一条提示词，所有媒介。MiniMax H3 是开放通用的全模态视频模型，把文字、图片、视频、音频读成同一个上下文：从一段视频借运镜、从一张照片定角色、从一段音频配人声——它以最高 2K 的原生立体声把镜头合成出来。4 到 15 秒，100 积分。
H3 把每个参考都当成一个可调的旋钮——工作流如下：
图片管身份、视频管动作和镜头语言、音频管人声或节奏——一次生成最多混搭 12 个文件，类型自由组合。
用文字描述关系：「用视频 1 的运镜、图片 2 的角色、音频 3 的人声」。H3 的上下文引擎自己完成跨模态的接线。
不走参考路线就用位置控制：给首帧、尾帧或两者都给，H3 渲染两者之间的过渡，声音一并生成。
输出 768P 或 2K——2K 是 H3 的默认甜点档，对白、环境声、配乐与画面同 pass 原生生成。每条 4 到 15 秒。
让它成为 Oddbeam 多模态指挥台的几项能力：
文本、图片、视频、音频进的是同一个创作上下文，不是各自为政的工具孤岛——模型同时对所有输入做推理，「借那个运镜、照这段人声唱」才会成为一句指令。
H3 的标准档就是 2K，配画面同 pass 生成的 32 kHz 原生立体声——分辨率和声音是基线配置，不是加价项。
阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语的对白稳定输出——多语言配音直接长在渲染里。
V2V 动作迁移把参考片段里的表演搬到新主体上——舞步、手势、打斗动作——不用转描，不用手调关键帧。
H3 的上下文引擎能解析模糊的口语化指令并自行补全合理细节——复杂的多模态指令在 4-6 秒的短片里，比关键词堆砌的提示词存活率高得多。
参考素材从来装不进一个框的团队。
把 demo 人声丢进去当参考，出来的人声表演和口型直接对上——光这一条，我排期表上少了两道后期工序。
MV 导演
后期制作
一次 H3 任务里丢角色三视图、一段运镜参考、一段声音氛围。以前要三个工具接力拼的活，上下文自己拼完了。
游戏过场美术
工作室团队
2K 默认输出是个安静的赢点——产品片出来直接够详情页放大看的清晰度，不用再过一遍放大，每条 100 积分。
电商视频负责人
平台品牌
把 demo 人声丢进去当参考，出来的人声表演和口型直接对上——光这一条，我排期表上少了两道后期工序。
MV 导演
后期制作
一次 H3 任务里丢角色三视图、一段运镜参考、一段声音氛围。以前要三个工具接力拼的活，上下文自己拼完了。
游戏过场美术
工作室团队
2K 默认输出是个安静的赢点——产品片出来直接够详情页放大看的清晰度，不用再过一遍放大，每条 100 积分。
电商视频负责人
平台品牌
随时可取消 • 未用完的额度自动结转
非常适合入门
适合高级用户和团队
专业人士首选