MiniMax H3
適合較短的多模態影音,以及可選的 2K 輸出路徑。可以使用文字、圖片、影片和音訊脈絡;片段最長 15 秒;基礎輸出是 768p,更高解析度的重新生成會在可用時提供。
你該選哪個 AI 影片模型?
MiniMax H3 和 Seedance 2.0 做多模態影片的方式不一樣。MiniMax H3 提供原生影音生成、可選的 2K 重新生成工作流程,以及可下載的基礎模型權重,但必須遵守授權。Seedance 2.0 著重有導演意圖的短片場景、多鏡頭敘事,以及在 Topview 已支援的工作流程裡,用文字、圖片、影片和音訊來引導。需要成本更低的概念預覽嗎?Seedance 2.0 Mini 會一起列為第三個選項。
先用十個實際的影片任務比較這三個選項,再依照品質要求、可用設定和點數預算,決定哪一條工作流程適合你。
MiniMax H3
適合較短的多模態影音,以及可選的 2K 輸出路徑。可以使用文字、圖片、影片和音訊脈絡;片段最長 15 秒;基礎輸出是 768p,更高解析度的重新生成會在可用時提供。
Seedance 2.0
適合有導演意圖的短片製作,以及多鏡頭影音場景。在已支援的工作流程中,片段是 4–15 秒;可以用參考來引導動作、對白和鏡頭方向。
Seedance 2.0 Mini
適合精簡的概念測試和快速視覺預覽。這是一條輕量工作流程,用來在投入更長、或能力更完整的生成之前,先檢查視覺方向和提示詞。
10 個創意任務 · 3 個模型選項 · 目前的比較頁展示 30 支輸出
Topview 提供不同的生成模式和方案。開始生成前,請確認你的帳號目前可用的模型、點數、參考格式和匯出設定。
主要差別在解析度工作流程、模型取得方式、創意控制,以及 Topview 裡實際可用的設定。
| 項目 | MiniMax H3 | Seedance 2.0 | Seedance 2.0 Mini |
|---|---|---|---|
| 開發者 | MiniMax | ByteDance | ByteDance |
| 模型 / 工作流程 | 全模態影音模型 | 多模態 AI 影片工作流程 | 輕量預覽工作流程 |
| 主要用途 | 以參考引導的影音片段,以及 2K 重新生成 | 有導演意圖的短影片和多鏡頭敘事 | 草稿和視覺概念預覽 |
| 時長 | 在 Topview 中每個鏡頭 5–15s | 在 Topview 中每個鏡頭 4–15s | 在 Topview 中每個鏡頭 4–15s |
| 解析度 | 預設 768p;在 H3-Regenerate-2K 已啟用時最高到 2K | 在 Topview 中為 480p / 720p / 1080p / 4K | 在 Topview 中為 480p / 720p |
| 文字轉影片 | 支援 | 支援 | 支援 |
| 圖片轉影片 | 支援 | 支援 | 支援 |
| 圖片參考 | 最多 9 個 | 最多 9 個 | 最多 3 個 |
| 影片參考 | 最多 3 個 | 最多 3 個 | 待確認 |
| 音訊參考 | 最多 3 個 | 最多 3 個 | 待確認 |
| 組合參考檔案 | 最多 12 個 | 最多 15 個 | 依模式而定 |
| 參考時長規則 | 影片合計 ≤15s;音訊合計 ≤15s;音訊不能作為唯一參考輸入 | 請查看與聲音相關的輸入時長限制 | 請查看目前的預設 |
| 生成的音訊 | 原生 32 kHz 立體聲影音輸出 | API 中支援原生音訊 | 與 Seedance 2.0 相同的原生音訊流程 |
| 口型同步 | H3 官方文件記載 11 種穩定對白語言 | 在已支援的工作流程中提供多語言對白和口型同步 | 請確認模式和帳號 |
| 更高解析度流程 | 先輸出 H3-Base,再在脈絡中做 2K 重新生成 | 請確認是原生生成,還是另外走匯出或放大 | 定位不面向 2K 或 4K |
| 模型權重 / 部署 | 已發布基礎模型權重;授權和地區限制適用 | 由 Topview 託管的模型工作流程 | 由 Topview 託管的預覽工作流程 |
| 價格 | 每秒點數會依級別和模式改變 | 每秒點數會依級別和模式改變 | 每秒點數會依級別和模式改變 |
| 適合的起點 | 面向 2K 的短片,或已取得授權的自訂流程 | 帶有鏡頭或動作指示的故事短片 | 早期的提示詞和構圖測試 |
依照實際的創意任務來選,而不是看誰把規格寫得比較醒目。
