Image to Video
Seedance 2.5
Upload Image
Click or drag to upload, or choose from My History
No ideas? Generate an image first >
支持上傳格式:png、jpeg、jpg、webp、bmp、gif,圖片大小不超過30 MB,最小寬高為300像素。
0/8000
5s
480P
Auto
Creations
Ideas Hub
How It Works
統一多模態影片創作

MiniMax H3 AI 影片生成器

需要的不只是一段無聲的文字轉影片片段嗎?Media.io 將 MiniMax H3 整合進以瀏覽器為基礎的單一工作流程,讓文字、圖片、影片與音訊能夠共同作為創作素材協同運作。直接控制角色、動作、鏡頭、風格、配音與節奏,然後生成最高 2K 畫質、長達 15 秒並附有原生立體聲音訊的影片.

  • 2K 輸出
  • 最長 15 秒
  • 原生立體聲音訊
  • 最多 12 個混合參考素材
參考圖片
Reference image of a green military-style insulated cup with handle
創作方向

以上傳的圖片作為產品外觀的唯一參考,製作一段 15 秒、16:9 橫幅版本的高端產品官方網站登陸頁面 UI/UX 展示影片。核心產品為圖中所示帶有把手及保溫功能的軍綠色杯子。全程嚴格保持杯身顏色、圓柱比例、透明杯蓋、頂部開口結構、右側方形把手、金屬裝飾環及「media.io」標誌,不得改變產品形狀或創造其他杯型。
整體設計採用深色戶外功能風格,以及高端運動品牌官網的視覺風格:純黑背景,交織深色碳纖維、金屬拉絲與防水織物紋理,並融入快速流動的軍綠色與暖金色動態光帶。運用粗獷有力、略帶傾斜的超大無襯線字體,文字與產品形成前後遮擋的背景圖形關係。頁面排版精緻、克制,充滿速度感與力量感。
0 - 4 秒:從產品官網主畫面開始。保溫杯以極大比例懸浮於畫面中央,清晰易讀的巨型標題「BUILT TO GO」出現於背景中。產品緩慢靠近並輕微旋轉。綠色與金色光線迅速掃過杯身,突顯啞光材質、透明杯蓋、金屬環與寬大把手。頂部保留極簡導覽列,底部排列少量產品參數與縮圖。
4 - 6 秒:滑鼠向下滾動網頁,第一屏順暢向上退出。鏡頭隨頁面進入產品細節區域。杯蓋、把手、杯身與底部細節依序以橫向卡片呈現。滾動具有自然慣性與輕微速度模糊,但產品資訊保持清晰。
6 - 10 秒:進入產品功能區段。頁面左側顯示清晰標題「ALL-DAY TEMPERATURE」,右側展示完整懸浮保溫杯。產品以四分之一圈的角度緩慢穩定地旋轉。背景出現抽象冷氣流、細小水珠與金屬波紋,展現保溫與保冷性能。當滑鼠懸停於功能按鈕時,產品略微放大,背景從黑色變為淺灰色,文字與按鈕顏色同步反轉;僅改變 UI 背景與介面顏色,不改變保溫杯本身。
10—12 秒:繼續滾動至「LEAKPROOF LID」與「EASY-GRIP HANDLE」功能區。使用杯蓋與把手的特寫鏡頭,以幾何線條指向結構細節。頁面元素依序快速滑入並平穩停止。
12-15 秒:網頁順暢回到主畫面,保溫杯重新置於畫面中央並調整為適當大小,巨型標題「BUILT TO GO」位於產品後方。底部出現清晰的「ADD TO CART」膠囊按鈕。滑鼠精準移至按鈕中央並觸發懸停效果:按鈕放大、轉為黑白並散發綠色光暈;產品保持穩定。最終停留於完整的產品主視覺與購買按鈕畫面。
鏡頭與動畫:網頁平滑垂直滾動、產品懸浮旋轉、緩慢推進、圖層視差效果、高速光帶掃過、卡片滑入、滑鼠懸停放大、UI 色彩反轉。所有動作緊湊流暢,呈現真實且具互動感的高端產品網站展示效果。
限制:保溫杯的顏色、結構、把手位置、杯蓋形狀與品牌標誌不得更改;產品不得變形為其他杯型;不允許出現人物或手部;禁止開箱;杯子不得軟化、彎曲、融化或變形;不允許出現亂碼、錯誤標籤或多餘產品;色彩反轉僅影響網頁背景、按鈕與文字;產品必須始終保持清晰、完整與穩定。

MiniMax H3 示範 — 電商產品網站廣告
創作方向

## 15 秒 K-Pop 女子團體 MV 提示詞

主體:一個三人組 K-pop 女子團體。保持每位成員與既定角色設計的一致性。在整部影片中保留她們的面部特徵、髮型、身體比例、服裝與個人身份。

SOL:長直黑髮,氣場沉穩而具有統御感。身穿黑色解構短版皮夾克、附金屬扣件的修身上衣、高腰不對稱百褶迷你裙,以及過膝尖頭靴,搭配銀色戒指與精緻腰鏈。

LUNA:短銀灰色狼爪剪髮,氣質冷酷疏離。身穿附雕塑感拼接的短版銀灰色夾克、黑色高領連身衣、金屬感不對稱短裙褲,以及黑色厚底機車靴,搭配透明網眼袖套與金屬感耳環。

