基于 MiniMax H3-Context-IR 的多模态参考生视频提示词增强接口，通过 /v1/responses 端点以异步任务方式调用。接口对文本、图像、音频与视频等多模态上下文进行深度理解，分析素材之间以及素材与目标生成结果之间的关系并进行复杂逻辑推理，将其转换为结构化、语义更丰富的视频提示

基于 MiniMax H3 系列极速生成版本 MiniMax-H3-Max 的文生视频接口，通过 /v1/responses 端点以异步任务方式调用。仅凭一段文本提示词即可生成 5~15 秒视频，支持 480P / 768P 两档分辨率（默认 768P）与 21:9、16:9、4:3、1:1、3:4

基于 MiniMax H3 系列极速生成版本 MiniMax-H3-Max 的图生视频接口，通过 /v1/responses 端点以异步任务方式调用。以文本提示词搭配首帧（first_frame）和／或尾帧（last_frame）图片驱动生成 5~15 秒视频，宽高比由输入图片自适应决定，支持 48

MiniMax-H3 视频生成 V2 接口，通过多模态 input 数组输入（文本 / 图片 / 视频 / 音频）驱动，2K 直出。文生视频场景仅需在数组中提供一个非空文本项，单个 text 最多 7000 个字符；支持 768P 与 2K 两档分辨率、4~15 秒整数时长，以及 21:9、16:9

MiniMax-H3 视频生成 V2 接口，通过多模态 input 数组输入（文本 / 图片 / 视频 / 音频）驱动，2K 直出。图生视频场景在必填文本提示词之外附加图片项，通过 role 指定用途：first_frame 首帧、last_frame 尾帧，或两者成对构成首尾帧生成；首帧与尾帧各限

MiniMax-H3 视频生成 V2 接口，通过多模态 input 数组输入（文本 / 图片 / 视频 / 音频）驱动，2K 直出。多模态参考生视频场景在必填文本提示词之外，可同时附加参考图片（reference_image，≤ 9 张）、参考视频（reference_video，≤ 3 个、单段

MiniMax-H3 视频再生成接口，把符合 MiniMax-H3 768P 输出规格的源视频再生成为 2K 视频。文生视频场景的再生成需在 input 数组中原样提交生成 768P 源视频时实际送入模型的全部输入（此处即那一条最终 prompt，单个 text 最多 40000 个字符），并附加一

MiniMax-H3 视频再生成接口，把符合 MiniMax-H3 768P 输出规格的源视频再生成为 2K 视频。图生视频场景的再生成需在 input 数组中原样提交生成 768P 源视频时实际送入模型的全部输入（最终 prompt 与首帧图片，单个 text 最多 40000 个字符），并附加一

MiniMax-H3 视频再生成接口，把符合 MiniMax-H3 768P 输出规格的源视频再生成为 2K 视频。多模态参考生视频场景的再生成需在 input 数组中原样提交生成 768P 源视频时实际送入模型的全部输入（最终 prompt、参考视频 reference_video、参考音频 re

MiniMax-Hailuo-2.3-Fast 是海螺视频生成系列的高速版模型，支持以图片作为起始帧生成高质量视频。该模型在保持出色画面质量的同时显著提升生成速度，支持 768P 和 1080P 两档分辨率，最长可生成 10 秒视频，并提供 15 种运镜指令实现精确的镜头控制，适合需要快速迭代的创意