MiniMax H3
适合短的多模态音视频,以及可选的 2K 输出路径。可用文本、图片、视频和音频上下文;片段最长 15 秒;基础输出为 768p,更高分辨率的重新生成在可用时提供。
该选哪个 AI 视频模型?
MiniMax H3 和 Seedance 2.0 做多模态视频的路径不同。MiniMax H3 提供原生音视频生成、可选的 2K 重新生成工作流,以及可下载的基础模型权重,但须遵守许可。Seedance 2.0 侧重有导演意图的短片场景、多镜头叙事,以及在 Topview 已支持的工作流里,用文本、图片、视频和音频做引导。需要成本更低的概念预览?Seedance 2.0 Mini 作为第三个选项一并列入。
先用十个实际视频任务对比三者,再按质量要求、可用设置和积分预算,决定哪条工作流合适。
MiniMax H3
适合短的多模态音视频,以及可选的 2K 输出路径。可用文本、图片、视频和音频上下文;片段最长 15 秒;基础输出为 768p,更高分辨率的重新生成在可用时提供。
Seedance 2.0
适合有导演意图的短片制作和多镜头音视频场景。在已支持的工作流中,片段为 4–15 秒;可用参考引导动作、对白和镜头方向。
Seedance 2.0 Mini
适合紧凑的概念测试和快速视觉预览。这是一条轻量工作流,用来在投入更长或能力更完整的生成之前,检查视觉方向和提示词。
10 个创意任务 · 3 个模型选项 · 当前对比页展示 30 条输出
Topview 提供不同的生成模式和方案。渲染前,请确认你的账号里可用的模型、积分、参考格式和导出设置。
关键差别在于分辨率工作流、模型访问、创意控制,以及 Topview 里实际可用的设置。
| 项目 | MiniMax H3 | Seedance 2.0 | Seedance 2.0 Mini |
|---|---|---|---|
| 开发方 | MiniMax | ByteDance | ByteDance |
| 模型 / 工作流 | 全模态音视频模型 | 多模态 AI 视频工作流 | 轻量预览工作流 |
| 主要用途 | 参考引导的音视频片段,以及 2K 重新生成 | 有导演意图的短视频和多镜头叙事 | 草稿和视觉概念预览 |
| 时长 | 在 Topview 中每个镜头 5–15s | 在 Topview 中每个镜头 4–15s | 在 Topview 中每个镜头 4–15s |
| 分辨率 | 默认 768p;在 H3-Regenerate-2K 已启用时最高到 2K | 在 Topview 中为 480p / 720p / 1080p / 4K | 在 Topview 中为 480p / 720p |
| 文生视频 | 支持 | 支持 | 支持 |
| 图生视频 | 支持 | 支持 | 支持 |
| 图片参考 | 最多 9 个 | 最多 9 个 | 最多 3 个 |
| 视频参考 | 最多 3 个 | 最多 3 个 | 待核实 |
| 音频参考 | 最多 3 个 | 最多 3 个 | 待核实 |
| 组合参考文件 | 最多 12 个 | 最多 15 个 | 视模式而定 |
| 参考时长规则 | 视频合计 ≤15s;音频合计 ≤15s;音频不能作为唯一参考输入 | 请查看与声音相关的输入时长限制 | 请查看当前预设 |
| 生成的音频 | 原生 32 kHz 立体声音视频输出 | API 中支持原生音频 | 与 Seedance 2.0 相同的原生音频流程 |
| 口型同步 | H3 官方文档记载 11 种稳定对白语言 | 在已支持的工作流中提供多语言对白和口型同步 | 请核实模式和账号 |
| 更高分辨率流程 | 先输出 H3-Base,再在上下文中做 2K 重新生成 | 请核实是原生生成,还是另走导出或放大 | 定位不面向 2K 或 4K |
| 模型权重 / 部署 | 已发布基础模型权重;许可和地域限制适用 | 由 Topview 托管的模型工作流 | 由 Topview 托管的预览工作流 |
| 价格 | 每秒积分随档位和模式变化 | 每秒积分随档位和模式变化 | 每秒积分随档位和模式变化 |
| 适合的起点 | 面向 2K 的短片,或有许可的自定义流程 | 带镜头或动作指令的故事短片 | 早期的提示词和构图测试 |
按实际创意任务选模型,而不是看谁把规格写得更醒目。
先按 H3 的基础分辨率生成。需要更高分辨率成片时,再使用已支持的 H3-Regenerate-2K 工作流。请确认所选的 Topview 模式包含这一步。
H3 会同时生成视频和立体声音频,官方文档记载 11 种语言的稳定对白支持。适合角色表演、短讲解,以及说话或气氛重要的音视频概念。
在一份 H3 全参考任务里使用已支持的图片、视频和音频参考,并遵守总共 12 个文件的上限,以及合计时长限制。
可以研究已公布的 H3 基础模型权重,用于本地集成或定制,但须遵守 MiniMax H3 Community License、地域限制、技术要求,以及任何必要的额外许可。Topview 上的托管访问并不等于本地部署许可。
为紧凑的叙事或产品故事指定机位、转场、动作和节奏,再看结果是否跟上每一个计划好的节拍。
