APIMart
APIMart

MiniMax 新一代模型发布:有哪些新变化

MiniMax Hailuo 2.3 可通过文字或图片生成 6-10 秒的电影级短片。了解其功能、提交-轮询-下载的 API 流程,以及 APIMart 上按秒计费的美元定价。

教程

如果你今天就想试试 MiniMax Hailuo 2.3,先说结论: 标准版支持文生视频和图生视频,Fast 版支持图生视频,必须传首帧图,同时仍需要提示词。它在 768p 下输出 6 或 10 秒片段,在 1080p 下输出 6 秒片段。截至 2026 年 10 月,标准版一个 6 秒 768p 片段约 $0.29,Fast 约 $0.15,API 流程是简单的提交 → 轮询 → 下载。

如果只看最重要的部分,这次发布主要有四点:

  • 现在能做什么: 文生视频和图生视频
  • 价格: 在 APIMart 上约为 每秒 $0.0248 到 $0.072,取决于模型和分辨率(截至 2026 年 10 月)
  • 如何接入: POST /v1/videos/generations,然后用 GET /v1/tasks/{task_id} 查询状态
  • 最适合谁: 制作短广告、产品片段、讲解视频和测试变体的团队

也有一些明确的限制。Fast 不支持文生视频,因为它必须传首帧图。在 APIMart 上,两个模型都不接受尾帧图或主体参考。APIMart 没有公布固定的渲染耗时,所以它更适合短视频任务,而不是长视频剪辑。

APIMart
MiniMax Hailuo 2.3 与 Fast 对比:价格、功能与使用场景

核心要点

  • MiniMax Hailuo 2.3 是一款面向短视频的电影级模型:标准版支持文生视频和图生视频,Fast 必须传首帧图(仍需提示词),两者在 768p 下输出 6 或 10 秒片段,在 1080p 下输出 6 秒片段。
  • 它加入了面部肌肉模拟和 Global Identity VAE 来稳定面部,支持 15 个放在提示词开头的方括号中文运镜指令(例如 [推进],推近),并提供动漫、水墨画和游戏 CG 风格。
  • 在 APIMart 上,API 遵循提交、轮询、下载的流程:POST /v1/videos/generations 返回 data[0].task_id,每 15 到 30 秒轮询一次 GET /v1/tasks/{task_id} 直到状态为 completed,视频 URL 在 data.result.videos[0].url[0]。
  • 截至 2026 年 10 月,APIMart 按秒计费:标准版 768p 约 $0.0488、1080p 约 $0.072,Fast 约 $0.0248 和 $0.0424。
  • Fast 在 768p 下约为标准版一半的价格,在 1080p 下约便宜 40%;提示词上限 2,000 个字符,APIMart 结果保留 72 小时。

Minimax Hailuo 教程:克隆声音、AI 视频与音乐生成 + Make.com 自动化

快速对比

模型输入类型输出时长分辨率起步价格(截至 2026 年 10 月)最适合
MiniMax-Hailuo-2.3文本,或文本 + 首帧图6 秒或 10 秒(768p);6 秒(1080p)768p、1080p每个 6 秒 768p 片段 $0.29成片、广告、产品视频
MiniMax-Hailuo-2.3-Fast首帧图 + 文本提示词6 秒或 10 秒(768p);6 秒(1080p)768p、1080p每个 6 秒 768p 片段 $0.15草稿、测试、批量产出

让我印象最深的是:这个模型上手简单,价格好估算,API 也很直接。你可以在 APIMart 上通过 MiniMax Hailuo 2.3 API 调用它。所以,如果你在评估 Hailuo 2.3 是否适合你的工作流,关键问题不是「我能不能用上」,而是 「我需要文生视频,还是每个片段都能从图片开始、用 Fast 省钱?」

2. MiniMax Hailuo 2.3 发布时带来了什么

MiniMax Hailuo 2.3 是 MiniMax 面向电影级短片的视频模型。它为流畅的运动、富有表现力的角色,以及贴合提示词的生成而打造。

2.1 核心能力与支持的工作流

在模型层面,主要选择是标准版还是 Fast。

标准版 Hailuo 2.3 同时支持文生视频和基于单张首帧图的图生视频。MiniMax 在这次发布中重点强调了肢体动作、微表情和风格控制方面的改进。[1][7]

Fast 用于图生视频:first_frame_image 必填,同时你仍然要发送文本提示词。MiniMax 称它更快、成本更低;APIMart 文档则描述它延迟更低。[3][5]

播放帧率大约是电影常用的 24 fps,但应把它当作大致目标,而不是固定规格。[3][7][8]

在实际使用中,这个选择会立刻影响三件事:

  • 能不能只从文本开始
  • 每个片段花多少钱
  • 团队从提示词到成稿能有多快

2.2 运动、角色与风格上的改进

相比 Hailuo 02,最大的提升体现在角色动作和情绪表现上。

Hailuo 2.3 使用面部肌肉模拟来处理细微表情,比如眉毛动作、视线焦点变化和轻微的歪头。它还使用 Global Identity VAE,让面部、头发和服装在帧与帧之间更稳定。[1][4][9]

运镜也更强了。在 APIMart 上,你可以在提示词开头放置 15 个方括号中文指令之一,并使用原样的标签:[左移] / [右移](向左 / 向右平移)、[左摇] / [右摇](向左 / 向右摇镜)、[推进] / [拉远](推近 / 拉远)、[上升] / [下降](上升 / 下降)、[上摇] / [下摇](上摇 / 下摇)、[变焦推近] / [变焦拉远](变焦推近 / 变焦拉远),以及 [晃动](晃动)、[跟随](跟随)和 [固定](固定)。[5] 除此之外,Hailuo 2.3 还提供动漫、水墨画和游戏 CG 美学等渲染风格,进一步加强了风格控制。[1][4][6][9]

这意味着团队可以更有意识地把控片段的感觉。角色特写、缓慢推近,或者风格化的产品镜头,不再靠运气,而更像是写提示词的功夫。

2.3 Hailuo 2.3 最适合的场景

Hailuo 2.3 最适合短小有力的片段。如果你需要更长的作品,更合理的做法是在这里生成各个镜头,再用常规剪辑软件拼接起来。

工作流类型优势限制最佳用例
文生视频提示词遵循度高,风格化输出仅标准版社媒短片、风格化预告
图生视频角色一致,原图细节稳定需要高质量原图;只支持首帧产品旋转、电商广告
Fast(必须传首帧)延迟更低,成本更低不支持文生视频批量草稿、A/B 测试

当你需要文生视频,或者风格方向和提示词细节最重要时,比如主视觉广告、预告片或以角色为主的片段,使用标准版 Hailuo 2.3。当你可以从图片开始,并且更看重速度和产量时,比如变体测试或批量社媒生产,切换到 Fast。

这些发布层面的差异,会直接影响下一节的 API 配置、输出限制和集成决策。

3. API 预览:端点、输入、输出与接入

3.1 请求与响应结构

在 APIMart 上,Hailuo 2.3 遵循简单的提交 → 轮询 → 下载流程。你发送 POST https://api.apimart.ai/v1/videos/generations 请求,从 data[0].task_id 拿到 task_id,在视频处理期间等待。之后轮询 GET https://api.apimart.ai/v1/tasks/{task_id}。状态变为 completed 时,视频 URL 在 data.result.videos[0].url[0]。这些字段对应两条发布路径:文生视频和图生视频。

文生视频的请求需要 prompt 字段,提示词最长 2,000 个字符。图生视频还需要发送 first_frame_image 作为起始帧。图片可以是公开 URL,也可以是 Base64 data URI。MiniMax 自己的文档建议文件小于 20 MB、短边大于 300 px,画面比例在 2:5 到 5:2 之间。

主要控制项有:

  • duration 控制片段时长:768p 为 6 或 10 秒,1080p 为 6 秒
  • resolution 设为 "768p"(默认)或 "1080p"
  • prompt_optimizer 是可选开关
参数类型必填说明
modelstring是MiniMax-Hailuo-2.3 或 MiniMax-Hailuo-2.3-Fast
promptstring是最多 2,000 个字符;支持方括号中文运镜指令
first_frame_imagestringFast 必填;标准版可选公开 URL 或 Base64 data URI
durationinteger否6(默认)或 10;1080p 下必须为 6
resolutionstring否"768p"(默认)或 "1080p"
prompt_optimizerboolean否可选的提示词优化开关,默认 true

任务运行期间,GET /v1/tasks/{task_id} 返回的状态为 pending 或 processing,最终为 completed 或 failed。任务完成后,从 data.result.videos[0].url[0] 读取视频 URL;没有单独的文件 ID 或下载接口。如果失败,查看 error 字段了解原因。

每 15 到 30 秒轮询一次比较合理。查得太频繁只会制造噪音。还有一点:APIMart 的结果保留 72 小时,所以生成后最好尽快把文件转存到你自己的存储里。

3.2 直连与 APIMart 统一 API 接入

APIMart

团队也可以直接调用 MiniMax 自己的平台 API。这条路最贴近 MiniMax 的官方文档和发布节奏,但它的端点、任务字段和下载步骤都和 APIMart 不同,所以不要在同一个客户端里混用两套。

如果团队想在一个地方管理多模态工作,APIMart 提供了另一条路径。每个请求的请求头都使用 Bearer token:

