海螺 AI

海螺 AI 是 MiniMax 自研的 AI 视频生成平台，以”MiniMax H3（海螺 3）全模态音视频一体化模型 + 原生 2K + 32kHz 立体声原生音画同步 + Omni Reference 多参考一致性 + 4-15 秒电影感短视频 + H3 开源权重 + 2K 仅 0.8 元/秒（同类旗舰 1/3 价格）”为核心差异化。海螺 AI 是”原生音画一体的 2K 商业短视频引擎 + 全模态参考 + 开源可自托管 + 价格仅同类 1/3“——它不是去拼电影级长片，而是把”品牌广告/电商包装/竖屏短剧/UI 动效“这种”视觉包装型”商业视频做到极致性价比 。

💡 一句话理解海螺 AI：它是 MiniMax 的 AI 视频平台（当前主力为 H3 / 海螺 3）——以”文生视频/图生视频/首尾帧/参考生视频 + 原生 2K（2560×1440）+ 24fps + 4-15 秒 + 32kHz 立体声原生音画同步 + 最多 9 张参考图/3 段参考视频/3 段参考音频 + 7000 字符提示词 + 六种画幅 + H3 开源权重可本地部署 + 2K API 仅 0.8 元/秒 + 海螺平台免费注册送积分、Standard $8.40/月起“为核心；海螺 AI 的差异化在于”原生音画一体的 2K 商业包装 + 全模态参考 + 开源 + 价格 1/3“——但代价是单次仅 4-15 秒（插件可延至 30 秒）、本地开源最高 768P（2K 超分仅官方 API 支持）。

 

产品概述

海螺 AI 是 MiniMax 自 2024 年 9 月推出的 AI 视频生成平台，历经三代迭代：

• 海螺 1.0（2024.09）：运动稳定性 + 电影感运镜 + 单图主体参考
• 海螺 2.0（2025）：复杂指令遵循 + 物理表现提升 + 首尾帧 + 音效生成 + 海螺 Video Agent
• 海螺 2.3（2025.10）：动态表现力全面升级，更自然的真人面部表演、微表情，动漫/插画/水墨/游戏 CG 特殊画风表现强，并发布 Hailuo-2.3-Fast 图生视频模型
• MiniMax H3 / 海螺 3（2026.07.31 发布，08.03 开源）：33B 参数通用全模态音视频生成模型，应用 H3-Context-IR 架构，统一理解文本/图像/视频/音频四种模态

H3 的核心突破：

• 原生音画一体：对白、环境音、音乐与画面在同一次生成中输出 32kHz 立体声，从架构层面解决音画错位
• 2K 原生直出：官方档位为 768P 与 2K（2560×1440），社区流传的 1440p 并非官方说法
• 全模态参考：单次最多 9 张参考图 + 3 段参考视频 + 3 段参考音频（合计 12 个文件）
• 视频编辑能力全球第一：Artificial Analysis 视频模型榜单中 H3 在视频编辑能力项排名第一
• 开源：33B 参数权重全量放出，个人可本地部署，企业可私有化

视频生成核心规格​ ：

• 单次时长：4-15 秒整数时长；插件/延伸工具可到 30 秒左右
• 最高分辨率：2K（2560×1440）原生直出；本地开源权重最高 768P，2K 超分需调用官方 API
• 帧率：24fps
• 画幅：21:9 到 9:16 共 六种画幅（含 9:16 竖屏、16:9 横屏、1:1 方形等），适配抖音/小红书/视频号全平台
• 音频：32kHz 双声道立体声，每条片段都带音频，无静音模式​
• 提示词：最长 7000 字符
• 输入模态：文本、图像、视频、音频可混合在同一段上下文

模型矩阵：

入口矩阵​ ：

💡 海螺 AI 已从自研模型平台拓展为”多模型枢纽“——除 MiniMax H3 外，还可选用 Veo 3.1、Sora 2、Nano Banana、Seedream、GPT Image 等第三方模型 。

 

 核心能力

1. 文生视频 / 图生视频 / 首尾帧 / 参考生视频

• 文生视频：文本直接生成带完整音效的 4-15 秒短片
• 图生视频：单张图片智能动态化 + 匹配音效
• 首尾帧补帧：输入开头、结尾画面，自动生成连贯镜头
• 参考生视频：通过参考图/视频/音频锁定人物、画风、物体一致性

2. 原生音画一体（H3 的招牌能力）

• 对白、环境音、音乐与画面在同一次生成中输出 32kHz 立体声​
• 口型对得上台词，脚步声落在正确的帧上——音画错位从架构层面规避
• 每条片段都带音频，没有静音模式​
• 这是 H3 相对 Vidu（音画同步但非原生一体）、Pika（仅 Pikaformance 口型同步）、清影（CogSound 后期合成）的架构级优势

3. Omni Reference 全模态参考（H3 的差异化壁垒）

• 单次最多 9 张参考图 + 3 段参考视频 + 3 段参考音频（合计 12 个文件）
• 海螺平台 Omni Reference 支持最多 12 张参照图片，保持角色与主体一致性
• 音频参考可以单独使用，不需要搭配图片或视频
• 单文件上限：视频 50MB · 图片 30MB · 音频 15MB