使用已支持的全参考工作流,把视觉身份、动作提示和声音连起来,并遵守已写明的参考数量上限。
制作短对话、小短剧和讲解,让对白和自然动作互相配合。请核实实际口型同步和说话人是否准确,不要只看功能说明。
生成音视频片段,并继续改提示词,调整镜头构图、连贯性和交付质量。请在所选的 Topview 模式里确认原生导出分辨率。
用短草稿检查开场钩子、主体外观、运动、光线或机位,再进入能力更完整的生成工作流。
用一条集中的指令,让一张简单参考图动起来。不要把复杂的多镜头叙事塞进一条短预览。
为竖屏社交形式、电商产品想法和客户提案探索多个短概念。请查看当前的时长、声音和参考是否可用,不要默认它与完整 Seedance 2.0 能力相同。
创意挑战的意图相同。三条模型工作流。看输出本身,而不只看宣传说法。
这十个场景覆盖知识讲解叙事、图生视频、UGC 风格表演、情绪电影感、物体一致性、电商演示、动画、视频参考迁移、受约束的口型同步,以及分镜引导的多模态场景。每张卡片保留原有提示词、原始参考素材,以及三条已展示的输出。
一座虚构的古代城市沉在海底。提示词从幽暗的水下废墟和雕花石柱,经过档案风格的画面,再到想象中的重建,最后是一个神秘的宽景。
知识短视频需要一串能看懂的视觉想法。这个例子测试模型能否把紧凑的故事线转成认得出的节拍,而不是互不相关的气氛片段。
短片需要看得懂的顺序时,选 MiniMax H3。15.1 秒的文件从水下石柱,到一桌档案地图,再到一座残破神庙,然后到一座被照亮的重建城市。Seedance 2.0 跑到 15.0 秒,画面里有石柱、一件雕刻器物和浮雕墙,但最后几帧停在相近的雕刻上,没有拉开成最终的城市宽景。Seedance 2.0 Mini 跑到 15.1 秒,确实到达一座被照亮的城市,但中间帧是地图和示意图,而不是一段连续的水下场景。发现到重建这条弧线,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.
一只小白猫从画面外走进明亮的房间,钻到衣架下面,停一下,再在窗边安顿下来。上传的图片是布局、家具、光线,以及镜头从左到右移动的视觉参考。
单参考动画是社交短片和轻量创作里很实用的工作流。它能看出模型在加入运动时,会不会丢掉原图的构图。
这条任务选 Seedance 2.0 Mini。5.1 秒的文件里,一只白猫从左侧进入,钻过衣架,停在有阳光的地板上;衣架、窗户和光线方向都留在原位。MiniMax H3(5.2 秒)和 Seedance 2.0(5.0 秒)保住了同一间房间,但抽样帧里没有出现小猫,镜头仍是空室内。只有在保住静态布局比动物动作更重要时,才用 H3 或 Seedance 2.0。
图片参考 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.
一位虚构的健身创作者在日出的海滩边奔跑,放慢,微笑,拨一下头发,然后继续跑。参考图规定了这个人的大致服装颜色、外观和体型。
创作者风格的视频常常取决于细小、熟悉的人体动作。微妙的运动和身份稳定,比华丽特效更重要。
片段里必须撩到马尾辫时,选 MiniMax H3。15.1 秒的文件保住青色上衣和日出海滩,节奏放慢并切到更近的景别,能看到手撩拨马尾辫。Seedance 2.0 同样是 15.1 秒,保住服装和带微笑的奔跑步态,撩拨的是额前碎发,不是马尾辫。Seedance 2.0 Mini 也是 15.1 秒,连续奔跑最清楚,服装颜色也一致,同样撩拨的是额前碎发,不是马尾辫。要看马尾辫被撩到时用 H3,更简单的奔跑预览用 Mini。
图片参考 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.
一位裹着衣服的旅人和温和的雪地守护者站在雪洞外,把一只白鸟放进森林上空。概念图规定了他们的位置、相对大小、灯笼光和克制的情绪。
以情绪为主的电影场景,靠的是受控构图和精确的小动作,不只是细致的背景。
气氛取决于看得见的天气时,选 Seedance 2.0。6.0 秒的文件保住旅人、体型大得多的雪地守护者、洞口、灯笼和一只小白鸟,雪花穿过镜头。MiniMax H3 跑到 6.6 秒,比例和站位相同,但抽样帧里降雪没那么明显。Seedance 2.0 Mini 跑到 6.1 秒,保住了插画和鸟,姿态变化更小。三份文件里,放鸟这一下本身都不明显。
图片参考 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.
一只白色陶瓷器在固定石座上旋转。盖子打开,一只更小的完整器皿升起、停住、下降,外层盖子再合上。两张图规定了外层和内层物体的准确样子。
产品和物体演示经常失败,是因为模型保不住分开的部件,或者跟不上一组受约束的动作顺序。
只有在盖子变化就够用时,才选 MiniMax H3。12.3 秒里,外层器皿留在石座上,盖子抬起,留下一道暗缝,但抽样帧始终没有较小的完整器皿升起再回到里面。Seedance 2.0(12.1 秒)和 Seedance 2.0 Mini(12.1 秒)也走完了盖子打开、升起、合上的过程,但这俩的盖子在升起阶段都有出画。
图片参考 1