先用 H3 的基礎解析度生成。需要更高解析度的成片時,再使用已支援的 H3-Regenerate-2K 工作流程。請確認你選的 Topview 模式包含這個階段。
H3 會同時生成影片和立體聲音訊,官方文件記載 11 種語言的穩定對白支援。適合角色表演、短解說,以及說話或氣氛很重要的影音概念。
在一份 H3 全參考任務裡使用已支援的圖片、影片和音訊參考,並遵守總共 12 個檔案的上限,以及合計時長限制。
可以研究已公開的 H3 基礎模型權重,用來做本地整合或調整,但必須遵守 MiniMax H3 Community License、地區限制、技術要求,以及任何必要的額外授權。Topview 上的託管使用並不等於本地部署授權。
為緊湊的敘事或產品故事指定機位、場景切換、動作和節奏,再看結果有沒有跟上每一個計畫好的節拍。
使用已支援的全參考工作流程,把視覺身份、動作提示和聲音接起來,並遵守已寫明的參考數量上限。
製作短對話、小短劇和解說,讓對白和自然動作互相配合。請確認實際的口型同步和說話者是否正確,不要只看功能說明。
生成影音片段,並繼續修改提示詞,調整鏡頭構圖、連貫性和交付品質。請在你選擇的 Topview 模式裡確認原生匯出解析度。
用短草稿檢查開場鉤子、主體外觀、動態、光線或機位,再進入能力更完整的生成工作流程。
用一則集中的指示,讓一張簡單的參考圖動起來。不要把複雜的多鏡頭敘事塞進一支短預覽。
為直式社群格式、電商產品想法和客戶提案探索多個短概念。請查看目前的時長、聲音和參考是否可用,不要預設它和完整 Seedance 2.0 的能力相同。
創意挑戰的意圖相同。三條模型工作流程。看輸出本身,而不只看宣傳說法。
這十個情境涵蓋知識解說敘事、圖片轉影片、UGC 風格表演、情緒電影感、物件一致性、電商示範、動畫、影片參考轉移、受限制的口型同步,以及分鏡引導的多模態場景。每張卡片都保留原有提示詞、原始參考素材,以及三支已展示的輸出。
一座虛構的古代城市沉在海裡。提示詞從幽暗的水下廢墟和雕刻石柱,經過檔案風格的畫面,再到想像中的重建,最後是一個神祕的廣景。
知識短影片需要一連串看得懂的視覺想法。這個例子用來測試模型能不能把緊湊的故事線轉成認得的節拍,而不是彼此無關的氣氛片段。
短片需要看得懂的順序時,選 MiniMax H3。15.1 秒的檔案從水下石柱,到一桌檔案地圖,再到一座殘破神殿,然後到一座被照亮的重建城市。Seedance 2.0 跑到 15.0 秒,畫面裡有石柱、一件雕刻器物和浮雕牆,但最後幾幀停在相近的雕刻上,沒有拉開成最終的城市廣景。Seedance 2.0 Mini 跑到 15.1 秒,確實到達一座被照亮的城市,但中間幀是地圖和示意圖,而不是一段連續的水下場景。發現到重建這條弧線,用 H3。
Create a cinematic knowledge short about a fictional lost ancient city beneath the ocean. Use a clear timeline: dark underwater ruins, drifting particles, carved stone columns, a brief archival-style visual montage, an imagined city reconstruction, and a final mysterious wide shot. Keep the tone investigative and cinematic. No platform names, no logos, no readable brand text, no real channel identity.
一隻小白貓從畫面外走進明亮的房間,鑽到衣架下面,停一下,再在窗邊安頓下來。上傳的圖片是佈局、家具、光線,以及鏡頭由左至右移動的視覺參考。
單一參考的動畫,是社群短片和輕量創作裡很實用的工作流程。它可以看出模型加上動態之後,會不會丟掉原圖的構圖。
這個任務選 Seedance 2.0 Mini。5.1 秒的檔案裡,一隻白貓從左側進入,鑽過衣架,停在有陽光的地板上;衣架、窗戶和光線方向都留在原位。MiniMax H3(5.2 秒)和 Seedance 2.0(5.0 秒)保住了同一間房間,但抽樣幀裡沒有出現小貓,鏡頭仍是空的室內。只有在保住靜態佈局比動物動作更重要時,才用 H3 或 Seedance 2.0。
圖片參考 1

