# MiniMax H3 参考视频怎么用：只借运镜不照抄，附实测请求和账单

> MiniMax H3 参考视频要在提示词里写明只借运镜或动作、不照搬哪些人物和场景；每段 2–15 秒、合计不超过 15 秒，不能与首尾帧同用。

- URL: https://blog.laozhang.ai/zh/posts/minimax-h3-reference-video
- Published: 2026-11-03
- Updated: 2026-11-03
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: AI 视频生成
- Tags: MiniMax H3, 参考生视频, 参考视频, ComfyUI, 视频生成 API

---
MiniMax H3 的参考视频不会自己判断该借什么：只丢一段视频、再写新场景，成片常常把原片的人物和场景一起搬过来。想只借运镜或动作，就在提示词里给参考视频一个明确的任务，紧接着列出不要照搬的人物、服装、动物和场景，再把新画面的主体、地点和光线完整写出来。请求里只放一条 `text` 和 `role` 为 `reference_video` 的 `video_url`，不要同时放 `first_frame` 或 `last_frame`，两者在 API 里互斥。

2026 年 11 月 2 日用这种写法跑过一次：线路是 LaoZhang（它用 MiniMax 开源的 H3 权重自建部署，不经 MiniMax 官方 API），参考片是 MiniMax 官方示例里一段 6.06 秒的手持缓推镜头，拍的是抱着黑色小羊、穿粉色西装的男人。生成的 4 秒 768P 视频 45 秒出片，画面换成了码头上穿黄雨衣的老渔夫，粉色西装、小羊和草地都没有出现，镜头保留了轻微推近加横移。账单是 (4 + 7) × $0.05 = $0.55，6.06 秒的参考片按 7 秒计。这只是一个样本，不保证每次都分得这么干净。

提交前先守住规格：参考视频最多 3 段，每段 2–15 秒，合计不超过 15 秒。越界的请求不一定在提交时报错，同一天两段合计 18.95 秒的请求先被接受，约 3 秒后以 "temporary service error … Please retry" 失败，问题出在素材，不在服务。另外，如果你要改的就是参考视频本身，或者要接着它往下拍，那属于视频编辑或续写，写法和"只借运镜"不同，下面分开讲。

## 参考生视频、参考转视频、Ref2VA：MiniMax H3 里是同一个模式

MiniMax 官方 API 给 H3 分了三种模式：文生视频、图生视频（首帧和/或尾帧）和参考生视频。参考生视频就是"提示词 + 参考图片、视频或音频"，官方列出的典型用途是参考角色、动作、运镜、风格、音色或剪辑节奏，输出 768P 或 2K、4–15 秒的整数秒视频（[MiniMax 视频生成指南](https://platform.minimax.io/docs/guides/video-generation)，截至 2026 年 11 月 2 日）。官方中文文档叫它"多模态参考生视频"，英文是 Reference Generation；ComfyUI 中文文档把对应节点译成"参考转视频"；Hugging Face 上的开源权重叫 Ref2VA，API 示例和 SGLang 参数里写作 r2va、ref2va。这些名字说的是同一件事。H3 属于海螺系列，排在 Hailuo 01、02 之后，在海螺 App 里也能选 H3 加参考视频生成。

参考视频能做的事有边界。它不是逐像素对齐的编辑，开源实现里也没有"重绘强度"这类参数，所以"保留原片九成、只改一点"这种比例控制不了（[MiniMax H3 模型卡](https://huggingface.co/MiniMaxAI/MiniMax-H3)）。官方 API 规定图生视频和参考生视频互斥，带了任何参考素材就不能再放首帧或尾帧，而且每个请求都必须有一条非空文本（[MiniMax 创建视频生成任务 API 文档](https://platform.minimax.io/docs/api-reference/video-generation-v2-create)）。

同一个端点下的 `MiniMax-H3`、`MiniMax-H3-Highspeed`、`MiniMax-H3-Lite` 和 `MiniMax-H3-Max` 在 API 文档里都支持参考图片、视频和音频；其中只有 `MiniMax-H3` 能出 2K，`MiniMax-H3-Max` 的时长下限是 5 秒。还没决定用不用 H3 的话，先看[Wan 3.0、MiniMax H3、Seedance 2.5 怎么选：先看交付约束](https://blog.laozhang.ai/zh/posts/wan-3-vs-minimax-h3-vs-seedance-2-5)。