图片参考 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.
一位虚构的成年出镜人走进公寓阳台,调整晾衣架,挂上素色衣物,并指向一块紧凑的收纳区域。参考规定了阳台和出镜人的外观。
电商演示需要忠实的产品和看得懂的使用动作。光线好看,弥补不了晾衣架改变尺寸或功能。
产品演示选 Seedance 2.0。15.1 秒的文件里,出镜人走进阳台,在晾衣架旁整理一件衣物,并站在已经挂上横杆的衣服旁边,晾衣架形状仍然认得出来。MiniMax H3 同样是 15.1 秒,保住一位出镜人和同一座阳台,衣服也完成了挂上晾衣架的动作,但过程中衣服曾经错位,破绽比较明显。Seedance 2.0 Mini 也是 15.1 秒,衣服挂上了架子,但出镜人大部分被裁成手和手臂。人和挂衣动作都要读得出来时,用 Seedance 2.0。
图片参考 1

图片参考 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.
一位原创的冰球新手进入室内冰场,尝试一个技巧,失去平衡,安全滑出,然后坐起来微笑。三份参考规定了选手、无品牌橙色球衣和冰场。
短喜剧靠时机和因果关系。如果身体动作缺失,预定的笑点可能出不来。
角色必须留在画面里时,选 MiniMax H3。7.3 秒的文件让穿橙色球衣的完整新手留在室内冰场,但抽样帧是滑行,而不是清楚的摔倒和坐起来微笑。Seedance 2.0 跑到 7.0 秒,裁到腿和球杆,球衣颜色还在,脸和起身没有。Seedance 2.0 Mini 跑到 7.1 秒,冰场几乎是空的,画面边缘只有一条橙色。三个模型都没有清楚完成失败技巧这段顺序。
图片参考 1

图片参考 2

图片参考 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.
一位坐着的创作者留在房间里,两块看得见的屏幕播放与输入视频一致的蒙太奇。参考图规定房间构图,输入视频规定屏幕内容。
把一段视频嵌进生成的环境里,和普通图生视频不是同一类挑战。先核实输入兼容,质量对比才算公平。
房间必须保持完整时,选 Seedance 2.0,并且不要把这次测试当成屏幕内容的胜出。8.0 秒的文件保住坐着的创作者和两台显示器,但屏幕看起来是发亮的空白面板,而不是认得出的蒙太奇。MiniMax H3 同样是 8.0 秒,从那间房间开始,然后切到波形和加载条。Seedance 2.0 Mini 从房间开始,随后用一段不是参考素材的山景填满画面。三个文件都在,所以这次测试不能记成模型拒绝了这类输入;三份成片都没有在两块屏幕上同步显示同一段蒙太奇。
图片参考 1

视频参考 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.
尽量稳住已有的角色视频,只改变嘴部动作,使其匹配另一段对白录音。图片用于身份,视频规定源场景,音频是口型同步的目标。
定向修改只有在改到要求的部分、且没有重做场景其余部分时才算成功。不能用整体好看来评判。
需要看得见的嘴部变化,同时不重做整个镜头时,选 MiniMax H3。14.4 秒里,角色从闭着的微笑变成张开的微笑,背心、房间和机位保持不动。Seedance 2.0(14.1 秒)和 Seedance 2.0 Mini(15.1 秒)保住了同一角色和背景,但抽样帧里嘴保持相近的张开形状,修改很难看出来。请播放这三段视频,实际听一听对白,感受嘴部和声音的效果。
图片参考 1

