作（或短劇製作）？

先給結論

「哪個更好」這個問題裡藏著兩個問題。影片創作問的是誰給你更大的餘地——解析度、參考額度、控制力。短劇製作問的是一個更窄也更難的問題：誰能在十二個鏡頭裡保住同一張臉。這兩個問題答案不同，所以本文把它們分開談。

兩張規格表幾乎完全一樣，所以該選誰，取決於你怎麼幹活，而不是誰的資料表更長。

• 正在持續出片的獨立創作者和小團隊 → 選你工作流裡已經接好的那個。圍繞模型的整合價值，大過這兩個模型之間的差距。
• 有工程團隊、每秒成本已經成為會議議題的生產線 → MiniMax H3，為了開放權重——但先看清一件事：自部署封頂 768p，而且決定成片品質的那一步仍然要回調 MiniMax 的 API。
• 快速探索、提案、試想法 → Seedance 2.0，它的自動時長模式幫你在每次生成時少做一個決定。
• 想一次生成裡就做出多鏡頭敘事 → Seedance 2.0，從 1.0 起就把多鏡頭當原生能力做。
• 交付要求 4K → 看平台，不看模型。解析度上限是由你在哪兒跑決定的。

具體到 AI 短劇，兩張資料表都決定不了——決定它的是跨鏡頭的連續性，而這件事只能在你自己的角色上量。文末七條測試就是幹這個的。

看表之前先說一句。這兩個都是引擎。真正決定一集能不能交付的是它們之上的那一層：讓十二個鏡頭看起來像同一部劇的世界觀、每條提示詞都要扛住的角色、把劇本變成可生成之物的分鏡表。ArcLoop 就是這一層——世界觀、角色、分鏡、鏡頭，引擎在底下隨時可換。下面的對比請當作選引擎讀，不是排產方案。

規格並排：MiniMax H3 vs Seedance 2.0

兩張規格表並排貼上，本該看到一場架，看到的是一面鏡子。

九張圖。三段影片。三段不能單獨提交的音訊。四到十五秒。同樣六種畫幅。聲音跟畫面一起生成，而不是事後配上去。

這不是家族相似，這是兩家沒有互通的公司把同一個答案算了兩遍。競品收斂到這個精度時，這些數字就不再是差異點，而是入場門檻。

而對比的矛盾正是從這裡開始的。一共三重：

表上說一樣，血統說不一樣。 同樣的參考額度、同樣的時長——但一家從 1.0 起就把多鏡頭敘事當原生能力做，另一家整個圍繞單個鏡頭組織。輸入一模一樣，工作單元不是一回事。

「開放」的那個並不完全開放。 H3 放了權重，這看起來是整張表上最大的優勢——直到模型卡告訴你，被它自己稱為「對最終輸出品質至關重要」的模組沒有放出來，而且自部署封頂 768p。看起來最有決定性的那一行，恰恰是附加條款最多的一行。

能下載的那個，跑得比不能下載的低。 H3 的權重你可以拿回家自己託管——解析度封頂 768p。Seedance 2.0 的權重你拿不到，但它在 ArcLoop 上能到 4K。你能帶走的那個給你更少的畫面，你只能租的那個給你更高的上限。

這三重矛盾，往表格下面繼續讀是解不開的。下面四項能力，才是它們真正顯形的地方。

指令遵循與運動品質

兩者都吃長的、有結構的提示詞。H3 上限 7000 字元；Seedance 2.0 在 ArcLoop 上建議控制在 1500 詞以內。這兩個額度都足夠你在一次裡寫清節拍時間、鏡頭行為、服裝細節、負面約束和聲音——也就是說，誰都沒給你寫得含糊的藉口。如果你還在寫一句話提示詞，瓶頸不是模型，是沒把鏡頭語言寫出來。

運動品質恰恰是公開規格最幫不上忙的地方。兩邊都沒有為它公布任何指標，也沒有第三方拿同一組角色把這兩個模型並排跑過，而「看起來自然」本身不是一個數字。複雜運動、手、布料和皮膚是最後才出問題、也最容易被一眼看穿的部分——正因如此，它屬於你自己跑的測試，而不是你讀到的某一行。

規格表能告訴你的是描述運動的額度：7000 字元或 1500 詞，足夠把節拍時間、鏡頭行為和負面約束寫進同一條提示詞。你給出多少具體性，模型大致就回報多少。

參考素材被「遵循」的程度上還有一處真差別：ArcLoop 關於 Seedance 2.0 的說明裡寫著，參考影片可能是被理解，而不是被逐格複現。H3 的材料則把影片參考描述成可以直接交接的鏡頭運動。「給我個感覺」和「照著這條軌道走」是兩種活。你需要哪一種，取決於你在探索，還是在執行一份已經定稿的分鏡。