## 参考视频负责什么：运镜、动作、原片编辑、续写还是声音

先决定参考视频在这次生成里的角色，因为不同角色的提示词写法不同，写错了就会照抄或不起作用。MiniMax 在 Hugging Face 上发布的参考模式提示词指南把这类任务分成 reference generation（参考生成）、video editing（视频编辑）、video continuation（续写）、audio reuse 和 audio reference 几类，并且写明：只提供运镜、剪辑或节奏的参考视频，通常属于 reference generation（[MiniMax H3 参考模式提示词写作指南](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md)）。

| 你想从参考视频拿什么 | 指南里的任务类型 | 提示词怎么写 | 没写清楚时容易带过来什么 |
| --- | --- | --- | --- |
| 运镜、剪辑节奏 | reference generation | "只用 reference video 1 的运镜"，列出不要照搬的人物、服装、场景，再完整写新场景 | 原片的人物、场景、光线和色调 |
| 动作（走路、舞蹈） | reference generation，动作转移到另一个主体 | "把 reference video 1 里的 [动作] 用到 reference image 1 的角色身上" | 原片表演者的长相和衣着 |
| 原片本身，要在上面改 | video editing | 写清原片哪些保留、哪些改成什么 | 原片本来就要保留，风险在于改动太少 |
| 接着原片往下拍 | video continuation | 写清从原片结尾接续，新增什么情节 | 和原片衔接不上 |
| 声音、音色 | audio reuse / audio reference | 把声音单独作为 `reference_audio` 传入，提示词写明只借音色 | 原片对白混进成片 |

指南里还有两条规则能解释"照抄"从哪来。第一，`<Video N>` 这个写法留给"整段视频"层面的关系，比如编辑原片、续写、参考它的运镜、剪辑和节奏；如果你要的是视频里的某个人或物，指南会把它定义成单独的主体 `<Subject N>`，例如"`<Subject 1>` 是一位女性，外貌来自 `<Picture 1>`，走路的动作来自 `<Video 1>`"。第二，它用 fully_preserved、partially_preserved、attribute_transfer、weak_reference 几个标记区分保留程度，其中 attribute_transfer 指把参考里的特征转移到另一个可识别的主体身上，正是"借动作、换人"的情况。这些标记是 H3 改写提示词时用的结构，你自己写普通句子也能用，关键是把"借什么、不借什么"说出来。

指南还写了一句容易被忽略的话：普通参考视频不会仅仅因为文件里有声音，就变成音频参考。想用它的声音，要另外处理，详见文末的问答。

## 参考视频规格：最多 3 段，每段 2–15 秒，合计不超过 15 秒

截至 2026 年 11 月 2 日，MiniMax 官方 API 文档对参考视频的限制如下。合计 15 秒说的是所有参考视频加起来，和输出视频的 4–15 秒是两回事；参考生视频的 `ratio` 可以不填，默认是 `adaptive`，也可以指定 21:9、16:9、4:3、1:1、3:4、9:16（`MiniMax-H3-Lite` 暂不支持 `adaptive`）。

| 项目 | 限制 | 备注 |
| --- | --- | --- |
| 段数 | 最多 3 段 | 图片最多 9 张、音频最多 3 段，混合素材合计不超过 12 个 |
| 单段时长 | 2–15 秒 | 参考音频同样是每段 2–15 秒、合计不超过 15 秒 |
| 合计时长 | 不超过 15 秒 | 超了不一定在提交时报错，见下文的失败对照 |
| 容器与编码 | MP4 或 MOV，H.264 或 H.265 | 音轨为 AAC 或 MP3 |
| 文件大小 | 每段不超过 50 MB | 整个请求体不超过 64 MB |
| 分辨率 | 每边 256–5760 像素 | 宽高比 0.4–2.5，即 2:5 到 5:2 |
| 帧率 | 23.976–60 fps | ComfyUI 本地节点另有 24 fps 的要求 |
| 传入方式 | 公网 URL、`mm_file://` 文件 ID 或 Base64 | Base64 体积约膨胀 33%，大文件用 URL；LaoZhang 文档要求视频是公网 HTTPS 直链 |

提示词本身最长 7,000 字符。这些数字来自 [MiniMax 视频生成指南](https://platform.minimax.io/docs/guides/video-generation)和 API 文档，海螺 App 的界面文字给的也是"最多 3 段视频、合计 15 秒、每段至少 2 秒"。

