NOLGIA 上的 MiniMax H3:Hailuo 3、H3 Max 及各自所需内容
NOLGIA 提供三条 MiniMax 视频产品线。Hailuo 3 是旗舰款:支持 2K 分辨率、4 到 15 秒时长、六种宽高比、最多九张参考图和三条音轨,或首尾帧输入,并在同一次渲染中生成立体声和语音。H3 Max 是经济型产品线,分为两个变体,一个用于带参考图的文本输入,另一个用于带可选尾帧的首帧输入。Hailuo 2.3 是较旧的无声 16:9 模型。本指南将在每个模型上运行同一个输入,并展示返回结果。
- 9 分钟阅读
本文由英文自动翻译。阅读原文
H3 是 NOLGIA 上大多数对话预设背后的模型,从社交广告到服装试穿,Cover reveal 也用它来精准匹配你的静态图像。它之所以能做到这一点,是因为在一次运行中,它比大多数模型能接受更多类型的输入:来自照片的人物、来自音频片段的声音、起始和结束帧,以及一句台词,并且声音是与画面同步生成的。
这里的主体是一个高端广告画面:一位身穿白色西装的女性,在白色摄影棚中,被一盏橙色灯光照亮,由图像模型生成。下面的每次渲染都在不同的变体上使用了不同的输入,请阅读说明以了解具体对应关系。
模型家族及其输入要求
| 模型 | 质量 | 时长 | 输入 | 声音 |
|---|---|---|---|---|
| Hailuo 3 | 768p 或 2K | 4 到 15 秒 | 文本;或最多 9 张参考图像和 3 条音频轨道;或起始和结束帧。帧和参考图像不能混用 | 立体声,含语音 |
| H3 Max,文本变体 | 480p 或 768p | 5 到 15 秒 | 文本,最多 9 张参考图像,3 条音频轨道。不支持帧 | 是,无语音 |
| H3 Max,图像变体 | 480p 或 768p | 5 到 15 秒 | 起始帧(必需),结束帧(可选)。不支持参考图像 | 是,无语音 |
| Hailuo 2.3 | 768p 或 1080p | 6 或 10 秒 | 文本或起始帧,仅限 16:9 | 无声 |
| Hailuo 2.3 Fast | 768p 或 1080p | 6 或 10 秒 | 起始帧(必需),仅限 16:9 | 无声 |
在视频编辑器中,该系列显示为 Hailuo 3、H3 Max、Hailuo 2.3 和 Hailuo 2.3 Fast。H3 Max 会自动在两个变体之间切换:添加起始帧时运行图像变体,不添加时运行文本变体。

常见问题
| 错误 | 失败原因 | 修正 |
|---|---|---|
| 在 Hailuo 3 上同时使用起始帧和参考图像 | 提供商支持帧或参考图像,但不能同时使用两者。 | 使用帧来精确控制开头和结尾,使用参考图像来创建新镜头。 |
| 在 H3 Max 上添加台词 | H3 Max 可以渲染声音,但不支持语音。 | 如需台词,请切换到 Hailuo 3。 |
| 在 H3 Max 上生成 4 秒片段 | 其时长范围从 5 秒起。 | 请求 5 秒,或使用 Hailuo 3 生成 4 秒。 |
| Hailuo 2.3 的竖屏片段 | 它仅渲染 16:9 比例。 | 使用 Hailuo 3 或 H3 Max 生成 9:16 比例。 |
| 将声音作为事后补充 | 如果没有 Sound: 子句,模型会自行生成音轨。 | 一行 Sound: 描述房间及其中最响的声音。 |
| 期望 H3 Max 支持 2K | H3 Max 最高仅支持 768p。 | Hailuo 3 是 2K 档位。 |
开始之前
- 首先确定输入:一张人物照片作为参考、起始和结束帧,或仅使用文字。变体由此决定。
- 对于台词,使用 Hailuo 3 并将台词写在引号内。
- 对于起始和结束帧,先制作两张静帧。结束帧应是同一地点、光线稍后的画面。
- Hailuo 3 默认使用 2K;选择 768p 进行草稿生成。生成按钮显示确切价格。
Hailuo 3:主体参考与台词
选择 Hailuo 3,在参考图像下附加静帧并将其称为 @Image1。描述她的动作、引号内的台词以及声音。我们以 2K、16:9、5 秒进行渲染。

The woman in @Image1, in her white suit, in the same white studio lit by one hard orange light. She takes three slow steps towards the lens, stops, and says, low and certain: "Now you're looking." The wind machine lifts the ends of her hair, the long shadow sweeps across the floor as she moves. Medium shot, slow push in, no cuts, no new people. Sound: the hum of a wind machine, her steps on the studio floor, the line clean and close, no music. No text, no logos.


H3 Max:首帧和尾帧
选择 H3 Max,点击 让图片动起来,并将静态图添加为首帧。打开下方的尾帧槽位并添加第二张静态图。编辑器会说明该槽位的作用:它固定片段的最后一帧,而首帧保持为首帧。片段必须从一个状态过渡到另一个状态,因此提示词只需说明如何过渡。
首帧

尾帧

She walks slowly from where she stands to the right of the frame and turns side-on, glancing back over her shoulder at the lens as she goes, the hem of the jacket lifting in the wind, her long shadow sweeping across the white floor with her. Camera locked off, no cuts, no new people. Sound: the hum of a wind machine and her steps on the studio floor, no music. No text, no logos.