Use @image1 as the home interior first-frame reference. Create a gentle left-to-right camera move. A small white kitten runs in from off-screen, slips under the clothing rack, pauses, looks around, and settles playfully near the window light. Preserve the room layout, camera direction, lighting, and furniture placement. No logos, no readable text, no branded objects.
一位虛構的健身創作者在日出的海灘邊奔跑,放慢,微笑,撥一下頭髮,然後繼續跑。參考圖規定了這個人大致的服裝顏色、外觀和體型。
創作者風格的影片常常取決於細小、熟悉的人體動作。細微的動態和身份穩定,比華麗特效更重要。
片段裡必須撩到馬尾辮時,選 MiniMax H3。15.1 秒的檔案保住藍綠色上衣和日出海灘,節奏放慢並切到更近的景別,能看到手撩撥馬尾辮。Seedance 2.0 同樣是 15.1 秒,保住服裝和帶微笑的奔跑步伐,撩撥的是額前碎髮,不是馬尾辮。Seedance 2.0 Mini 也是 15.1 秒,連續奔跑最清楚,服裝顏色也一致,同樣撩撥的是額前碎髮,不是馬尾辮。要看馬尾辮被撩到時用 H3,更簡單的奔跑預覽用 Mini。
圖片參考 1

Use @image1 as the fictional runner reference. Generate a lifestyle fitness video where the runner jogs along a bright beach path at sunrise, slows down, smiles, adjusts their hair, and continues running. Preserve the broad outfit colors, body type, and appearance from the reference while keeping motion natural. No logos, no branded clothing, no readable text, no real-person identity.
一位裹著衣服的旅人和溫和的雪地守護者站在雪洞外,把一隻白鳥放進森林上空。概念圖規定了他們的位置、相對大小、燈籠光和克制的情緒。
以情緒為主的電影場景,靠的是受控構圖和精確的小動作,不只是細緻的背景。
氣氛取決於看得見的天氣時,選 Seedance 2.0。6.0 秒的檔案保住旅人、體型大得多的雪地守護者、洞口、燈籠和一隻小白鳥,雪花穿過鏡頭。MiniMax H3 跑到 6.6 秒,比例和站位相同,但抽樣幀裡降雪沒那麼明顯。Seedance 2.0 Mini 跑到 6.1 秒,保住了插畫和鳥,姿態變化更小。三份檔案裡,放鳥這一拍本身都不明顯。
圖片參考 1

Use @image1 as the complete original winter cave concept reference. Create a slow cinematic shot: the small bundled traveler and the gentle snow guardian stand at the snowy cave entrance, quietly releasing the white bird into the cold forest sky. Keep the cave, snow, lantern glow, character positions, scale relationship, and restrained emotional tone consistent. Use only natural wind, snow, cloth, breathing, and wing sounds. No existing IP characters, no logos, no readable text.
一隻白色陶瓷器在固定石座上旋轉。蓋子打開,一隻更小的完整器皿升起、停住、下降,外層蓋子再合上。兩張圖規定了外層和內層物件的準確樣子。
產品和物件示範常常失敗,是因為模型留不住分開的部件,或跟不上一組受限制的動作順序。
只有在蓋子變化就夠用時,才選 MiniMax H3。12.3 秒裡,外層器皿留在石座上,蓋子抬起,留下一道暗縫,但抽樣幀始終沒有較小的完整器皿升起再回到裡面。Seedance 2.0(12.1 秒)和 Seedance 2.0 Mini(12.1 秒)也走完了蓋子打開、升起、合上的過程,但這兩個的蓋子在升起階段都有出畫。
圖片參考 1

