教程 / 模型

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

Hailuo 3帧文字

按顺序列出你制作的内容。点按任一项即可跳到对应步骤。

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 3768p 或 2K4 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 768p5 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 768p5 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 2.3768p 或 1080p6 或 10 秒文本或起始帧,仅限 16:9无声
Hailuo 2.3 Fast768p 或 1080p6 或 10 秒起始帧(必需),仅限 16:9无声
数据来自 2026-09-24 的公开模型目录。Hailuo 3 和 H3 Max 支持 21:9、16:9、4:3、1:1、3:4 和 9:16 比例。所有功能均需 Pro 及以上套餐。Hailuo 3 和 H3 Max 页面为实时版本。

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。

视频模型选择器,Hailuo 3(2K 多模态旗舰模型)和 H3 Max(专为预算内的高提示词保真度调优)上有两个数字标记
模型列表中的 Hailuo 3 和 H3 Max。 (1) Hailuo 3,2K 旗舰模型。(2) H3 Max,经济型模型。每个卡片都会播放该模型的输出,方便你在选择前进行比较。

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 2KH3 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。

一位梳着背头深色头发的女性,身穿剪裁合体的白色双排扣西装,站在白色摄影棚中,侧面硬橙色灯光在地面投下长长的阴影
参考静帧。 为本文使用图像模型生成。
发送的提示词
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.
一名身穿白色西装的女子在白色摄影棚中,在强烈的橙色侧光下从后方走向镜头,在中景处停下并开始说话
Hailuo 3,2K,16:9,5 秒,一张参考图,一次生成。 摄影棚、西装和橙色地灯均从 @Image1 读取。她从后墙走向中景,台词在最后一秒出现:语音频段的音量在此时达到峰值。我们测量的是频段,而非转录文字。
视频合成器界面,带有六个编号标记:模型卡片上的 Hailuo 3,提及 @Image1 的提示词,作为 @Image1 附加在“参考图像”下的白色西装静帧,关于如何引用附件的提示,5s、16:9 和 2K 选项芯片,以及显示价格的“生成视频”按钮
Hailuo 3 的参考图像。 (1) Hailuo 3。(2) 提示词将静帧命名为 @Image1。(3) 附加在“参考图像”下的静帧变为 @Image1。(4) 合成器自带的关于引用附件的提示。(5) 5 秒,16:9,2K。(6) 这些设置的价格,在运行之前显示。
同一 Hailuo 3 运行在手机上的效果:静态图作为 @Image1 附在参考图片下,下方有关于如何引用附件的提示
在手机上。 (3) 静态图作为 @Image1,(4) 提示,位于镜头运动下方。

亲自尝试

  • 参考静态图 (JPEG, 16:9)JPEG 照片 · 1536x864 · 58 KB下载
  • 尾帧 (JPEG, 16:9)JPEG 照片 · 1376x768 · 36 KB下载
Hailuo 3,参考图片,2K,16:9,5 秒,上述提示词。尾帧用于下一步。

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

首帧:身穿白色西装的女子在白色摄影棚中面向镜头

尾帧

尾帧:同一女子向右移动几步,侧身对着镜头,回头看向肩后,裙摆飘起
两张静态图,同一场景。 尾帧是使用图像模型从首帧生成的,因此摄影棚和光线相匹配。
发送的提示词
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.
穿白色西装的女子从面向镜头转身,向右走,最后侧身站立并回头,橙色阴影扫过地板
H3 Max,768p,16:9,5 秒,起始和结束帧,单次运行。 视频从第一张静帧开始,她向右走并转为侧身,最后一帧定格在第二张静帧的姿势,回头看向肩后。阴影随她移动。声音是风机器声和她的脚步声,没有对话,这正是 H3 Max 生成的效果。
视频合成器界面,带有六个编号标记:模型卡片上的 H3 Max,Animate an image,行走提示词,作为起始帧的白色工作室静帧,作为结束帧的第二张静帧,以及显示价格的 Generate video 按钮
H3 Max 的两个槽位。 (1) H3 Max。 (2) Animate an image。 (3) 提示词仅说明她如何从一张静帧过渡到另一张。 (4) 起始帧。 (5) 结束帧,用于固定片段的最后一帧。 (6) 这些设置的价格,在运行之前显示。
手机上的相同两个槽位:起始帧和结束帧,每个下方都有 Swap 和 Clear 按钮
在手机上。 (4) 起始帧和 (5) 结束帧,每个下方都有 Swap 和 Clear。

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。

发送的提示词
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.
一段宽屏视频,展示一位身穿白色西装的女士从白色工作室的左边缘走向中心,然后转向镜头,橙色灯光将她的影子投射在地板上
H3 Max 文本变体,768p,21:9,5 秒,一次运行。 没有附件。她从左侧边缘走到中心并转向镜头;白色工作室、橙色地板灯和长长的影子都来自文字描述。光线比静帧中硬凝胶灯的光线更柔和,这就是参考图带来的差异。

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。

H3 已经为你发挥作用的地方

你无需打开编辑器即可使用它。这些预设基于 Hailuo 3 运行,并通过表单填充提示词:封面揭示 将你的静态图固定为最后一帧,镜头中的你 使用真实的摄像机运镜拍摄已保存的角色,社交媒体广告、创作者评测广告 和 应用广告 生成说话片段,而 服装试穿 则从头到脚展示穿搭效果。

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

  1. 输入已确定:参考图、首帧或文本。
  2. 变体随之确定:单句台词选 Hailuo 3,预算有限选 H3 Max 处理帧。
  3. 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。
  4. 在提示词中命名附件:@Image1,@Audio1。
  5. 已编写 A Sound: 子句。
  6. 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

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