H3 Max:仅用文字
没有附件,因此 H3 Max 运行其文本变体。我们用文字描述了同一个工作室,设置为 21:9、768p、5 秒,以查看预算线如何从零开始构建内容。
Premium advert, photoreal, 21:9. A seamless white cyclorama studio. A woman in a tailored white double-breasted trouser suit walks slowly from the left edge of frame to the centre, one hard orange light from the right throwing her long shadow across the white floor ahead of her, a wind machine lifting the hem of the jacket. She stops in the centre and turns her head to the lens. Wide shot, camera locked off, no cuts. Sound: the hum of a wind machine and her steps on the studio floor, no music. An invented person. No text, no logos.
如何为 H3 编写提示词
- 为每个附件指定其用途。 @Image1 中的女士,@Audio1 中的声音。编排器会为你标记这些槽位。
- 用电影术语描述镜头。 缓慢环绕、推镜头、固定广角。明确的运镜指令比氛围描述能带来更稳定的镜头路径。
- 引号内的台词,仅适用于 Hailuo 3。 H3 Max 会生成声音但不会说话。
- 一个 Sound: 子句。 它塑造整个音轨:房间环境、最响的声音,如果你想要的话,也可以没有音乐。
- 帧或参考图,二选一。 在上传前决定好。
费用说明
按每个片段、按层级和按秒计费,包含音频。Hailuo 3 默认分辨率为 2K;H3 Max 默认分辨率为 768p。生成按钮会显示当前设置的确切积分消耗。
Hailuo 3Pro and up
Per 5s clip
768p 37 积分 · 2K 65 积分
H3 MaxPro and up
Per 5s clip
480p 14 积分 · 768p 23 积分
Hailuo 2.3Pro and up
Per 5s clip
768p 28 积分 · 1080p 41 积分
Hailuo 2.3 FastPro and up
Per 5s clip
768p 16 积分 · 1080p 28 积分
页面加载时从目录实时读取。 所有价格都会在生成前显示。 查看所有费率.
适用场景选择
| 任务 | 模型 | 原因 |
|---|---|---|
| 照片中的人物说台词 | Hailuo 3,参考图 | 在一次生成中同时输出语音和立体声 |
| 必须以两张精确的静态图作为开头和结尾的片段 | H3 Max 图像变体,或 Hailuo 3 | 两者都支持起始帧和结束帧;H3 Max 更便宜,Hailuo 3 为 2K |
| 由一张照片生成的无声产品旋转展示 | H3 Max 图像变体 | 以该系列中最低的价格使用起始帧 |
| 仅使用文字,包含多个参考图 | H3 Max 文本变体 | 无需帧图即可支持最多九张图片和三条音轨 |
| 完全无声的 16:9 片段 | Hailuo 2.3 | 唯一支持无声输出的选项 |
检查清单
- 输入已确定:参考图、首帧或文本。
- 变体随之确定:单句台词选 Hailuo 3,预算有限选 H3 Max 处理帧。
- 时长在范围内:Hailuo 3 为 4 到 15 秒,H3 Max 为 5 到 15 秒,Hailuo 2.3 为 6 或 10 秒。
- 在提示词中命名附件:@Image1,@Audio1。
- 已编写 A Sound: 子句。
- 在点击 Generate 之前查看按钮上的价格。
常见问题
- MiniMax H3 和 Hailuo 3 是同一个模型吗?
- 是的。Hailuo 3 是模型名称,H3 是简称。在 NOLGIA 上,旗舰模型列为 Hailuo 3,经济型模型列为 H3 Max。
- 哪些模型支持语音?
- Hailuo 3。H3 Max 可以渲染音效和环境音,但不支持语音台词,Hailuo 2.3 则完全无声。
- 我可以同时使用参考图和首帧吗?
- 不能在一次生成中同时使用。Hailuo 3 支持帧或参考图;如果你同时添加两者,编辑器会将帧移入参考图并显示通知。H3 Max 将两者分别用于其图像和文本变体。
- Hailuo 3 支持多少张参考图?
- 最多支持 9 张图像和 3 条音频轨道,每条音频最长 15 秒。不支持参考视频。
- 输出分辨率是多少?
- Hailuo 3 渲染 768p 或 2K,默认是 2K。H3 Max 渲染 480p 或 768p。Hailuo 2.3 渲染 768p 或 1080p。
- 我需要哪个套餐?
- Pro 及以上套餐全家可用。在较低套餐上充值积分无法解锁。
给 Hailuo 3 一张照片和一行文字。
打开 Hailuo 3相关教程
模型
NOLGIA 上的 Veo 3.1:三个层级、原生音频及其拒绝生成的内容
NOLGIA 提供的三个 Veo 3.1 层级,各层级的输入要求(起始帧或最多三个参考图,4、6 或 8 秒,16:9 或 9:16),如何编写台词,以及它拒绝生成的内容。
· 10 分钟阅读
视频
三种方法将照片转为视频
在 NOLGIA 上通过三种方式让一张静态照片动起来:使用视频合成器进行精细控制,使用智能体实现全自动生成,或使用预设快速生成短片。哪些模型支持照片输入,以及每种方式的费用。
· 16 分钟阅读
模型
NOLGIA 上的 Nano Banana 2.1:原生 4K、四张参考图、精准文字与 8:1 比例
Nano Banana 2.1 是 Google 推出的全新图像模型,于 2026 年 10 月 6 日发布。了解其变化,以及在 NOLGIA 上使用 4K、四张参考图、精准文字和 8:1 画幅的方法。
· 7 分钟阅读