圖片參考 2

Use @image1 as the outer white ceramic vessel reference and @image2 as the smaller inner ceramic vessel reference. In a dark museum-grade studio, the outer vessel rotates slowly on a static stone base. Its lid opens, the complete inner vessel rises as one intact object, pauses in the air, then descends back inside, and the lid closes. The outer vessel must keep rotating throughout; the stone base must remain still; the inner vessel's lid must never separate. No logos, no labels, no readable text, no background music.
一位虛構的成年示範者走進公寓陽台,調整曬衣架,掛上素色衣物,並指向一塊精簡的收納區域。參考規定了陽台和示範者的外觀。
電商示範需要忠實的產品和看得懂的使用動作。光線好看,彌補不了曬衣架改變尺寸或功能。
產品示範選 Seedance 2.0。15.1 秒的檔案裡,示範者走進陽台,在曬衣架旁整理一件衣物,並站在已經掛上橫桿的衣服旁邊,曬衣架形狀仍然認得。MiniMax H3 同樣是 15.1 秒,保住一位示範者和同一座陽台,衣服也完成了掛上曬衣架的動作,但過程中衣服曾經錯位,破綻比較明顯。Seedance 2.0 Mini 也是 15.1 秒,衣服掛上了架子,但示範者大部分被裁成手和手臂。人和掛衣動作都要讀得出來時,用 Seedance 2.0。
圖片參考 1

圖片參考 2

Use @image1 as the apartment balcony environment reference and @image2 as the fictional adult presenter reference. Generate a home demonstration video where the presenter enters the balcony, adjusts the rack, hangs a few plain garments, and points to the compact storage area. Keep the balcony layout and rack placement consistent, and preserve the presenter's general appearance. Do not add extra rack modules, logos, labels, or readable text.
一位原創的冰上曲棍球新手進入室內溜冰場,嘗試一個技巧,失去平衡,安全滑出,然後坐起來微笑。三份參考規定了選手、沒有品牌的橙色球衣和溜冰場。
短喜劇靠時機和因果關係。如果身體動作缺失,預定的笑點可能出不來。
角色必須留在畫面裡時,選 MiniMax H3。7.3 秒的檔案讓穿橙色球衣的完整新手留在室內溜冰場,但抽樣幀是滑行,而不是清楚的摔倒和坐起來微笑。Seedance 2.0 跑到 7.0 秒,裁到腿和球桿,球衣顏色還在,臉和起身沒有。Seedance 2.0 Mini 跑到 7.1 秒,溜冰場幾乎是空的,畫面邊緣只有一條橙色。三個模型都沒有清楚完成失敗技巧這段順序。
圖片參考 1

圖片參考 2

圖片參考 3

Use @image1 as the beginner hockey player character reference, @image2 as the unbranded orange jersey reference, and @image3 as the generic indoor ice rink reference. Create a playful animated sports-comedy video where the beginner enters confidently, attempts a simple trick, loses balance, slides safely across the ice, then sits up smiling. Preserve the character, jersey colors, and rink layout. No franchise style names, no team logos, no venue names, no readable text.
一位坐著的創作者留在房間裡,兩塊看得到的螢幕播放與輸入影片一致的蒙太奇。參考圖規定房間構圖,輸入影片規定螢幕內容。
把一段影片嵌進生成的環境裡,和一般圖片轉影片不是同一類挑戰。先確認輸入相容,品質比較才算公平。
房間必須保持完整時,選 Seedance 2.0,而且不要把這次測試當成螢幕內容的勝出。8.0 秒的檔案保住坐著的創作者和兩臺顯示器,但螢幕看起來是發亮的空白面板,而不是認得的蒙太奇。MiniMax H3 同樣是 8.0 秒,從那間房間開始,然後切到波形和載入列。Seedance 2.0 Mini 從房間開始,隨後用一段不是參考素材的山景填滿畫面。三個檔案都在,所以這次測試不能記成模型拒絕了這類輸入;三支成片都沒有在兩塊螢幕上同步顯示同一段蒙太奇。
圖片參考 1