CORONA:長波浪深赤褐色頭髮並帶有細辮子,散發叛逆而銳利的氣場。身穿做舊深紅色皮質機車夾克、黑色細帶短版上衣、低腰層疊短裙褲,以及深紅色綁帶靴,搭配鉚釘腰帶與金屬感手環。

服裝必須呈現令人信服的高端時裝材質,包括逼真的皮革紋理、金屬反光、布料摺疊與自然的服裝動態。避免廉價舞台服裝、塑膠感材質或千篇一律的女團制服。

場景:一個白色無縫背景攝影棚,改造為地下音樂雜誌拍攝現場。不應呈現出整潔商業攝影棚的感覺。背景呈現過曝白牆、厚重灰黑陰影、影印紙碎片、撕裂紙邊、半調網點、黑色膠帶痕跡、錯位掃描以及局部黑色噴漆紋理。在特定鏡頭中,背景以硬切方式在純黑、過曝白與高對比灰之間瞬間切換。

視覺風格:一部具有真實高端時裝製作質感的暗流行、網路龐克搖滾、陷阱說唱風格 MV,融合1990年代末至2000年代初獨立音樂雜誌、地下演唱會海報、影印紙、掃描底片與 Zine 拼貼美學。使用高對比黑白為主調,搭配低飽和深紅與冷銀灰色點綴。保持自然膚色、深沉黑色,以及深色服裝中清晰可見的細節。加入粗糙底片顆粒、細微底片抖動、曝光閃爍、半調網點、粗糙印刷邊緣、掃描位移、快門拖曳與局部色版錯位。避免廉價賽博龐克霓虹、電玩 CGI、塑膠感肌膚與過度美顏磨皮。

攝影風格:創造真實高預算 MV 的質感,模擬 ARRI Alexa 35 的自然膚色與高動態範圍。快速交替使用 24mm、35mm 與 50mm 電影鏡頭。24mm 用於近距離廣角壓迫感、低角度團體鏡頭與手部推向鏡頭的衝擊畫面;35mm 用於中近景表演、雙人空間構圖與快速橫向運鏡;50mm 用於臉部特寫、側臉輪廓與強烈眼神接觸。頻繁使用對抗性廣角特寫、隨節拍同步的頭部動作、肩部細節、低角度中景、手持推進鏡頭與緊湊側臉特寫。鏡頭可採用受控手持運動、突然向前衝刺、快速橫向滑移或在節拍上的驟然停止。保持令人信服的鏡頭重量感、物理慣性、透視變化、空間視差與精準對焦。表演者必須透過富有表現力的編舞與說唱表演踩準節拍。這不是伸展台走秀,也不是靜態時裝拍攝。

音樂:一段約 138 BPM、時長 15 秒的暗流行、網路龐克搖滾、陷阱說唱片段。使用強勁的次低音、緊實清脆的小鼓、失真工業電子噪音與短促人聲切片。前三秒建立緊張氛圍,中間段落進入密集剪輯的連續說唱段落,最後兩秒以集中的重低音作結。

字體排版:文字不是普通字幕,而是構圖與空間設計的主動組成部分。使用原創的非品牌短語,例如「CUT THE FEED」、「DEAD AIR」、「STRIKE FIRST」、「SYSTEM / VOID」、「NO SURRENDER」、「UNMUTED」、「FINAL WARNING」與「BLACKOUT CODE」。不得包含真實品牌、真實團體標誌或現有歌曲名稱。結合粗重黑色無襯線字體、壓縮工業字體、打字機字體與手工影印字體。將文字排置於前景、中景與背景。表演者可以部分遮擋文字,文字亦可與她們的身體、服裝或手部重疊,但絕對不得遮蓋眼睛或關鍵面部表情。每一次出現、抖動、拉伸、壓縮、斷裂、翻轉與硬切重組,均須與說唱重音、小鼓聲及低音鼓點精準同步。為字體加入墨水暈染、影印噪點、色版錯位與粗糙掃描邊緣。

剪輯規則:僅使用硬切、跳接、白閃切、黑閃切與節拍匹配切。不使用淡入淡出、溶接、柔和轉場或疊加慢動作。每個鏡頭時長應在 0.3 至 1.2 秒之間。節奏必須快速但視覺上仍可閱讀。每一個動作停頓、鏡頭停止、字體變化與剪輯點都必須精準落在節拍上。

SHOT 01|0.0—0.8s

純黑畫面在第一個低音鼓點上硬切至 SOL 的極端正面特寫。

24mm 廣角鏡頭近距離對準她的臉部。鏡頭與 SOL 的眼睛保持水平,焦點牢牢鎖定在她的瞳孔上。SOL 具有攻擊性地向鏡頭前傾,並突然將頭部猛地向下甩動。她的長黑髮隨之產生短促且符合物理規律的動態慣性。

畫面對比度極高,背景嚴重過曝,但她臉上的高光不得過曝溢出。巨大的粗黑字「DEAD」出現於她身後,頭部遮擋住字的中央。在節拍上,底片顆粒突然加劇,鏡頭產生一次短促的垂直震動。