Authorization: Bearer YOUR_API_KEY

它的统一 API 让你在文本、图像和视频调用之间只用一个 API 密钥和一份美元余额。它还采用 OpenAI 兼容的请求风格,如果你的技术栈已经在用这种格式,接入会更轻松。如果你要把多种类型的模型接进同一条流水线,这样的配置能在客户端上节省时间。

3.3 以美元计价的定价与计费

费用按生成秒数以美元计费。以下是截至 2026 年 10 月 APIMart 的价格。

模型版本分辨率APIMart 价格(美元/秒)
MiniMax-Hailuo-2.3768p~$0.0488
MiniMax-Hailuo-2.31080p~$0.072
MiniMax-Hailuo-2.3-Fast768p~$0.0248
MiniMax-Hailuo-2.3-Fast1080p~$0.0424

也就是说,Fast 在 768p 下约为标准版一半的价格,在 1080p 下约便宜 40%。一个实用的成本管理方法是:用 768p 测试,把 1080p 留给最终渲染。这样前期迭代更便宜,后期交付也仍有提升画质的空间。当前价格请以模型页为准。

4. 多模态工作流的集成模式

4.1 Python SDK 与 REST 实现模式

请求和响应格式定下来之后,下一步是把 Hailuo 2.3 接进一条能反复运行的流水线。最简单的理解方式是:Hailuo 2.3 是更大系统里的渲染层。把 API 密钥放在环境变量里,每个请求都用 Bearer 鉴权;视频生成调用用 requests,提示词编排则交给 SDK。

import os
import time
import requests

API_KEY = os.environ["APIMART_API_KEY"]
BASE_URL = "https://api.apimart.ai/v1"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

payload = {
    "model": "MiniMax-Hailuo-2.3",
    "prompt": "[变焦推近] A ceramic coffee mug on a sunlit kitchen counter, steam rising, photorealistic",
    "duration": 6,
    "resolution": "768p",
    "prompt_optimizer": True,
}

response = requests.post(f"{BASE_URL}/videos/generations", json=payload, headers=headers)
task_id = response.json()["data"][0]["task_id"]

while True:
    status_resp = requests.get(f"{BASE_URL}/tasks/{task_id}", headers=headers)
    task = status_resp.json()["data"]

    if task["status"] == "completed":
        video_url = task["result"]["videos"][0]["url"][0]
        break
    if task["status"] == "failed":
        raise Exception(task.get("error", "Video generation failed"))

    time.sleep(20)

拿到 video_url 后,下载 MP4 并交给你的存储或发布环节。结果保留 72 小时,所以这一步不要拖。

API 流程跑通之后,接下来要做的是设定默认值,把开销和输出质量控制住。

4.2 面向内容和产品团队的流水线设计

大多数内容和产品团队用三种流水线模式就够了。它们对应本文的主要用例:文生视频、图生视频,以及渲染后的音频合成。[13][10][12][20][21]

对于广告片段工作流(文本 → 视频),由 LLM 构建一条结构化提示词,包括场景、主体、动作描述,以及放在开头的方括号运镜指令。例如:

[跟随] A pair of running shoes on a track, golden hour lighting, cinematic

然后把这条提示词发给标准版 Hailuo 2.3 的文生视频请求。这种配置很适合 6 秒的短片段。[16]

对于产品演示工作流(图片 → 视频),上传一张干净的产品静物图,作为 first_frame_image 传给 Hailuo 2.3 或 Hailuo 2.3 Fast。这样既能保持产品外观准确,又能加入静态图片无法展示的动态。[13][10][12]

对于旁白同步工作流(视频 + 音频),先渲染视频,再用语音或音乐模型在后期加入旁白或配乐,最后在发布流水线中合成。

如果需要超过 10 秒的序列,就把片段串起来。取一段生成结果的最后一帧,作为下一个请求的 first_frame_image 传入。这个交接很简单,却能帮助各段之间保持角色外观和场景连贯。[10][12]

4.3 上线前需要统一的参数

把这件事当作上线策略来对待会更有帮助。在扩大规模之前锁定一小组默认值,能让输出更稳定、成本更好规划、团队用法更一致。[16][17][18][19]

一份简短的清单通常就够了:

  • 提示词模板:使用统一结构:运镜指令、场景、主体、动作,以及 "cinematic"、"product demo" 或 "user-generated feel" 这样的风格标签。把已经验证有效的提示词整理成库,让团队复用,而不是每次从零开始。[11][14][15]
  • 时长:让片段时长匹配任务。预览和社媒内容用 6 秒片段,需要更多时间的活动再用 10 秒片段(仅限 768p)。
  • 分辨率:草稿和迭代默认用 768p,只有最终渲染才用 1080p。
  • 首帧图规则:明确批准的原图放在哪里,文件保持在 MiniMax 建议的范围内(小于 20 MB、短边大于 300 px),并定义什么样的首帧适合图生视频。[10][17][18][15]
  • 模型选择:大批量的图生视频任务用 MiniMax-Hailuo-2.3-Fast;文生视频,以及在用自己的提示词对比过两者之后的最终输出,用 MiniMax-Hailuo-2.3(标准版)。[19]