4. 2K 原生直出

• 官方档位 768P 与 2K（2560×1440）​
• 皮肤纹理、商品细节能看清，不再是”看得出是什么”的水平
• 社区流传的 1440p 并非官方说法——官方档位就是 768P 与 2K
• 本地开源权重最高 768P，2K 超分需调用官方 API

5. 电影感品牌片与文字/Logo 稳定性

• H3 在画面文字、字幕与 Logo 动效方面表现出色——这是绝大多数 AI 视频模型的通病（文字扭曲、标识变形），H3 显著改善
• 擅长：电影感品牌片、产品展示、竖屏短剧、动漫与游戏 PV、风格动作、指令密集的改写（一次提示词多处修改）
• Artificial Analysis 视频模型榜单中 H3 视频编辑能力项全球第一​

6. 六种画幅适配

• 21:9 到 9:16 共六种画幅
• 适配抖音、小红书、视频号全平台

7. 11 国语言原生兼容

• 跨境短视频出海一键搞定

8. H3 开源与本地部署（独门绝技）

• 2026 年 8 月 3 日 H3 权重正式开源（33B 参数）
• Hugging Face 热度榜三天登顶第一
• 个人可本地部署、二次开发；企业可私有化部署
• 仅支持 N 卡 CUDA 推理，AMD、Mac 可跑量化但稳定性差
• 本地开源最高 768P，2K 超分模块未开源，需调用官方 API

9. Media Agent（全模态创作 Agent）

• 海螺 Video Agent 已升级为 Media Agent
• 集成分镜制作、剪辑、配音等视频制作全流程工具
• 一键生成高质量成片；通过对话可介入工作流并获得单独片段素材

10. 多模型枢纽

• 海螺 AI 平台除 MiniMax H3 外，还可切换 Veo 3.1、Sora 2、Nano Banana、Seedream、GPT Image​ 等第三方模型
• 用户在一个平台内调用多模型能力

 

收费模式

海螺 AI 采用“C 端积分订阅制 + API 按秒计费 + 开源免费自托管”三轨制。

1. C 端订阅（第三方价格站点数据，以官网结算页为准）

⚠️ 价格冲突提示：第三方价格站点对 Standard/Pro/Master 的报价存在两套口径（aibestsearch 给出 $8.40/$30.40/$71.20，aipricecompare 给出 $14.99/$54.99/$119.99），实际价格以海螺官网结算页实时显示为准。所有套餐均含商用授权。

💡 海螺平台积分消耗：H3 的 2K 视频每秒钟消耗 12 贝壳（积分），一条 15 秒 2K 视频约消耗 180 积分，约 10 元人民币 。

2. API 按秒计费（MiniMax-H3 官方定价）

💡 H3 的 2K 0.8 元/秒，仅为业内同类旗舰视频模型（如 Veo 3.1 的 $0.40-4/秒、Sora 2 Pro 约 $0.50/秒）的 1/3 价格​ ——这是 H3 最核心的商业竞争力 。

3. 旧模型 API 定价（京东云渠道，Hailuo-2.3 系列）

所有 Hailuo-2.3 系列支持上传图片、提示词 2000 字、时长 6s/10s、分辨率 768p/1080p

4. 自托管成本

• H3 开源权重免费下载
• 仅支持 N 卡 CUDA 推理（AMD、Mac 可跑量化但稳定性差）
• 本地开源最高 768P，2K 超分需调用官方 API
• 无按次费用，但需自备硬件

5. 成本对比（2K/1080p 同类旗舰对比）

💡 H3 的 2K 0.8 元/秒是同类旗舰价格的 1/3​ ——这是 H3 在商业视频场景的”降维打击”优势 。

 

优势亮点

🎬 原生音画一体（架构级优势）

H3 的 32kHz 立体声与画面在同一次生成中输出，口型对得上台词、脚步声落在正确帧上——音画错位从架构层面规避 。这是相对 Vidu（音画同步但非原生一体）、Pika（仅口型同步）、清影（CogSound 后期合成）的架构级差异化。

🎬 2K 原生直出 + 价格仅同类 1/3

H3 的 2K 视频 0.8 元/秒，仅为 Veo 3.1 / Sora 2 Pro 同类旗舰的 1/3 价格​ ——商业视频批量生产的成本杀手。

🎬 视频编辑能力全球第一

Artificial Analysis 视频模型榜单中 H3 视频编辑能力项排名全球第一​ ——V2V Motion Transfer（视频到视频动作迁移）表现出色 。

