MiniMax H3 实测：各档位限制与每秒视频真实成本

MiniMax H3 是少数接受参考音频以及参考图像的视频模型之一，这让它在涉及对话、环境音或节拍的内容上很有意思。但大多数文章都止步于演示片。这篇文章才是我真正需要的那部分：各档位允许什么、积分如何计算，以及那些让我们花了真实调试时间的失败模式。

我在做 Callirra，它通过 API 提供 H3。下面的数字来自它的实时报价，包括那些不太方便的数字。

能力矩阵不是一张表，而是四张

H3 按四种输出档位出售，每个档位都有自己的时长窗口、宽高比列表和参考限制。搞错这一点会在任务创建前就返回 400，所以你不会为这个错误付费，但你会损失时间。

三件容易忽略的事：

• 1080P 和 2K 的最小值不同。1080P 止于 10 s；2K 从 4 s 开始。一个到处都提供“1-15 s”的 UI 会在两端都失败。
• 1080P 下的 1:1 画布需要参考图像。该比例下的文生视频会被拒绝。
• 口型同步是一种图生视频模式，它存在于 480P、768P 和 1080P，但不存在于 2K。

一秒实际要花多少钱

一个积分是 0.01 美元。各档位按输出秒数计价：

两个比表格更值得注意的提醒：

1. 视频生视频按输入 + 输出秒数计费，所以一段 10 秒的参考输入生成 10 秒的输出，就是 20 秒的计费。参考片段接受 2-15 s 范围；超出范围会在任务创建前被拒绝。
2. 预留金额不是最终账单。它按时长乘以档位费率预先计算，然后结算；失败、取消或过期的任务会全额释放。

作为对比：2026 年 10 月 25 日我查看时，MiniMax 自己公布的 768P 输出标价为 $0.08/s。在任何地方引用这个数字之前，请先查看他们的定价页面，因为供应商价格会变动。

称之为

https://api.callirra.com，bearer key，两次调用：创建，然后轮询。

const headers = {
  authorization: `Bearer${process.env.CALLIRRA_API_KEY}`,
  'content-type': 'application/json',
};

const created = await fetch('https://api.callirra.com/v1/videos', {
  method: 'POST',
  headers,
  body: JSON.stringify({
    model: 'minimax-h3',
    mode: 'image_to_video',
    prompt: '缓慢推进，风将围巾吹起；镜头最终定格在眼睛上。',
    resolution: '768p',
    duration_seconds: 5,
    aspect_ratio: '16:9',
    frame_images: ['https://example.com/ref-01.jpg'],
  }),
});

const { job } = await created.json(); // { id, status, credits_reserved }

let state;
for(let i = 0; i < 120; i += 1) {
  const r = await fetch(`https://api.callirra.com/v1/videos/${job.id}`, { headers });
  state = (await r.json()).job
  ;if(['completed' ,'failed' ,'cancelled' ,'expired'].includes(state. status))
  break ; awaitnewPromise(( done )=>setTimeout( done,
5000

));}console.log(state. status,state. content_url

credits_reserved);

// 签名 URL，有效期很短

• content_policy返回的是内部单位字符串；如果你要构建成本显示，请除以 100 得到公开 credits。让我花了一下午的失败模式
• 是一个真实的错误码 1:1，并且会退款。H3 会在输出上运行供应商侧的安全检查；被拒绝的渲染不产生费用，但会终止任务。21:9宽高比是按场景校验的，不是按模型校验的。
• 在 1080P 下需要参考图像；仅在 2K 下存在。
• 时长是整数秒。小数时长会被四舍五入，这会悄悄改变你向用户报出的价格。

免费层输出带水印；付费输出不带。

如果你在免费账户上构建演示，水印是产品决策，不是 bug。

我会用它构建什么九张参考图像加三段音频片段，足以在一系列镜头中保持一个角色、一个地点、一套服装和一个声音，而这正是短视频制作中真正的瓶颈。480P 档位每秒一美分，便宜到可以批量制作故事板，而 1080P 每秒三美分，则是你渲染最终保留镜头的档位。完整的档位表和按模型报价位于callirra.com/api。如果这里的某些内容与 API 目前返回的结果不符，请告诉我；我宁愿更正文章，也不愿在网上留下一张错误的表格。