影片參考 1
Use @image1 as the room keyframe environment and composition reference, and use @video1 as the montage content to embed on the visible screens. Generate a scene where a seated creator remains in the room while two screens play the montage in sync. Keep the camera mostly fixed, preserve the room layout, and make the screen content clear and stable. No platform UI, no logos, no usernames, no readable brand text.
盡量穩住已有的角色影片,只改變嘴部動作,讓它對上另一段對白錄音。圖片用於身份,影片規定來源場景,音訊是口型同步的目標。
定向修改只有在改到要求的部分、而且沒有重做場景其餘部分時才算成功。不能用整體好看來判斷。
需要看得到的嘴部變化,同時不重做整個鏡頭時,選 MiniMax H3。14.4 秒裡,角色從閉著的微笑變成張開的微笑,背心、房間和機位保持不動。Seedance 2.0(14.1 秒)和 Seedance 2.0 Mini(15.1 秒)保住了同一角色和背景,但抽樣幀裡嘴保持相近的張開形狀,修改很難看出來。請播放這三段影片,實際聽一聽對白,感受嘴部和聲音的效果。
圖片參考 1

影片參考 1
音訊參考
Use @image1 as the character identity reference, @video1 as the source video to preserve, and @audio1 as the dialogue target for lip-sync. Keep the source video's background, lighting, camera, body pose, and facial expression unchanged as much as possible. Modify only the character's mouth movement so it matches the audio naturally. Preserve the character design. No logos, no copyrighted character names, no readable text, no real-person identity.
兩位原創的青年角色在場館入口附近見面。角色 A 掉落一件小藍色掛飾,角色 B 撿起它,音訊在他們短暫對看時開始。參考提供了環境、分鏡、兩個角色身份、掛飾、各自的表演時機,以及一則音訊提示。
參考很密的故事,要求模型把角色不同的素材接起來。核心難點是正確關聯角色、物件、時機提示和音訊,而不只是接收大量檔案。
要檢查掉落和撿回這一拍,選 MiniMax H3;需要更長的場館場景時,選 Seedance 2.0。H3 顯示場館外的兩個人、他們的腳、朝一件小藍色物件蹲下,以及兩人再次面對面,但檔案是 5.2 秒,而不是 15 秒目標。Seedance 2.0 跑到 15.0 秒,兩名年輕人留在有燈光的門口,但抽樣節拍是一隻近景的手和一個吉他盒,而不是掛飾換手。Seedance 2.0 Mini 跑到 15.1 秒,有見面和蹲下,但沒有始終一致、看得清的藍色掛飾。三個模型都生成了檔案,所以本頁不會把 Mini 標成拒絕了該輸入。
圖片參考 1