參考與角色控制

額度完全相同，所以功夫全在怎麼分派角色。

兩者獎勵的是同一種紀律：在描述任何動作之前，先說清每份素材管什麼。兩三張圖固定角色身分，一張圖固定世界的配色和質感，一段影片承載動作或剪輯節奏，一段音訊承載音色。然後明說——「圖2 是角色身分參考，影片1 是運鏡參考，保持圖2 的服裝不變」。

語法略有不同。Seedance 2.0 在 ArcLoop 上用 @ 提及已上傳素材，H3 按位置引用。這是表面差異，要求是同一個：含糊的多參考提示詞只會產出被平均掉的結果，因為模型得自己猜九張圖裡哪張對臉有最終解釋權。

對劇集來說真正致命的失敗是身分漂移，而它不會在單張主視覺上暴露。它暴露在轉身、暴露在換光、暴露在第二集。這就是角色一致性值得在素材層解決一次的原因，也是用 OC 做系列動畫短片的前提。

落到實操，這就是角色為什麼要活在引擎之上。在 ArcLoop 裡，你在故事與角色裡把角色建一次，整集的每個鏡頭複用同一張卡——錨點是一份存下來的資產，而不是一段你反覆手打、慢慢走樣的描述；角色資產本身可以在 AI 角色生成裡先立起來再進鏡頭。無論你把它指給哪個模型，身分參考都是同一個檔案。

多鏡頭敘事

這是兩條技術路線真正分岔的地方，也是整張對比表上最清晰的一處優勢。

Seedance 從 1.0 起就把多鏡頭敘事當原生能力——一次生成多個連貫鏡頭，並在切換之間保持主體和風格。2.0 延續了這一點，2.5 把它推向長敘事：單次 30 秒，內含多個有邏輯關聯的鏡頭，再加多輪延長。

H3 公開的材料則是圍繞單個鏡頭組織的：4 到 15 秒，靠延續把一場戲往後接。

對劇集來說，這改變的是你的工作單元。單鏡頭模型把順序問題完全留給你——分鏡是承重文件，剪輯是你的活。多鏡頭模型接管其中一部分，代價是你對切點落在哪裡少了一些控制。

抽象地講誰更好沒有意義。如果你有一份已定稿、鏡頭表鎖死的分鏡，單鏡頭加強控制更好指揮。如果你要產能、想用一條提示詞換一個連貫的 30 秒段落，多鏡頭領先。

但無論哪種，順序這件事都歸你、不歸模型——這正是分鏡工具和從分鏡生成鏡頭存在的意義，AI 分鏡生成是對應的入口。在 ArcLoop 裡，分鏡是把一集拴住的那份文件：它定死什麼按什麼順序發生，每張卡再變成一個可生成的鏡頭。多鏡頭引擎能一次填更多卡，但填不了「你到底需要哪些卡」這個判斷。

音訊與編輯能力

兩者都原生出聲，而不是丟給你一段啞片去配。兩者都要求音訊參考必須跟著畫面——這是格式在告訴你：聲音是角色的屬性，不是一份獨立素材。Seedance 2.0 多給了一個 H3 材料裡沒提的選項：可以關掉音訊，輸出無聲版本。

既然輸出一定帶聲，「安靜」就成了一個你必須明確做出的選擇。寫清環境聲、兩三個能立住空間的具體音效，以及節拍落點。不寫聲音的鏡頭照樣會有聲音，只不過不是你要的那個。具體到角色聲音，給每個角色留一張聲音卡比每條提示詞重新描述一遍穩；如果你主要關心配音，Seed Audio 與 ElevenLabs 的對比比兩個影片模型的文件都講得深，豆包音訊生成的提示詞寫法補上具體句式。

編輯方面，兩者都讓你改一段已有影片而不是重抽。Seedance 2.0 做影片轉影片：換物體、換背景、改風格。H3 描述為精準影片編輯。功能雙方都有，實際拉開差距的是誤傷——你換外套的時候，那張臉有沒有跟著動。

這件事比聽起來重要。一個鏡頭九成都對了，重抽是拿這九成去賭那一成，而且經常把原本能用的那條弄丟。編輯保住了它。攤到一集一百個鏡頭上，這不是一筆 credit，這是排期。

工作台就是為這個習慣搭的：在畫布裡工作把定稿的那條、參考素材和修改版並排放著，「只改一處」於是變成一次對照，而不是重新賭一把。生成的鏡頭、角色卡、音訊都落在同一個庫裡——素材管理才是第二集比第一集便宜的原因。