🎬 文字/Logo 稳定性行业最佳

H3 在画面文字、字幕与 Logo 动效方面显著优于绝大多数 AI 视频模型（后者通病是文字扭曲、标识变形）——品牌广告、电商包装、UI 动效的刚需能力​ 。

🎬 Omni Reference 全模态参考

单次最多 9 张参考图 + 3 段参考视频 + 3 段参考音频，锁定产品样貌、人物样貌、专属 BGM，多次生成不走形 ——商业品牌一致性的利器。

🎬 H3 开源可自托管（独门绝技）

33B 参数权重全量开源，Hugging Face 三天登顶热度榜第一 ——个人可本地部署，企业可私有化，数据不出本地 。这是除智谱清影 CogVideoX、Wan2.1 外第三个可真正自托管的国产主流视频模型。

🎬 六种画幅 + 11 国语言

21:9 到 9:16 六种画幅，适配抖音/小红书/视频号 ；11 国语言原生兼容，跨境出海一键搞定 。

🎬 多模型枢纽

海螺 AI 平台内可切换 Veo 3.1、Sora 2、Nano Banana、Seedream、GPT Image 等 ——一个平台调用多模型能力 。

🎬 Media Agent 全流程自动化

海螺 Video Agent 升级为 Media Agent，集成分镜、剪辑、配音全流程，一键生成高质量成片 ——AIGC 工作流的成熟形态。

🎬 免费版真正可用

新用户注册免费获得积分 ，200 一次性积分可供测试。

 

局限与风险

⚠️ 单次时长仅 4-15 秒

H3 单次生成 4-15 秒整数时长，插件延伸最长约 30 秒 ——远不及可灵（15 秒+续写 3 分钟）、Runway（60 秒）。不适合长视频叙事，必须分段拼接 。

⚠️ 本地开源最高仅 768P

H3 开源权重本地部署最高 768P，2K 超分模块未开源，仅官方 API 支持​ ——企业自托管无法获得 2K 输出 。

⚠️ 每条片段强制带音频，无静音模式

H3 的设计哲学是”音画一体”，没有静音输出选项​ ——需要纯无声视频的场景反而不方便 。

⚠️ 复杂物理逻辑仍有 AI 通用瑕疵

高速镜头、极端复杂物理场景仍有 AI 通用瑕疵 ——极限电影写实质感弱于 Veo 3.1 / Sora 2 。

⚠️ H3 强项是”包装”不是”拍摄”

H3 定位”视觉包装型”多模态模型，追求影视级画面张力的团队应选 Seedance 2.0 或 Veo 3.1​ ——H3 的强项是品牌广告、电商包装、UI 动效，而非电影预告片/特效大片 。

⚠️ C 端订阅价格口径不统一

Standard $8.40 vs $14.99、Pro $30.40 vs $54.99、Master $71.20 vs $119.99——两套第三方报价差异显著​ ，实际价格以海螺官网结算页为准。

⚠️ 仅支持 N 卡 CUDA 本地部署

AMD、Mac 可跑量化但稳定性差 ——本地部署硬件门槛受限 。

⚠️ 社区流传 1440p 并非官方说法

官方档位就是 768P 与 2K（2560×1440），不要被社区”1440p”传言误导​ 。

⚠️ 海外生态相对弱

虽然 MiniMax 已港交所上市 ，但海外社区活跃度仍不及 Runway / Pika / Veo。

 

适用场景

核心用户：品牌广告团队、电商运营、UI/UX 设计师、游戏公司、跨境电商、竖屏短剧制作团队、独立创作者/Vlogger、需要本地部署的企业 。

最佳适用场景​ ✅：

• 品牌广告 / 产品宣传片：H3 对画面文字、Logo、品牌信息的稳定性行业最佳
• 电商产品视频：一张商品图 → 15 秒 2K 带立体声的产品展示视频，成本仅约 12 元
• UI/UX 动效演示：App 功能展示、游戏过场动画、原型动效——H3 对 UI 元素的文字还原比竞品精准
• 竖屏短剧 / 口播视频：原生立体声 + 口型同步，适合短剧、口播、MV
• 跨境短视频出海：11 国语言原生兼容
• 动漫与游戏 PV：海螺 2.3 起在动漫/插画/水墨/游戏 CG 特殊画风表现强
• 企业本地部署 / 私有化：H3 开源权重，数据不出本地
• 指令密集的视频编辑：V2V Motion Transfer 能力全球第一，一次提示词多处修改
• 多模型工作流：海螺平台内可切换 Veo 3.1 / Sora 2 / Nano Banana 等
• 预算敏感的商业视频批量生产：2K 仅 0.8 元/秒，同类旗舰 1/3 价格

不适用场景​ ❌：

• 电影级写实长片​ → Veo 3.1 / Sora 2 更强（H3 强项是”包装”不是”拍摄”）
• >30 秒长视频叙事​ → 可灵（3 分钟续写）/ Runway（60 秒）
• 导演级运动控制​ → Runway Motion Brush
• 需要静音输出的纯视觉视频​ → H3 强制带音频
• 本地 2K 自托管​ → 2K 超分模块未开源，本地仅 768P
• AMD/Mac 本地部署​ → 仅支持 N 卡 CUDA
• 剪映/抖音一站式闭环​ → 即梦
• 社交爆款特效​ → Pika