指南 / 模型

NOLGIA 上的 MiniMax H3:Hailuo 3、H3 Max 及各模型所需條件

NOLGIA 提供三種 MiniMax 影片系列。Hailuo 3 是旗艦模型:2K 解析度,4 到 15 秒,六種長寬比,最多九張參考圖片和三條音軌,或首尾幀,並在同一次處理中渲染立體聲與語音。H3 Max 是經濟型系列,分為兩種變體,一種用於含參考圖片的文字輸入,另一種用於首幀及可選的尾幀。Hailuo 2.3 是較舊的無聲 16:9 模型。本指南將對每個模型執行相同的輸入,並展示生成的結果。

  • 閱讀時間 9 分鐘

本文由英文自動翻譯。閱讀原文

Hailuo 3影格文字

依序列出你製作的內容。點一下即可跳到對應步驟。

H3 是 NOLGIA 上大多數對話預設集背後的模型,從社群廣告到試穿造型,也是 Cover reveal 用來精準對齊你的靜態圖片所使用的模型。它之所以能做到這一點,是因為在一次執行中能接受比大多數模型更多種類的輸入:來自照片的人物、來自音訊片段的聲音、起始與結束畫面,以及一句台詞,且聲音與畫面同步生成。

這裡的主題是一個高級廣告畫面,一位身穿白色西裝的女性在白色攝影棚中,受單一橙色燈光照射,由圖像模型生成。下方的每次渲染都在不同的變體上使用不同的輸入,請閱讀說明文字以了解對應關係。

模型家族,以及各自接受的輸入

模型品質長度輸入聲音
Hailuo 3768p 或 2K4 到 15 秒文字;或最多 9 張參考圖片和 3 條音軌;或起始與結束畫面。畫面與參考圖片不可混用立體聲,含語音
H3 Max,文字變體480p 或 768p5 到 15 秒文字,最多 9 張參考圖片,3 條音軌。無畫面是,無語音
H3 Max,圖像變體480p 或 768p5 到 15 秒起始畫面(必要),結束畫面(選填)。無參考圖片是,無語音
Hailuo 2.3768p 或 1080p6 或 10 秒文字或起始畫面,僅限 16:9無聲
Hailuo 2.3 Fast768p 或 1080p6 或 10 秒起始畫面(必要),僅限 16:9無聲
資料來自 2026-09-24 的公開模型目錄。Hailuo 3 和 H3 Max 可渲染 21:9、16:9、4:3、1:1、3:4 和 9:16。所有模型均適用於 Pro 及以上方案。Hailuo 3 和 H3 Max 頁面為即時版本。

在影片編輯器中,該系列顯示為 Hailuo 3、H3 Max、Hailuo 2.3 和 Hailuo 2.3 Fast。H3 Max 會自動在其兩個變體之間切換:加入起始畫面即執行圖像變體,省略則執行文字變體。

影片模型選擇器,標記 1 為 Hailuo 3(2K 多模態旗艦),標記 2 為 H3 Max(針對預算優化提示詞保真度)
模型列表中的 Hailuo 3 和 H3 Max。 (1) Hailuo 3,2K 旗艦。(2) H3 Max,預算型。每個卡片播放該模型的輸出,讓你在選擇前進行比較。

常見錯誤

錯誤失敗原因修正
在 Hailuo 3 上同時使用起始畫面和參考圖像服務供應商接受畫面或參考圖像,但不能同時使用兩者。使用畫面來精確控制開頭和結尾,使用參考圖像來生成新鏡頭。
在 H3 Max 上生成對白H3 Max 渲染聲音但不渲染語音。若需對白,請改用 Hailuo 3。
在 H3 Max 上生成 4 秒片段其範圍從 5 秒開始。要求 5 秒,或使用 Hailuo 3 生成 4 秒。
Hailuo 2.3 的直式影片它僅渲染 16:9。使用 Hailuo 3 或 H3 Max 以 9:16 生成。
將聲音作為事後想法撰寫若沒有 Sound: 子句,模型會自行創作音軌。一行 Sound: 內容,說明場景及其中最響亮的聲音。
預期 H3 Max 支援 2KH3 Max 最高僅支援 768p。Hailuo 3 是 2K 層級。

開始之前

  • 先決定輸入內容:一張人物照片作為參考、起始與結束畫面,或僅使用文字。變體將據此決定。
  • 若要生成對白,請使用 Hailuo 3 並將對白寫在引號內。
  • 若要生成起始與結束畫面,請先製作兩張靜態圖。結束畫面應為同一地點,且光線應為幾秒後的狀態。
  • Hailuo 3 預設為 2K;若製作草稿請選擇 768p。Generate 按鈕會顯示確切價格。