具體到 AI 短劇，哪個更好？

短劇不死於解析度，死於連續性。觀眾不會因為畫面是 720p 就走，他們走是因為第 7 個鏡頭她戴著耳環，第 8 個鏡頭沒了。

所以按這個格式真正需要的五件事去判斷：

1. 角色和服裝能不能跨鏡頭保持一致？ 最難的測試不是一張主視覺特寫，是同樣兩張臉在一場情緒逐級升級的十二鏡爭吵裡。兩個模型都依賴在每條提示詞裡重複身分錨點。哪個撐得更久，資料表不會告訴你——測試 1 會。

2. 多人互動和複雜動作是否自然？ 把這條當成整個領域的已知難點，而不是某一個模型的短板——群戲調度、肢體交疊、手部接觸，仍然是生成影片最先崩的地方。在你圍繞一場六人晚餐戲排產之前，先用三人對手戲測一遍；承擔敘事的那些鏡頭，班底越小越穩。

3. 能不能理解連續事件和鏡頭順序？ Seedance 的多鏡頭血統在這裡是優勢。如果你的戲是一串因果相連的節拍，一個為連貫多鏡頭設計的模型，比一個圍繞單個 15 秒單元設計的模型有結構性的起跑優勢。

4. 參考圖、參考影片和音訊是否容易控制？ 額度完全一樣，所以差別落在模型是否真的遵守你的角色分派、還是把素材平均掉，以及參考影片是被跟隨還是僅被理解。還是測試 1，加上前面那條「理解而非複現」的提醒。

5. 失敗鏡頭是否方便修改而不是重新生成？ 這是一集能不能按期交付的最大變數。兩者都有編輯，測的是它對你沒讓動的地方擾動有多大。

如果你要的是壓在這一切之上的工作流，AI 短劇製作中心和從劇本到成片覆蓋的是比引擎活得更久的那部分，AI 短劇生成是對應的入口。

那你到底該選哪個？

關於開放權重

這是整張表上最大的一行，也是最容易被誇大的一行，值得你打開模型卡自己看一眼。

MiniMax 放出來的是：H3-Base（33B omni-transformer）、編碼器、視覺與音訊 VAE，以及兩個任務 checkpoint，授權為 MiniMax H3 Community License——非商用免費，年營收低於門檻的公司商用也免費，需署名。

沒放出來的更關鍵。H3-Context-IR 仍然只是託管服務，而 MiniMax 自己的模型卡說它「對最終輸出品質至關重要」。H3-Regenerate-2K 同樣沒有開源。 自部署的話你生成的是 768p；上面表裡那個 2K 是 API 的數字，不是本地的數字。

所以「你可以自己跑」的誠實版本是：你可以自己跑核心模型，解析度更低，而且決定成片好不好看的那一步仍然要打給 MiniMax。這是一個真實的選項——只是它不等於獨立。

這也改變了誰該在意這一行。如果你想拿自己的角色庫做微調，而且 768p 對你的格式夠用，這些權重是真有用的。如果你衝著開放權重去是為了擺脫供應商，先讀模型卡：品質關鍵路徑仍然跑在別人的伺服器上。而且無論哪種，它都是一張真實的帳單——GPU、一個能把它們餵飽的工程師，以及「別落後於那個在你之外持續變好的託管版本」這件長期的事。

自己測：七條鏡頭，一個下午

跑分表是這個領域最不可靠的東西：一條精挑細選的提示詞，跑十次，挑最好的做成長條圖。

更根本的問題是可遷移性。任何一次評測，測的都是別人的角色、別人的世界觀、別人的分鏡。一個在大開大合運鏡的古裝戲上表現驚艷的模型，可能在你那部乙女向的正反打上一塌糊塗。在別人素材上得出的結論，換到你的題材往往就不成立。

所以比起再給你一張表，不如把判斷方法交給你。七條測試鏡頭。每條埋了一個數得清的細節，通過與否不靠品味判斷：

1. 參考分工 —— 在質感參考圖裡埋一個路人。他要是出現在成片裡，說明模型把素材平均了，沒有遵守你指派的分工。再加一個轉身，看身分錨點撐不撐得過去。
2. 節拍時間 —— 五個時間碼段落，結尾要求招牌正好閃兩次。數一下。
3. 聲音設計 —— 指定前三秒只有雨聲。看它會不會照樣糊一段配樂上來。清單裡最常見的失敗。
4. 複合編輯 —— 一次請求四處互不相干的修改，然後只看那張你沒讓它動的臉。
5. 音色遷移 —— 情緒轉折必須落在破折號上。平著唸完，說明模型聽見了詞，沒聽見調度。
6. 畫面文字 —— 一行標題在推鏡中保持，逐格檢查。多數影片模型在這裡露餡。
7. 延長銜接 —— 在已有片段上延長，然後逐格走接縫。錨點過去了嗎？雨聲是連續的還是重新起？