这些默认值决定了下一节讨论的成本结构和模型选择。

5. 成本、模型选择与最终要点

5.1 常见美国生产场景的成本估算

上线配置和 API 流程都就位之后,接下来要搞清楚的是生产成本。

截至 2026 年 10 月,Hailuo 2.3 生成一个 6 秒 768p 片段约 $0.29,10 秒片段约 $0.49。在 Hailuo 2.3 Fast 上,同样的片段约 $0.15 和 $0.25,大约一半。在 1080p 下(仅 6 秒),差距更小:标准版约 $0.43,Fast 约 $0.25,便宜约 40%。

对于一个每月制作 80 条 768p 标准版 10 秒产品片段的美国电商品牌,总生成成本约为 $39.00。

简单来说:

  • Hailuo 2.3 Fast 用于图生视频草稿、A/B 变体和批量测试
  • Hailuo 2.3 用于文生视频、正式产品页、付费社媒和应用商店预览

价格当然重要,但不应该是唯一的决定因素。你需要输出达成什么目的更重要。

5.2 在 APIMart 模型目录中选择 MiniMax Hailuo 2.3

选择归结为三点:输入类型、草稿速度,还是批量产量。

模型核心优势支持的输出规格APIMart 价格(美元/秒,截至 2026 年 10 月)最佳美国用例
MiniMax Hailuo 2.3文生视频和图生视频、角色还原度、风格控制768p:6 或 10 秒;1080p:6 秒$0.0488(768p)/ $0.072(1080p)品牌片段、产品演示、付费社媒
MiniMax Hailuo 2.3 Fast延迟更低、批量成本效率高;必须传首帧768p:6 或 10 秒;1080p:6 秒$0.0248(768p)/ $0.0424(1080p)草稿、创意变体、大批量生成

好处在于一次集成就能覆盖两个档位。所以,如果团队想在草稿模式和成片模式之间切换,只需要改 model 的值,前提是每个 Fast 请求都带上 first_frame_image。

5.3 需要记住的要点

如果你要在两个档位之间做选择,规则很简单:Hailuo 2.3 是为短视频打造的,尤其适合运动连贯性和品牌契合度最重要的短片段。

在扩大规模之前,先做一次严格的试点。分别生成一批 6 秒和 10 秒的受控片段。然后和创意团队一起检查运动质量和品牌契合度,确认周转时间符合你的生产流程,并核对 APIMart 账单视图中的使用秒数和美元总费用是否一致。

常见问题

我应该先用哪个模型?

需要文生视频的话,从标准版 Hailuo 2.3 开始。如果每个片段都可以从图片开始,Hailuo 2.3 Fast 是做草稿和批量任务更便宜的选择。

如果你需要风格化艺术、人物动作或微表情,Hailuo 2.3 是不错的选择。如果你的工作更依赖物理感强的运动或首尾帧过渡,Hailuo 02 也是可靠之选。如果你需要原生音频或 2K 输出,可以看看 MiniMax 更新的视频模型 MiniMax H3。

你可以通过统一的 APIMart API 设置 model 参数来调用所有这些模型。

如何生成超过 10 秒的片段?

在 Hailuo 2.3 上,10 秒片段需要 768p。1080p 最长只支持 6 秒,所以不适合更长的输出。

需要超过 API 10 秒的单片段上限?可以生成几个片段,在后端拼接起来,把上一段的最后一帧作为下一段的 first_frame_image。最好以异步方式处理,逐个轮询任务直到状态为 completed。

生成请求失败通常是什么原因?

生成请求失败通常有以下几个常见原因:

  • 参数无效,例如 duration: 10 配合 resolution: "1080p",或者 Fast 请求没有带 first_frame_image
  • API 密钥无效
  • 账户余额不足
  • 限流(429)
  • 服务器内部错误(5xx)

基于图片的请求,也可能因为输入文件过大或画面比例超出支持范围而失败。

如果任务状态变为 failed,查看 error 字段了解具体原因。

标签#MiniMax Hailuo 2.3#MiniMax API#文本生成视频#图片生成视频#AI 视频 API#视频生成

关于 APIMart 团队

APIMart 团队为使用 AI 构建产品的开发者撰写模型解析、横向对比和价格拆解。APIMart 用一个 API 接入多家厂商的对话、图像和视频模型,你可以在上线前把文中提到的模型放在一起对比测试。

看完就试试

去模型市场挑选你想要的模型

在 APIMart 模型市场尝试聊天、图像和视频模型,用统一 API 快速体验模型能力。

聊天模型图像模型视频模型
进入模型市场