Hailuo 3:主體參考與對白

選擇 Hailuo 3,在 Reference images 下附加靜態圖,並使用 @Image1 指涉它。撰寫她的動作、引號內的對白以及聲音。我們以 2K、16:9、5 秒進行渲染。

一位深色頭髮向後梳攏的女性,身穿剪裁合身的白色雙排扣西裝,站在白色攝影棚中,側面強烈的橙色燈光在地板上投下長影
參考靜態圖。 為本指南使用影像模型製作。
提示詞,如送出內容
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.
一名身穿白色西裝的女子在白色攝影棚中,從後方走向鏡頭,在強烈的橙色側光下,停在中型鏡頭並說話
Hailuo 3,2K,16:9,5 秒,一張參考影像,一次生成。 攝影棚、西裝和橙色地板燈皆讀取自 @Image1。她從後牆走向中型鏡頭,台詞在最後一秒出現:音軌在該處的語音頻段變大。我們測量的是頻段,而非轉錄文字。
影片編輯器上有六個編號標記:模型卡片上的 Hailuo 3、提及 @Image1 的提示詞、作為 @Image1 附在參考影像下的白色西裝靜態圖、關於引用附件的提示、5s、16:9 和 2K 選項,以及顯示價格的「生成影片」按鈕
Hailuo 3 的參考影像。 (1) Hailuo 3。(2) 提示詞將靜態圖命名為 @Image1。(3) 附在參考影像下的靜態圖成為 @Image1。(4) 編輯器自帶的引用附件提示。(5) 5 秒,16:9,2K。(6) 這些設定的價格,在執行之前。
同一個 Hailuo 3 執行在手機上:靜態圖作為 @Image1 附在參考圖片下,以及下方關於如何引用附件的提示
在手機上。 (3) 靜態圖作為 @Image1 和 (4) 提示,位於鏡頭移動下方。

自己試試看

  • 參考靜態圖 (JPEG, 16:9)JPEG 相片 · 1536x864 · 58 KB下載
  • 結束影格 (JPEG, 16:9)JPEG 相片 · 1376x768 · 36 KB下載
Hailuo 3, 參考圖片, 2K, 16:9, 5 秒, 上述提示詞。結束影格用於下一步。

H3 Max:起始影格與結束影格

選擇 H3 Max,點選 把圖片做成動畫 並新增靜態圖作為起始影格。開啟下方的結束影格欄位並新增第二張靜態圖。編輯器會說明該欄位的作用:它固定片段的最後一幀,同時保持起始影格為開頭。片段必須從一個移動到另一個,因此提示詞只需說明如何移動。

起始影格

起始影格:穿白色西裝的女子在白色攝影棚中面向鏡頭

結束影格

結束影格:同一位女子向右移動幾步,側身對鏡頭,回頭看,裙擺飄起
兩張靜態圖,同一場景。 結束影格是使用圖片模型從起始影格生成的,因此攝影棚和光線相符。
提示詞,如送出內容
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.
穿白西裝的女子從面向鏡頭轉身,向右走,最後以側身姿勢結束,回頭一瞥,橙色陰影掃過地板
H3 Max, 768p, 16:9, 5 s, 起始與結束畫面, 單次生成。 影片從第一張靜態圖開始,她向右走並轉為側身,最後一幀定格在第二張靜態圖的姿勢,回頭望向肩後。陰影隨著她移動。聲音是風扇聲和她的腳步聲,沒有說話,這就是 H3 Max 生成的效果。
影片編譯器上有六個編號標記:模型卡片上的 H3 Max、讓圖片動態化、行走提示詞、作為起始畫面的白色攝影棚靜態圖、作為結束畫面的第二張靜態圖,以及顯示價格的「生成影片」按鈕
H3 Max 的兩個欄位。 (1) H3 Max. (2) 讓圖片動態化. (3) 提示詞僅說明她如何從一張靜態圖過渡到另一張. (4) 起始畫面. (5) 結束畫面,它固定了影片的最後一幀. (6) 這些設定的價格,在執行任何操作之前.
手機上的相同兩個欄位:起始畫面和結束畫面,每個下方都有「交換」和「清除」選項
在手機上。 (4) 起始畫面和 (5) 結束畫面,每個下方都有「交換」和「清除」選項.