七條用你自己的一個角色跑完，記下哪幾條過了。這份清單就是你的基線，它比網路上任何一張對比表都值錢——包括本文開頭那張——因為它是在你真正要交付的東西上量出來的。

每一條都按你自己的班底改寫。可數的那個細節就是整個設計——改寫時務必留著，否則又回到憑感覺判斷。同一套紀律貫穿怎麼避開 AI 味和從劇本到成片裡的鏡頭卡寫法。

ArcLoop 在這件事裡的位置

ArcLoop 不是模型，是架在模型之上的那層生產系統——為做角色驅動的連續劇集而不是單條片子的創作者搭的。

流程是四步，底下換哪個引擎都一樣：

1. 建立世界觀 —— 配色、規則、質感，讓分散的鏡頭讀起來是同一部劇，而不是七個互不相干的實驗。
2. 故事與角色 —— 班底，存成可複用的角色卡。本文每條提示詞依賴的身分錨點就是它。
3. 組裝你的一集 與 分鏡工具 —— 把劇本變成真能拿去生成的鏡頭表。
4. 生成鏡頭，再到畫布裡審片 —— 只重做弱的那一層，而不是整條重抽。

圍繞這四步：AI 短劇製作中心是短劇工作流，角色聲音卡讓角色第 6 集和第 1 集聽起來是同一個人，AI 影片生成和劇本轉影片是動手的入口。第一次用？做出你的第一集把整個循環走一遍。

目前跑的引擎是 Seedance 2.0——單次最長 15 秒、最高 4K，支援圖片/影片/音訊參考，用 @ 提及為每份素材指派角色。會不會變、多少 credits，以模型總覽為準；那一頁的可信度高於任何對比文章，包括這一篇。

常見問題

MiniMax H3 比 Seedance 2.0 更好嗎？ 規格表上不是——參考額度、單次時長、畫幅、原生音訊幾乎逐行相同。剩下的差異是：部分開放權重（H3——只有核心模型，自部署 768p）、自動時長與原生多鏡頭敘事（Seedance 2.0），以及一個由你的託管平台而非模型本身決定的解析度上限。

做 AI 短劇該選哪個？ 短劇由跨鏡頭的連續性決定，不由這些表裡的任何一行決定。Seedance 的多鏡頭血統在處理連續節拍時有幫助；除此之外，在把一整集的排產押給某一方之前，拿固定班底測一遍——轉身時的臉部穩定性、編輯精度、聲音一致性。

開放權重對小創作者重要嗎？ 很少重要。它在你有工程師、有 GPU 預算、每秒帳單大到值得自部署時才重要。對其他所有人，圍繞模型的工作流比權重的授權方式重要得多。

兩個模型能生成超過 15 秒嗎？ 兩者都是在已有片段上延長，而不是單次生成更長。你的工作單元仍然是鏡頭，這意味著分鏡無論如何都還是承重文件。

兩個真的都出聲嗎？ 是。聲音與畫面一起生成，而不是單獨配音工序；兩者都要求音訊參考必須跟著畫面，不能單獨提交。Seedance 2.0 額外允許你關掉音訊。

H3 開源了，是不是就能整套自己跑？ 不是整套。MiniMax 放出了 H3-Base、編碼器和 VAE，但 H3-Context-IR（其模型卡自稱對輸出品質至關重要）與 2K 重生成模組仍是託管服務。自部署你生成的是 768p，而且最影響成片觀感的那一步仍要呼叫 API。

多角色同框誰處理得更好？ 把這一條當作雙方共同的已知難點。字節已公開指出，極多主體互動場景的穩定性仍在改進中，而 MiniMax 沒有發布過同類自評。去測，不要假設。

比這兩個模型活得更久的東西

無論哪個引擎贏下你的測試，它都會被替代——大概率就在這個季度內。寫這篇對比的時候，Seedance 2.5 就發布了。

不會被替代的是你在它之上搭的那一層：世界觀規則、角色卡、分鏡卡、七條測試基線。這些是資產，而且會複利——第 6 集比第 1 集便宜，是因為你在複用它們，不是在重寫它們。換模型應該只花掉你一個下午的測試，而不是一次重建。

所以順序一直是同一個：先建世界觀，鎖死班底，把這一集分好鏡，然後讓引擎們在底下打去。從世界觀和角色開始。