海螺3 是什么？能做什么、效果怎么样、多少钱

海螺3 是 MiniMax 7 月 31 日发布的 AI 视频模型，官方名字叫 MiniMax H3。

一句话说清它跟别的 AI 视频工具的区别：别的模型给你一段无声画面，海螺3 直接给你一条带声音的成片。

你写"雨点打在雨棚上，远处有车流声"，出来的片子里就有这个声音。角色说话，口型是对的。人走路，脚步声落在脚碰到地面那一帧上。这些不是后期配的，是模型一次生成出来的——因为画面和声音在同一个网络里训练，不是两个工具拼的。

一条片子 4 到 15 秒，画质 768P 或 2K。

它能出什么样的片子

会说话的人。 这是它最拿得出手的部分。角色开口说台词，口型跟着对；语气、环境音、背景音乐一起出来。以前做这个要三步：生成画面、AI 配音、手动对轴，现在一次成片。做数字人口播、角色对白、访谈感的内容，省掉的就是这几步。

有镜头语言的画面。 推、拉、摇、跟这些运镜可以在提示词里指定，不是随机晃。配合光线描述（主光从哪来、什么色温），出来的东西有电影质感而不是监控录像感。

从产品图变成广告片。 上传一张产品照片，画面主体不变，但镜头开始运动、光影开始变化。做电商预览、社交平台的产品短片，不用重新拍。

同一个角色出现在多个镜头里。 这是靠"参考素材"实现的——你可以一次给它最多 9 张图、3 段视频、3 段音频（合计不超过 12 个文件）。图片锁住人脸和美术风格，视频告诉它动作怎么做，音频定嗓音或氛围。做系列分镜、多镜头叙事时，角色不会每个镜头换张脸。

这里有个反直觉的坑：参考文件不是越多越好。 如果你传了两张不同人的脸，模型会在两个人中间摇摆，出来的角色两边都不像。传一张清楚的，比传五张互相打架的强。

什么活儿它干不了

说实话的部分。

做不了长片。 上限就是 15 秒，你在网上看到的 AI 长视频都是分段生成再剪的。想要一分钟的成片，得自己拼四五段，而且段与段之间的连贯性要靠参考素材去兜。

做不了逐帧精确控制。 你没法指定"第 3 秒第 12 帧手抬到这个位置"。它理解的是描述，不是关键帧。有精确动画需求的活儿，这类模型都还不行。

做不了稳定复现。 同一条提示词跑两次，出来的东西不完全一样。要交付给客户的确定性内容，还是得人工把关每一条。

长镜头里人会变。 15 秒是上限，但时间越长，角色一致性越容易漂——脸会慢慢变得不像开头那个人。做长一点的镜头一定要检查这个。

现在怎么开始用

最快的是直接开网页。浏览器打开就能生成，不用装环境、不用显卡、不用等模型下载。本站（minimax3.com）就是这类入口，注册领免费积分就能试。

说明白：本站不是海螺AI 官网，是独立的第三方工具。 要找官方入口的话去 MiniMax 自己的域名；本站的积分和官方账号也不互通。

要接进自己产品的，走官方 API，模型名填 MiniMax-H3，异步返回，提交任务后轮询结果。

第三条路是本地部署，但这条路不是所有人都能走。

想本地部署，先看你在哪个国家

8 月 3 日，MiniMax 把海螺3 的权重传到了 Hugging Face，330 亿参数，ComfyUI 当天就支持了。所以你现在还能搜到的"海螺3 什么时候开源""开源倒计时"，都过时了。

但这个开放带条件。许可证叫 MiniMax H3 Community License，非商用免费，年营收 2000 万美元以下的公司也能商用——听着宽松，可它划了一个"适用地域"，美国、欧盟、英国、韩国不在里面。

不在里面的意思是：这四个地方的用户没被授权在本地跑这些权重，本地跑出来的东西也不能分发。许可证里没写为什么排除这几个地区。

所以你要是在这些地方，网上那些 ComfyUI 部署教程对你不适用，走网页版或官方 API 才是能走的路（这两条走的是服务条款，跟权重许可证是两回事）。真要部署自己把许可证原文读一遍，这篇不算法律意见。

不在被排除地区的话，本地跑没问题。ComfyUI 升到 0.30.0 以上，官方给了三套工作流模板。文件加起来最小 42.5 GB（全精度要 123.6 GB），ComfyUI 那边说 12G 显存加 offload 能跑。

多少钱

官方 API 按秒收费：

一条 10 秒的 2K 大概 $1.3，一条 5 秒的 768P 大概 $0.4。试错成本不高，这点其实挺关键——你可以先用 768P 把提示词调对，确认没问题了再上 2K 出成片。

本地跑没有 API 费用，但要有那 42.5 GB 和一张能跑的卡。

第三方网页版工具给的免费积分（包括本站）走自己的账，跟 MiniMax 官方账号不通用。

提示词怎么写才出效果

这一步决定成片质量，而且大部分人一开始都写错。

典型的坏例子：

看着信息挺多，但模型没法执行。"电影感"是什么镜头？"4K"是分辨率参数，不该写进提示词。这么写出来的东西全靠模型猜。

同一个场景，这样写：

差别在于每句话都对应画面里一个具体的东西。按这个顺序想：

1. 谁/什么——具体到能认出来
2. 在做什么——动作有始有终
3. 在哪——时间、天气
4. 镜头——远近景、怎么运动
5. 光——从哪来、什么颜色
6. 声音——说什么、什么环境音
7. 怎么收尾——最后一帧停在哪，方便接下一个镜头

提示词最长 7000 字符，但写满没用，太长模型反而抓不住重点。先把一个镜头写清楚。

出片之后检查四件事：人从头到尾是不是同一个、动作有没有做完、口型对不对得上、最后一帧能不能接下一个镜头。哪项不对就只改那一句，别整段重写——重写会把本来对的地方也改掉。

参考素材只传你有权用的。真人照片、别人的作品、带商标的产品，用之前确认清楚。

几个容易搞混的事

海螺3 不是 MiniMax M3。 M3 是同一家公司的语言模型，聊天写代码用的，跟视频没关系。名字太像，搜索经常撞一起。

也不是腾讯 Hy3。 那是另一家公司的另一个模型，有些 API 目录会把两个列在一块。

网上说的 1440p 是错的。 官方只有 768P 和 2K 两档，1440p 大概率是早期传播把 2K 换算错了。

值不值得试

要做十几秒的短片、需要画面和声音对得上，海螺3 现在是省事的选择——省掉了单独配音和对轴。

要做几分钟的成片、每帧精确控制、或者交付客户的稳定输出，那现阶段没有哪个 AI 视频模型能满足，海螺3 也一样。

想试的话最快的验证方法：写一条上面那种有层次的提示词，先出 5 秒 768P，花四毛钱美金，按上面四条检查一遍，然后只改一个地方再跑一次。两轮加起来不到一美元，够你判断它适不适合你的活儿。

本站可以直接在浏览器里用海螺3，注册就送积分。接 API 的话，接口细节和参数限制看 MiniMax H3 API 指南。规格数字可以在 MiniMax 官方 API 文档和 Hugging Face 模型卡上自己核。

---

本站（minimax3.com）是独立的第三方工具，与 MiniMax 或海螺AI 无隶属、认可或运营关系。产品名称仅用于描述功能，版权归各自所有者所有。