SHOT 02|0.8—1.5s

硬切至 LUNA 的肩部與下顎線特寫。

50mm 鏡頭從她的左前方側面拍攝。構圖裁切掉部分頭頂,以強調她的下顎線與眼神。她放低一側肩膀,起初以側臉角度望向鏡頭,接著在小鼓聲響起時驟然將臉轉向正面。

她的銀灰色頭髮掃過眼角邊緣但不遮住瞳孔。半調網點從背景蔓延至她服裝的邊緣。壓縮字體「AIR」從右側硬切入畫並被壓縮進畫框,位於背景與前景中她的肩部之間。

SHOT 03|1.5—2.3s

硬切至 CORONA 的低角度中景鏡頭。

24mm 鏡頭置於腰部以下,略微向上傾斜。她將身體向前壓,將一隻手向鏡頭推出。她的手掌在前景掃過,隨即在低音鼓點上迅速收回。

當她的手靠近鏡頭時,透過透視效果自然放大並短暫失焦。當她收回手時,焦點迅速回到她的眼睛上。她的長深赤褐色頭髮與細辮子以逼真的慣性動態移動。深紅色與黑色色層略微錯位,使畫面如同掃描自舊雜誌。她的手部分遮擋了「STRIKE」這個字。

SHOT 04|2.3—3.0s

三位成員的緊湊正面中景鏡頭。

使用穩定的 35mm 中心構圖。SOL 站在中央,略微靠近鏡頭,LUNA 與 CORONA 分立兩側。三人同時放低肩膀,然後在節拍上猛地抬頭直視鏡頭。

背景在表演者保持完美對位的狀態下,從白色硬切至黑色再切回白色。巨大的字「CUT」在她們身後橫向延伸,她們的身體遮擋並分割了字的中央部分。

SHOT 05|3.0—3.7s

SOL 的 50mm 側臉特寫。

她轉頭並驟然停止,將臉從側面迅速旋轉朝向鏡頭,同時用手指沿著下顎線滑動。焦點起初在她的指尖,隨後快速轉移至她的眼睛。

在她動作停止的精確瞬間,鏡頭沿著鏡頭軸快速推進約 20 公分,並立即制動停止。字「SYSTEM」出現於左側前景,略微與她的肩部重疊,但不遮擋她的臉部。

SHOT 06|3.7—4.4s

LUNA 的低角度全身鏡頭。

24mm 鏡頭置於靠近地面處,略微向上傾斜。她做出一段短促、真實有力的舞蹈動作:雙膝內扣,上半身向後拉,雙臂從胸前交叉向兩側切開,然後立即向鏡頭前傾。

她的銀灰色夾克、不對稱短裙褲與透明網眼袖套以清晰的布料慣性動態回應動作。在小鼓聲響起時,畫面切換為高對比黑白半調效果持續三幀,隨即恢復低飽和色彩。

SHOT 07|4.4—5.1s

CORONA 的緊湊 35mm 臉部特寫。

鏡頭從她的右側迅速滑移至正面位置。她隨著節奏轉頭,略微抬起下巴,然後刻意靠近鏡頭。她不微笑;她的表情對抗性強、銳利,根植於真實的說唱表演狀態。

深紅色字「VOID」從她身後突然切入前景,與她的部分頭髮和夾克重疊,但她的眼睛、鼻樑與嘴部完全清晰可見。

SHOT 08|5.1—6.0s

三位成員交替頭部動作的快速蒙太奇。

SOL 做出有力的正面點頭,LUNA 做出快速的側臉轉頭,CORONA 向前傾並猛地將頭向下甩動。從每個動作中僅保留三至五幀,以三個連續硬切相連。

保持她們的眼睛大致位於畫框的同一區域,以形成精準的匹配剪接。背景在白色、灰色與黑色之間跳切,同時底片掃描線從上至下短暫滾過。

SHOT 09|6.0—6.8s

SOL 與 CORONA 的近距離雙人鏡頭。

使用 35mm 鏡頭。SOL 站在前方直接對著鏡頭說唱。CORONA 從她身後突然出現,並沿著鏡頭軸方向迅速靠近。

保持她們之間清晰的空間層次。焦點從 SOL 短暫轉移至 CORONA,最後落定在兩位表演者之間。字「NO」出現於背景,「SURRENDER」則沿著前景下方排列,與她們服裝的邊緣重疊但不遮擋她們的臉部。

SHOT 10|6.8—7.6s

LUNA 的獨奏中近景鏡頭。

她迅速將雙手在臉旁交叉並向外切出,精準踩中連續的小鼓點。使用 35mm 鏡頭,鏡頭同時向左橫移約半個身體寬度,並在最後一個重音上驟然停止。

橫移過程中,背景呈現有限且符合物理規律的動態模糊,而她的臉部保持清晰。撕裂的影印紙、黑色膠帶與粗糙噴漆圖形如同實際貼附於攝影棚牆面上。

SHOT 11|7.6—8.5s

三位成員的低角度全身廣角鏡頭。

使用略微向上傾斜的 24mm 鏡頭。每位成員做出不同但相互呼應的動作:

SOL 向前踏步並放低肩膀;

LUNA 將身體側向折疊並降低重心;

CORONA 快速轉身,然後回頭看並向鏡頭靠近。

她們的動作不需完全同步,但三人必須在同一個低音鼓點上同時靜止。鏡頭在重音上緩慢向後拉,然後瞬間鎖定。

SHOT 12|8.5—9.3s

手部與服裝細節的極端特寫蒙太奇。

使用 50mm 微距風格特寫,快速呈現金屬戒指、腰鏈、夾克拉鏈、手指敲打大腿的動作,以及手掌向鏡頭推出的畫面。每個細節僅出現兩至四幀。

文字碎片「CU / T / OUT」如同實體紙片剪貼,在畫框不同區域進行硬切、旋轉與重新組合。金屬反光必須呈現逼真效果,細節清晰但不過度數位銳化。

SHOT 13|9.3—10.2s

CORONA 在前景以 24mm 鏡頭極近距離說唱。

她將一根手指直接指向鏡頭,創造出戲劇性的前景透視放大效果,然後旋轉手腕並將手向下壓。保持焦點在她的眼睛上,同時允許隨著她的手靠近鏡頭而產生輕微的景深變化。

LUNA 與 SOL 留在淺焦背景中,做出細微的頭部與肩部動作。建立三層構圖:背景為「THE FEED」字樣,中景為兩位成員,前景為 CORONA 與她的手部動作。

SHOT 14|10.2—11.1s

LUNA 從左側快速旋轉入畫。

35mm 鏡頭向右做短促搖鏡,精準跟隨她的轉身動作。她的衣擺隨動作自然擺動。她隨後將臉靠近畫框右側邊緣,直視鏡頭。

在音樂重音時加入短暫的橫向掃描位移。在她的輪廓周圍引入克制的紅青色版錯位,同時保持她的膚色與面部特徵自然穩定。

SHOT 15|11.1—12.0s

SOL 的居中正面中景鏡頭。

50mm 鏡頭將焦點鎖定在 SOL 的眼睛上。她低下頭停頓半拍,然後猛烈地將頭向上甩起。LUNA 與 CORONA 同時從她身後向前壓進,同時鏡頭快速向後退一步,利用真實的視差效果製造空間衝擊感。

巨大的字「UNMUTED」從背景突然在表演者與前景之間的空間中重新拼合而成。她們的身體將其分割為多個碎片,但任何人的眼睛均不得被遮擋。

第16鏡頭|12.0—13.0秒

三個連續的硬切:

SOL以24mm鏡頭拍攝,她迅速將一根手指向鏡頭推去;

LUNA以35mm鏡頭拍攝,她用力將肩膀朝鏡頭推進;

CORONA以50mm鏡頭拍攝,她轉身後突然回頭直視鏡頭。

每個鏡頭對應一次小鼓擊打。焦距逐漸縮短,持續增加視覺壓迫感。每次切換時,底片顆粒、印刷噪點與粗糙影印邊緣都隨之加劇。

第17鏡頭|13.0—14.0秒

三位成員的低角度全身英雄鏡頭。

使用24mm鏡頭搭配強烈的中軸構圖。SOL站於中央並向前踏步,LUNA側身並降低重心,CORONA向前傾身。三人共同形成穩定、銳利且不對稱的三角構圖。

她們保持自然呼吸、服裝慣性與細微的肢體動作,而非定格在靜止姿勢中。背景大字「FINAL WARNING」被她們的身體部分遮擋,僅剩破碎的字形可見。

第18鏡頭|14.0—15.0秒

最後一次低音擊打。

使用35mm鏡頭,攝影機沿中軸突然向前推進,從三人中景切入三人面部的緊湊近景。三人同時做出一個有力的頭部動作並直視鏡頭。

畫面瞬間壓縮成高對比度的黑白影印效果。原句「BLACKOUT CODE」短暫出現在背景與她們肩膀前景平面之間,抖動兩次。

在最後一幀,直接硬切至純黑。音樂與畫面同時停止,無淡出,無殘響尾音。

禁止事項:不得出現一般女子團體排列、長時間走秀、靜態時尚擺拍、軟弱或緩慢的動作、冗長的同步團體編舞、過度機械化的舞蹈、卡通化表情、賽博龐克霓虹城市、廉價RGB光污染、真實品牌、現有團體標誌、現有歌曲名稱、普通字幕、淡入淡出、溶接、柔和過渡、夢幻柔焦濾鏡、電玩CGI美學、塑膠感肌膚、過度美化磨皮、臉部身份飄移、隨意更換髮型或服裝、對焦不準、缺乏物理慣性的浮動鏡頭運動、過度流暢的AI鏡頭運動、畸形手指或多餘人物。

MiniMax H3 示範 — K-Pop音樂錄影帶
參考圖片
Reference image of a silhouetted western cowboy beside a telegraph pole
創作方向

以附件參考圖作為精確的開場畫面與角色參考,

節奏——最高優先級:

將整段影片剪輯成充滿活力的150 BPM爵士西部節奏,搭配快速小鼓擊打、雙踩鼓脈衝、銳利銅管刺音、拍手聲、馬刺聲、鞭打聲與短促的左輪手槍轉輪喀噠聲。每一次剪切、姿勢、鏡頭移動、圖形條與字體擊打都必須精確落在正拍或半拍上。

在15秒內創造至少20至24個明顯不同的鏡頭。大多數鏡頭僅持續0.2至0.7秒。任何鏡頭的視覺畫面不得維持超過0.8秒不變。保持持續的視覺推進與不斷升級的能量。

僅使用極短的2至4幀微凍結,約0.08至0.15秒,並立即接續爆炸性動作。絕不將凍結幀保持整整一拍或數秒。節奏必須呈現如下感受:爆發——擊停——爆發——硬切——爆發。

視覺風格:

打造一個高能量的1960年代義大利式西部片片頭序列,融合世紀中期平面設計、Saul Bass風格構圖、包浩斯幾何、西部通俗海報、漫畫格框與粗糙絹印紋理。

將牛仔與環境細節渲染為大膽、高對比度的黑色剪影。僅使用飽和紅色、芥末黃、深海軍藍、黑色與少量奶油色高光。每次剪切都應引入新的色彩排列、裁切方式、圖形形狀或攝影機角度。

使用戲劇性斜角構圖、超大太陽圓圈、銳利的水平沙漠線條、快速移動的電報線、旋轉的左輪槍轉輪、靴子與馬刺特寫、風衣剪影、帽緣特寫、分割畫面、幾何快門、擴展圓圈、斜角條紋與粗體字體。

時間軸與鏡頭密度:

0.0—1.5秒 — 快速開場:

從精確的參考圖開始,僅持續0.2秒。

立即執行四次快速剪切:

寬景牛仔剪影映於紅色天空 → 快速縮放至帽緣 → 電報線橫掃畫面 → 陰影眼部極端特寫。

在選定鏡頭之間插入3幀黑色閃光。

牛仔在第一個主要銅管擊打時猛力推離電線桿。

1.5—4.0秒 — 細節衝擊蒙太奇:

創造六個快速特寫,每個持續約0.3至0.5秒:

靴子踏地 → 馬刺旋轉 → 風衣擺動 → 手指在槍套旁彎曲 → 皮帶扣閃光 → 左輪槍轉輪旋轉。

每次剪切時交替使用紅色、芥末黃與深海軍藍背景。

使用快速縮放、鞭搖、強力縮出、斜角擦除與2至4幀姿勢凍結。

4.0—7.0秒 — 加速行走:

展示牛仔快速穿越平坦芥末黃沙漠的畫面。

在全身側面視角、低角度靴子、俯視圖形剪影、揮動手部極端特寫與漫畫分割格框之間進行剪切。

他的行走節奏必須精確落在打擊樂上。

電報桿與沙漠線條朝反方向飛速掠過,以創造強烈的視差與速度感。

不得展示連續的緩慢行走——將動作分解成快速的節奏性片段。

7.0—10.0秒 — 幾何動作爆發:

將畫面分割為二、三,再分為四個漫畫格框。

在不同格框中展示帽子轉動、靴子停步、風衣展開、手靠近左輪槍,以及牛仔猛然看向鏡頭。

格框隨連續節拍猛然開合。

使用交替的全幀紅色、黃色、海軍藍與黑色閃光。

加入快速水平條紋、擴展太陽圓圈、旋轉星形與角狀陰影擦除。

每個構圖在0.5秒內切換。

10.0—13.0秒 — 高潮蓄積:

進一步加快剪輯速度,進行8至10次剪切:

眼睛 → 手 → 槍套 → 馬刺 → 左輪槍握把 → 風衣 → 電報線 → 超大太陽 → 牛仔全身剪影。

使用逐漸收緊的特寫與更強烈的快速縮放。

牛仔伸手拿槍,猛然轉身,擺出有力的槍手姿勢。

使用3幀完全停止,然後立即切換至下一個角度。

無慢動作,無冗長的懸疑停頓。

13.0—15.0秒 — 最終衝擊:

使用三次快速假結尾:

牛仔剪影映於黃色背景 → 硬切至海軍藍極端特寫 → 硬切至紅色寬景鏡頭。

在最後的音樂擊打上,揭示牛仔站於電線桿旁,背景為純紅色天空與超大芥末黃太陽。

精確標題「OUTLAW」以大型奶油色幾何字母猛然出現在畫面左側空白處。

最終構圖僅保持最後0.6秒,然後以立即的硬停作結。

MiniMax H3 示範 — 漫畫西部片片頭序列
創作方向

以大膽的漫畫墨水風格生成一段15秒的電影感對決,對決雙方均為全原創角色,風格包含:粗重黑色輪廓線、半色調陰影、做舊印刷紋理、墨水飛濺、鋸齒狀速度線,以及限定的緋紅色、電藍色、藍黑色、銀白色與黑色調色盤。

場景設定:

深夜雨中的未來城市,有摩天大樓、霓虹倒影、煙霧、閃電、屋頂結構與翻騰的雲層。

角色:

緋紅編織者(Crimson Weaver):一位體型健壯的成年蒙面英雄,身穿原創緋紅色與午夜藍裝甲戰衣,飾有細銀幾何線條,配備富有表情的白色眼鏡片、腕部合成纜線發射器,以及小型銀色沙漏徽章。

泰坦-09(Titan-09):一具巨大的藍黑色機甲,配備爪狀雙手、金屬獠牙、紅色光學感應器、發光圓形胸部反應爐,以及在裝甲上迸射的電藍色能量弧光。

保持兩個角色設計的一致性。不得模仿任何現有超級英雄、特許經營服裝、標誌或可辨識的角色。

0—2.5秒:

從俯視視角拍攝緋紅編織者在大雨中站於屋頂上。攝影機快速下降,他抬頭說道:

「準備好——這一切現在結束!」

將可讀的漫畫文字——「GET READY」、「THIS ENDS」、「NOW!」——與他的聲音同步。每個短語伴隨黑色輪廓線、緋紅陰影、墨水飛濺與衝擊震動猛然切入畫面。他向鏡頭外射出一條發光纜線並躍離屋頂,以快速鞭搖作為轉場。

2.5—4.5秒:

以極低角度揭示泰坦-09高聳於城市之上。它發出電子咆哮,紅色眼睛與胸部反應爐爆發光芒。藍色閃電與可見的衝擊波震動窗戶,並將煙霧推過街道。加入半色調環圈、墨水飛濺與「VRRROOOM!」。

4.5—7.5秒:

緋紅編織者在建築物之間快速盪繩,向前翻滾,並將纜線射向泰坦-09。機甲揮出巨大拳頭。英雄閃避,拳頭擊中空水塔。加入碎片、白色衝擊線、墨水飛濺、「KRAK!」與2至3幀衝擊凍結。

7.5—10.5秒:

英雄落在機甲手臂上,橫跨裝甲疾衝,躲避藍色電氣爆發,將纜線纏繞其光學感應器,並施以有力的雙腳踢擊。使用快速特寫、紅色火花、電弧、速度線、硬切與快速縮放。

10.5—12.5秒:

泰坦-09從胸部反應爐發射紅色能量光束。緋紅編織者在摩天大樓之間盪繩,以極小的差距閃避。使用積極的追逐鏡頭、極端透視、強烈視差、圖形閃光與斜角漫畫格框。

12.5—15秒:

緋紅編織者環繞機甲,將多條纜線錨定至附近建築,將其制動。他以纜線作為彈弓,在最強烈的音樂拍點上擊中胸部反應爐。加入銀白色衝擊爆發、火花、電流、墨水飛濺、攝影機震動與「THWAAAK!」

泰坦-09的反應爐停止運作。緋紅編織者以三點式姿勢著地。以漫畫凍結幀作結,被制動的機甲在其身後,閃電照亮天際線。

音效與剪輯:

快節奏漫畫爵士搖滾,約150 BPM,搭配鼓組、吉他、銅管擊打、雷聲、纜線發射音效、機械咆哮與能量效果音。每次剪切與衝擊都與節拍同步。使用快速硬切、鞭搖、快速縮放、漫畫格框擦除、節奏性黑幀與2至3幀衝擊凍結。

限制事項:

僅使用原創角色。不得出現兒童、裸露臉部、服裝更換、額外角色、血腥、鮮血、死亡、嚴重傷害畫面、多餘肢體、畸形解剖結構、設計不一致、隨意對話或無法辨讀的文字。

MiniMax H3 示範 — 原創漫畫英雄對決

更多方式來導演您所構想的影片

MiniMax H3是一款通用全模態生成模型,專為將文字、圖像、影片與音訊整合為單一創意情境而構建。
描述這些輸入之間的關聯,H3即可依照指示生成或編輯具有原生立體聲的可控影片。