H3 Max: 僅使用文字

沒有附件,因此 H3 Max 執行其文字變體。我們用文字描述同一個攝影棚,設定為 21:9、768p、5 秒,以觀察預算線如何從無到有生成內容。

提示詞,如送出內容
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.
一段寬螢幕影片,顯示一名身穿白色西裝的女子從白色攝影棚左側邊緣走向中央,並轉向鏡頭,橘色燈光將她的影子投射在地板上
H3 Max 文字變體,768p,21:9,5 秒,一次生成。 無附件。她從左側邊緣走向中央並轉向鏡頭;白色攝影棚、橘色地板燈光和長影皆源自文字描述。光線比靜態參考圖的硬色片光線更柔和,這就是參考圖帶來的差異。

如何為 H3 撰寫提示詞

  • 為每個附件標註其用途。 例如 @Image1 中的女子,@Audio1 中的聲音。編排器會自動為你標註這些欄位。
  • 用電影術語描述鏡頭。 例如緩慢環繞、推鏡、固定廣角。明確的運鏡名稱比情緒描述能帶來更穩定的鏡頭路徑。
  • 引號內的對白,僅適用於 Hailuo 3。 H3 Max 會生成聲音但不會說話。
  • 單一 Sound: 子句。 它會塑造整體音軌:空間感、最響亮的元素,以及若你有意為之,則無背景音樂。
  • 使用關鍵幀或參考圖,不可同時使用。 上傳前先決定。

H3 已能為你提供協助的地方

你不必開啟編輯器就能使用它。這些預設集在 Hailuo 3 上執行,並從表單填入提示詞:Cover reveal 將你的靜態圖固定為最後一幀,You on camera 以真實的攝影機運動拍攝已儲存的角色,Social media ad、Creator review ad 和 App ad 製作說話片段,而 Outfit try-on 則從頭到腳呈現穿搭效果。

費用說明

每個片段的費用依等級和秒數計算,包含聲音。Hailuo 3 預設為 2K;H3 Max 預設為 768p。Generate 按鈕會顯示螢幕上設定的確切扣點數。

  • Hailuo 3Pro and up

    Per 5s clip

    768p 37 點 · 2K 65 點

  • H3 MaxPro and up

    Per 5s clip

    480p 14 點 · 768p 23 點

  • Hailuo 2.3Pro and up

    Per 5s clip

    768p 28 點 · 1080p 41 點

  • Hailuo 2.3 FastPro and up

    Per 5s clip

    768p 16 點 · 1080p 28 點

頁面載入時從目錄即時讀取。 所有價格都會在生成前顯示。 查看所有費率.

哪種任務適合哪種模型

任務模型原因
照片中的人物說一句話Hailuo 3,參考圖同一次生成語音和立體聲
必須以兩張精確靜態圖開始和結束的片段H3 Max 圖片變體,或 Hailuo 3兩者都接受起始和結束幀;H3 Max 較便宜,Hailuo 3 為 2K
從一張照片進行的無聲產品旋轉H3 Max 圖片變體該系列中價格最低的起始幀選項
僅文字,多張參考圖H3 Max 文字變體無需幀即可使用最多九張圖片和三條音軌
完全無聲的 16:9 片段Hailuo 2.3唯一無聲的選項

檢查清單

  1. 輸入已決定:參考圖、畫面或文字。
  2. 變體選擇:單句對白選 Hailuo 3,預算有限的畫面選 H3 Max。
  3. 長度在範圍內:Hailuo 3 為 4 到 15 秒,H3 Max 為 5 到 15 秒,Hailuo 2.3 為 6 或 10 秒。
  4. 在提示詞中標註附件:@Image1、@Audio1。
  5. 已撰寫 Sound: 子句。
  6. 在點擊 Generate 前查看按鈕上的價格。

常見問題

MiniMax H3 和 Hailuo 3 是同一個模型嗎?
是的。Hailuo 3 是模型名稱,H3 是簡稱。在 NOLGIA 上,旗艦模型列為 Hailuo 3,經濟型列為 H3 Max。
哪一個模型可以說話?
Hailuo 3。H3 Max 可以生成音效和環境音,但無法生成對白,而 Hailuo 2.3 是無聲的。
我可以同時使用參考圖和起始畫面嗎?
不行,無法在一次生成中同時使用。Hailuo 3 只能選擇畫面或參考圖;如果你兩者都上傳,編排器會將畫面移至參考圖並顯示通知。H3 Max 則將兩者分為圖片和文字變體。
Hailuo 3 可以使用多少參考圖?
最多 9 張圖片和 3 段音訊,每段音訊最長 15 秒。它不支援參考影片。
我可以獲得什麼解析度?
Hailuo 3 生成 768p 或 2K,預設為 2K。H3 Max 生成 480p 或 768p。Hailuo 2.3 生成 768p 或 1080p。
我需要哪個方案?
Pro 及以上方案即可使用全系列。在較低方案中加購點數無法解鎖這些功能。

為 Hailuo 3 提供一張照片和一行文字。

開啟 Hailuo 3

影片

三種方式將照片轉為影片

在 NOLGIA 上以三種方式讓單張靜態照片動起來:使用影片合成器進行精細控制、使用代理進行全自動生成,或使用預設集快速產出短片。哪些模型支援照片輸入,以及每種方式所需的點數。

· 閱讀時間 16 分鐘