视频参考 1
音频参考
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.
两位原创的青年角色在场馆入口附近见面。角色 A 掉落一件小蓝色挂饰,角色 B 捡起它,音频在他们短暂对视时开始。参考提供了环境、分镜、两个角色身份、挂饰、各自的表演时机,以及一条音频提示。
参考很密的故事,要求模型把角色不同的素材连起来。核心难点是正确关联角色、物体、时机提示和音频,而不只是接收大量文件。
要检查掉落和捡回这一拍,选 MiniMax H3;需要更长的场馆场景时,选 Seedance 2.0。H3 显示场馆外的两个人、他们的脚、朝一件小蓝色物体蹲下,以及两人再次面对面,但文件是 5.2 秒,而不是 15 秒目标。Seedance 2.0 跑到 15.0 秒,两名年轻人留在有灯光的门口,但抽样节拍是一只近景的手和一个吉他盒,而不是挂饰换手。Seedance 2.0 Mini 跑到 15.1 秒,有见面和蹲下,但没有始终一致、看得清的蓝色挂饰。三个模型都生成了文件,所以本页不会把 Mini 标成拒绝了该输入。
图片参考 1

图片参考 2

图片参考 3

图片参考 4

图片参考 5

视频参考 1
视频参考 2
音频参考
有用的模型对比,不只说明谁好看,还要说明实际测了什么。
我们记录了每条输出的完整提交提示词、参考文件、模型标识、生成模式、账号或 API 路径、请求时长、宽高比、分辨率和音频设置。
在工作流支持的地方,我们保持提示词和输入文件相同。Seedance 2.0 Mini 的视频和音频参考在当前预设上仍待核实,因此这些测试只把图片用作参考。
我们检查关键动作、主体、镜头指令、镜头顺序和结束条件是否完成。
对以图片为主或多模态的案例,我们把角色身份、产品特征、环境和物体形状与原始素材对比。
我们查看运动是否真实、场景如何过渡、空间关系,以及片段里的因果关系。
对开启音频的工作流,我们比较说话角色、口播文本、时间点、音效,以及提供的音频是否被保留。
我们记录了每一次提交的任务,包括失败尝试和内容拒绝。请把技术完成率,和通过质量标准的输出比例分开。中位耗时只根据真实任务日志计算。
现有的视频对照只说明特定创意任务里发生了什么。如果没有一致的输入配置、完整的任务记录和写明的评估方法,它们不能证明任何一个模型在所有情况下都更快、更便宜或质量更高。
比较实际的积分报价和输出要求,而不是脱离情境的最低数字。
Topview 公布了模型与 API 的参考价格,但价格会随方案、变体、生成模式、参考素材和当期推广变化。
| 模型与输出档位 | 已公布的参考价格 |
|---|---|
| MiniMax H3 — 480p | 每秒 0.15 积分 |
| MiniMax H3 — 768p | 每秒 0.30 积分 |
| MiniMax H3 — 2K | 每秒 0.60 积分 |
| Seedance 2.0 — 480p | 每秒 0.50 积分 |
| Seedance 2.0 — 720p | 每秒 1.00 积分 |
| Seedance 2.0 — 1080p | 每秒 2.50 积分 |
| Seedance 2.0 — 4K | 每秒 7.00 积分 |
| Seedance 2.0 Mini — 480p | 每秒 0.28 积分 |
| Seedance 2.0 Mini — 720p | 每秒 0.52 积分 |
MiniMax H3 和 Seedance 2.0 的输出尺寸不同;768p 和 720p 不是同一分辨率。1440p 的 H3 档位对应它支持的更高分辨率工作流,而不是 H3-Base 一次生成的 2K。在直接比较价格之前,请核实账号类型和计费条件相同。
一次生成更便宜,如果必须反复重试,单条完成视频的成本仍然可能更高。
单条可用视频成本 = 消耗的总积分 / 达到预定质量要求的输出数量。
没有真实日志时,不要公布 Topview 这十个案例的可用输出数量、完成率或中位等待时间。
按你需要的输出来选,而不是按一个通用的模型排名。
如果创意任务适合 15 秒输出,并且有已支持的更高分辨率重新生成工作流,可以把 H3 放进精细商业成片的对比。
拥有符合条件的使用权和足够硬件的团队,可以把 H3 基础模型权重用于本地集成。请查看地域限制、单独的授权要求,以及公开发布组件的限制。
如果目标取决于紧凑的场景序列、演员互动,或一组计划好的镜头和声音提示,就对比 Seedance 2.0 已支持的工作流和实际输出。
如果主要问题是视觉想法是否成立,就从简单预览开始。留下成功的提示词和源文件,需要时再在另一个模型里重新生成。结果不一定在视觉上相同。
三条创意工作流。一种更清楚的选择方式。
音视频生成、面向 2K 的短输出,或符合条件的模型权重集成,可以看 MiniMax H3。有导演意图的场景和短叙事制作,选 Seedance 2.0。需要测试简单概念时,从 Seedance 2.0 Mini 开始。
在确定最终成片之前,先对比实际的输入兼容性、输出质量和积分成本。
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.