一個統一的情境

以自然語言指揮複雜的多模態任務

在12個混合檔案中組合最多9張圖像、3段影片與3段音訊,然後在一條指令中說明各自的角色——例如,同時參照一個鏡頭運動、一張角色圖像,以及一段聲音或歌曲。

2K + 立體聲

2K影片搭配原生立體聲

使用 H3 以原始多模態情境再次處理,以 2K 解析度生成更清晰的產品、活動與社群媒體視覺素材,比單純傳統放大更能保留細小文字與精緻細節。

最長 15 秒

容納完整影片時刻的空間

生成最長 15 秒的片段,以建立場景、發展動作,並以清晰的結尾收尾。

商業級指令執行

將詳細的創意簡報轉化為更可控的品牌、產品、廣告、剪輯與多鏡頭影片成果,並改善對文字與品牌資訊的處理能力。

V2V 動作轉移與剪輯

參考現有影片來引導肢體動作、鏡頭行為、表演風格或剪輯節奏,同時將創意結構應用至新的主體或場景。

以成果為核心建構的 MiniMax H3 應用情境

根據您需要固定不變的元素以及希望模型自由發揮的部分,選擇對應的模式。

帶有導向性動作的產品廣告

生成 2K 產品展示、品牌場景、動態海報或電商廣告,具備協調一致的視覺效果、原生音效、更清晰的指令執行,以及改善的文字與品牌資訊呈現。

角色一致性影片

使用多張角色與服裝圖片,在簡短的敘事節拍或品牌場景中傳達一致的身份識別。

動作與鏡頭研究

提供簡短的影片參考,以引導動作、構圖、鏡頭行為或節奏,同時描述您自己的主體。

片頭字幕與多鏡頭敘事

將連貫的鏡頭、氛圍、鏡頭進程、對白、音效與音樂作為單一視聽序列進行導演,而非將每個模態視為獨立任務。

音樂與表演概念

將表演者或角色參考與音樂、配音或時間指令結合,在單次生成中創作原生立體聲視聽表演概念。

遊戲、UI 與動態設計

根據詳細的多模態簡報,創作遊戲過場動畫、動態介面、動態海報、產品設計概念與 UI/UX 動態研究。

MiniMax H3 規格

在 Media.io 上建立影片時,MiniMax H3 中真正重要的功能規格。

官方模型名稱 MiniMax-H3
輸出解析度 官方 API 文件中標示為 2K
原生視聽輸出 含原生立體聲音訊的影片,包含語音、音效與音樂的統一建模
時長 4 至 15 秒的整數時長
建立模式 文字生成影片;首幀或首尾幀圖片生成影片;參考素材生成影片
圖片參考 最多 9 個
影片參考 最多 3 個;每個 2–15 秒;合併影片參考時長不超過 15 秒
音訊參考 最多 3 個;每個 2–15 秒;合併音訊參考時長不超過 15 秒
混合參考上限 圖片、影片與音訊參考檔案合計最多 12 個
畫面比例 依提示詞與輸入內容而定;可用選項在 Media.io 介面中可能有所不同
2K 細節渲染 使用原始多模態情境進行情境內重新生成,以改善 2K 解析度下的細小文字與精緻視覺細節
商業優勢 複雜指令執行、文字與品牌資訊呈現、V2V 動作轉移、多模態剪輯,以及原生多鏡頭視聽生成
重要限制 請選擇與您輸入內容相符的建立模式。首幀/末幀控制與混合參考控制在目前已記錄的介面中屬於獨立的工作流程。

請參閱官方影片生成指南, API 參考文件,以及模型版本說明。Media.io 可能僅開放已記錄控制項的部分功能。

MiniMax H3 與 Seedance 2.0 比較

兩款模型均支援多模態參考與原生音訊,實際選擇取決於商業精準度與電影級複雜度之間的取捨。

比較項目 MiniMax H3 Seedance 2.0 優勢方
輸入與參考控制 文字、圖片、影片與音訊情境;最多 9 張圖片、3 段影片、3 段音訊片段及 12 個混合檔案 文字、圖片、影片與音訊參考,具備相當的 9 張圖片、3 段影片與 3 段音訊上限 平手
解析度與時長 原生 2K 輸出,影片最長 15 秒 最長 15 秒;官方發布頁面未載明公開的最高解析度 H3
原生音訊 含語音、音樂與音效聯合建模的原生立體聲音訊 雙聲道音訊,具備詳細的語音、音樂、環境音、擬音音效與並行音訊導演功能 平手
商業呈現 強烈聚焦於指令執行、產品與品牌資訊、可見文字、廣告、電商、UI/UX 及動態設計 強大的商業與電影級輸出,但官方評估仍將文字準確度列為有待改善的領域 H3
動作與鏡頭 在動作、表演、鏡頭行為與剪輯節奏方面具備強大的 V2V 動作轉移能力 在複雜動作、舞蹈編排、多角色互動、鏡頭規劃與物理合理動作方面具有重大優勢 Seedance
剪輯與續接 通用提示詞型多模態剪輯與參考引導式重新生成 更明確記錄的目標片段、主體、動作、故事線剪輯與影片續接功能 Seedance
首尾幀控制 明確的首幀與首尾幀工作流程 未作為核心官方工作流程強調 H3
最適合用途 2K 產品廣告、電商、品牌影片、動態海報、UI/UX 概念及受控商業內容 動作大量場景、舞蹈與運動、電影級敘事、多角色互動、豐富音效設計及影片續接 視情況而定

快速結論:當清晰的 2K 細節、產品與品牌呈現、可見文字、首尾幀控制及高效商業製作最為重要時,選擇 MiniMax H3。當複雜動作、多角色互動、電影級導演、沉浸式音效設計或影片續接為優先考量時,選擇 Seedance 2.0。