圖片參考 2

圖片參考 3

圖片參考 4

圖片參考 5

影片參考 1
影片參考 2
音訊參考
有用的模型比較,不只說明誰好看,還要說明實際測了什麼。
我們記錄了每支輸出的完整提交提示詞、參考檔案、模型識別碼、生成模式、帳號或 API 路徑、要求的時長、長寬比、解析度和音訊設定。
在工作流程支援的地方,我們保持提示詞和輸入檔案相同。Seedance 2.0 Mini 的影片和音訊參考在目前的預設上仍待確認,因此這些測試只把圖片用作參考。
我們檢查關鍵動作、主體、鏡頭指示、鏡頭順序和結束條件是否完成。
對以圖片為主或多模態的案例,我們把角色身份、產品特徵、環境和物件形狀與原始素材比較。
我們查看動態是否真實、場景如何過渡、空間關係,以及片段裡的因果關係。
對開啟音訊的工作流程,我們比較說話角色、口播文字、時間點、音效,以及提供的音訊是否被保留。
我們記錄了每一次提交的任務,包括失敗嘗試和內容拒絕。請把技術完成率,和通過品質標準的輸出比例分開。中位數耗時只依照真實任務紀錄計算。
現有的影片對照只說明特定創意任務裡發生了什麼。如果沒有一致的輸入設定、完整的任務紀錄和寫明的評估方法,它們不能證明任何一個模型在所有情況下都更快、更便宜或品質更高。
比較實際的點數報價和輸出要求,而不是脫離情境的最低數字。
Topview 公開了模型與 API 的參考價格,但價格會隨方案、變體、生成模式、參考素材和當期促銷改變。
| 模型與輸出級別 | 已公開的參考價格 |
|---|---|
| MiniMax H3 — 480p | 每秒 0.15 點數 |
| MiniMax H3 — 768p | 每秒 0.30 點數 |
| MiniMax H3 — 2K | 每秒 0.60 點數 |
| Seedance 2.0 — 480p | 每秒 0.50 點數 |
| Seedance 2.0 — 720p | 每秒 1.00 點數 |
| Seedance 2.0 — 1080p | 每秒 2.50 點數 |
| Seedance 2.0 — 4K | 每秒 7.00 點數 |
| Seedance 2.0 Mini — 480p | 每秒 0.28 點數 |
| Seedance 2.0 Mini — 720p | 每秒 0.52 點數 |
MiniMax H3 和 Seedance 2.0 的輸出尺寸不同;768p 和 720p 不是同一解析度。1440p 的 H3 級別對應它支援的更高解析度工作流程,而不是 H3-Base 一次生成的 2K。在直接比較價格之前,請確認帳號類型和計費條件相同。
一次生成比較便宜,如果必須反覆重試,單支完成影片的成本仍然可能更高。
單支可用影片成本 = 消耗的總點數 / 達到預定品質要求的輸出數量。
沒有真實紀錄時,不要公開 Topview 這十個案例的可用輸出數量、完成率或中位數等待時間。
依照你需要的輸出來選,而不是依照一個通用的模型排名。
如果創意任務適合 15 秒輸出,而且有已支援的更高解析度重新生成工作流程,可以把 H3 放進精細商業成片的比較。
擁有符合資格的使用權和足夠硬體的團隊,可以把 H3 基礎模型權重用於本地整合。請查看地區限制、單獨的授權要求,以及公開發布元件的限制。
如果目標取決於緊湊的場景序列、演員互動,或一組計畫好的鏡頭和聲音提示,就比較 Seedance 2.0 已支援的工作流程和實際輸出。
如果主要問題是視覺想法成不成立,就從簡單預覽開始。留下成功的提示詞和來源檔案,需要時再在另一個模型裡重新生成。結果不一定在視覺上相同。
三條創意工作流程。一種更清楚的選擇方式。
影音生成、面向 2K 的短輸出,或符合資格的模型權重整合,可以看 MiniMax H3。有導演意圖的場景和短敘事製作,選 Seedance 2.0。需要測試簡單概念時,從 Seedance 2.0 Mini 開始。
在確定最終成片之前,先比較實際的輸入相容性、輸出品質和點數成本。
Use @image1 as the exterior venue entrance reference, @image2 as the storyboard and interior layout reference, @image3 as Character A, @image4 as Character B, @image5 as the small blue charm prop, @video1 as Character A's performance timing reference, @video2 as Character B's performance timing reference, and @audio1 as the original in-scene audio cue. Follow the storyboard timing closely: the two original young adult characters meet near the venue entrance, Character A drops the small blue charm, Character B picks it up, and the audio begins as they exchange a brief emotional look. Preserve each character's outfit and position, the venue layout, the prop design, and the timing cues from the performance videos and audio. Do not add or reorder shots. No copyrighted music, no existing character IP, no logos, no readable brand text.