如何使用 MiniMax H3 建立影片

01

選擇 H3 與建立模式

在 Media.io 中開啟 MiniMax H3,然後選擇文字生成影片、首尾幀圖片生成影片或參考素材生成影片。

02

新增幀或參考素材

上傳首幀與可選的末幀,或切換至參考模式以使用圖片、影片及符合條件的音訊。幀模式與參考模式無法同時使用。

03

生成、審閱與下載

以自然語言描述完整任務:哪個參考控制角色、哪段影片引導動作或鏡頭、音訊應如何塑造語音或音樂,以及哪些品牌、文字或最終構圖必須呈現。

專為需要更多掌控力的創作者打造

這些評論描述了更廣泛的 Media.io 工作流程體驗,以及創作者對 MiniMax H3 等進階模型的操控期望;這些內容並非作為新上線模型的已驗證評價呈現。

poster
Daniel Kim
電子商務行銷人員
star

Media.io 的工作流程讓人更容易在同一個地方整理想法、參考資料和創意方向,而不必從空白畫布開始。

poster
Sophia Chen
社群媒體管理員
star

對於日常內容而言,清晰的模型與輸入選項可以幫助我們的團隊測試影片方向,而不會增加陡峭的剪輯學習曲線。

poster
Marcus Lee
DTC 品牌擁有者
star

我在 Media.io 中重視的是易用性:提示詞與參考輸入讓進階影片概念更容易溝通表達。

poster
Emily Carter
UGC 創作者
star

對於產品內容,我希望能參考拍攝主體、描述動作與鏡頭,並快速確認該概念是否適合社群活動。

poster
Kriti Agarwal
內容與影視策劃人
star

Media.io 讓實驗感覺更加輕鬆。引導式工作流程幫助我專注於角色、動作、構圖和預期成果。

poster
Ryan Patel
效果行銷人員
star

在活動測試方面,以參考素材為主導的生成方式可以探索不同的動作與鏡頭處理方式,同時兼顧創意簡報的核心方向。

poster
Daniel Kim
電子商務行銷人員
star

Media.io 的工作流程讓人更容易在同一個地方整理想法、參考資料和創意方向,而不必從空白畫布開始。

poster
Sophia Chen
社群媒體管理員
star

對於日常內容而言,清晰的模型與輸入選項可以幫助我們的團隊測試影片方向,而不會增加陡峭的剪輯學習曲線。

poster
Marcus Lee
DTC 品牌擁有者
star

我在 Media.io 中重視的是易用性:提示詞與參考輸入讓進階影片概念更容易溝通表達。

poster
Emily Carter
UGC 創作者
star

對於產品內容,我希望能參考拍攝主體、描述動作與鏡頭,並快速確認該概念是否適合社群活動。

poster
Kriti Agarwal
內容與影視策劃人
star

Media.io 讓實驗感覺更加輕鬆。引導式工作流程幫助我專注於角色、動作、構圖和預期成果。

poster
Ryan Patel
效果行銷人員
star

在活動測試方面,以參考素材為主導的生成方式可以探索不同的動作與鏡頭處理方式,同時兼顧創意簡報的核心方向。

poster
Daniel Kim
電子商務行銷人員
star

Media.io 的工作流程讓人更容易在同一個地方整理想法、參考資料和創意方向,而不必從空白畫布開始。

poster
Sophia Chen
社群媒體管理員
star

對於日常內容而言,清晰的模型與輸入選項可以幫助我們的團隊測試影片方向,而不會增加陡峭的剪輯學習曲線。

MiniMax H3 常見問題

1. 什麼是 MiniMax H3?

MiniMax H3 是一款於 2026 年 7 月 31 日推出的通用全模態生成模型。它整合了文字、圖像、影片與音訊情境,讓創作者能以自然語言描述複雜的生成或編輯任務,並生成最長 15 秒的 2K 影片,同時附帶原生立體聲音訊。

2. MiniMax H3 支援哪些參考素材?

MiniMax H3 在共享提示詞情境中支援圖像、影片與音訊參考素材。您可以描述哪個素材定義角色或產品、哪個片段引導動作或鏡頭運用,以及哪段音訊引導人聲、歌曲或節奏。

3. 我可以使用多少個參考檔案?

上限為 9 張圖像、3 部影片和 3 個音訊片段,混合檔案總數不超過 12 個。每個影片或音訊參考素材長度須為 2 至 15 秒,且每種類型的合計時長上限為 15 秒。

4. MiniMax H3 支援最長 15 秒的 2K 影片嗎?

是的。官方 API 文件列出了 2K 輸出規格,以及 4 至 15 秒的整數時長選項。Media.io 的控制項取決於目前的實作狀況。

5. MiniMax H3 會隨影片生成音訊嗎?

是的。MiniMax 將 H3 描述為能生成原生立體聲視聽輸出,人聲、音效與音樂一併建模,而非作為獨立的靜音影片後製步驟另行添加。參考音訊也可協助定義預期的人聲、歌曲、時間點或節奏。

6. 我可以將首/末幀與參考媒體結合使用嗎?

不行。幀圖像轉影片與參考素材轉影片是兩種獨立模式。首幀可單獨使用,但末幀需要搭配首幀才能使用。

7. MiniMax H3 最適合用於哪些用途?

它特別適合廣告與電子商務影片、品牌與產品展示、電影片頭、動態海報、遊戲過場動畫、UI/UX 動態概念、一致性角色場景、V2V 動作遷移,以及其他結合視覺參考素材、動作、文字與聲音的商業工作流程。

8. 我如何在 Media.io 上使用 MiniMax H3,是否免費?

請使用Media.io 上的 MiniMax H3 頁面並登入以查看可用性、控制項及點數需求。系統可能提供入門或推廣點數,但條款可能隨時變更。請參閱官方指南以了解模型詳情。

Media.io 線上 AI 工具品質評分:
vote 4.7(162,387 票)