## 写请求和提示词：参考视频的任务、排除项、新场景各写一句

请求和提示词的写法可以归成一句话：参考视频负责什么写一句，哪些东西不要带过来写一句，新画面是什么写完整。下面按提交顺序列出步骤，第 4 步的请求体就是 11 月 2 日实测用的那一份。

1. 给每段参考视频只派一个任务。对照上一节的表格，决定它负责运镜、动作、原片编辑、续写还是声音。[DomoAI 的 MiniMax H3 参考生视频指南](https://www.domoai.app/blog/minimax-h3-reference-to-video)建议一段素材只管一件事，例如"Video 1 只控制动作和运镜，忽略其中的表演者和场景"。
2. 按你用的线路选对指代写法。不同平台提示词里叫参考视频的方式不一样，见下表；写错不一定报错，但模型可能对不上是哪一段。
3. 写提示词的三部分。先写任务（"只用 reference video 1 的运镜：缓慢的手持推镜，围绕主体轻微横移"），再写排除项（"不要照搬 reference video 1 里的人物、服装、动物和草地"），最后写新场景的主体、动作、地点、时间和天气。新场景写得越具体，模型越没有理由回到原片找内容。
4. 组请求体：`content` 里放一条 `text` 和一条 `video_url`，`role` 设为 `reference_video`；不要加 `first_frame` 或 `last_frame`；写明 `resolution`、`duration`，需要固定画幅时写 `ratio`。
5. 提交后拿 `task_id` 轮询，官方建议每 10 秒查一次，成功后视频链接在 `task.content.url`。

| 线路 | 提示词里怎么叫第一段参考视频 | 说明 |
| --- | --- | --- |
| MiniMax 官方 API 文档示例 | 自然语言 reference video 1 | 按素材类型分别编号，如 reference images 1 and 2 |
| MiniMax H3 发布博客示例 | Video 1、Image 2、Audio 3 | 博客按全部素材的顺序编号，和 API 文档不同 |
| LaoZhang 文档、ComfyUI 本地节点 | `<Video 1>` | 按类型编号；ComfyUI 送入顺序是图片、视频、独立音频 |
| fal、RunDiffusion、ComfyUI API 节点 | `Video 1` | 不带尖括号 |
| 海螺 App | `@Video1` | App 界面文字里的写法 |

实测那次在 LaoZhang 线路上用的是官方文档的自然语言写法 reference video 1，没有用它文档里的 `<Video 1>` 标签，任务照样按意图完成。只有一段参考视频时两种写法都不容易混淆；同时有多段视频和图片时，按你所用平台的文档写更稳妥。

```bash
export LAOZHANG_API_KEY="你的令牌"
export BASE_URL="https://api.laozhang.ai"

curl -s -X POST "$BASE_URL/hailuo/v2/video_generation" \
  -H "Authorization: Bearer $LAOZHANG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-H3",
    "content": [
      {
        "type": "text",
        "text": "Use reference video 1 only for its camera movement: a slow handheld push-in that drifts slightly around the subject. Do not copy the person, clothing, animals or field from reference video 1. New scene: an elderly fisherman in a yellow raincoat mends a net on a wooden pier at dawn, light rain, sea in the background."
      },
      {
        "type": "video_url",
        "role": "reference_video",
        "video_url": {
          "url": "https://cdn.hailuoai.com/prod/hailuo_demo/testsets/h3_promo_eval_ref2va/gallery/sr_v2p26_trio_seed42_20260724/inputs/297573323635_00_%E8%A7%86%E9%A2%911_YnyRbxEwio_video_20260525_163755_1927e9d3.mp4"
        }
      }
    ],
    "resolution": "768P",
    "duration": 4,
    "ratio": "16:9"
  }'

# 返回 {"task_id": "..."}，每 10 秒查询一次
curl -s "$BASE_URL/hailuo/v2/query/video_generation/$TASK_ID" \
  -H "Authorization: Bearer $LAOZHANG_API_KEY"
```

走 MiniMax 官方 API 时，请求体不用改，把地址换成 `https://api.minimax.io/v2/video_generation`，查询换成 `/v2/query/video_generation/{task_id}`，并使用 MiniMax 按量计费（Pay-as-you-go）的 API 密钥。

如果成片还是照抄了参考片，[RunDiffusion 的 MiniMax H3 提示词指南](https://learn.rundiffusion.com/minimax-h3-prompt-guide/)给的办法是：再明确一次参考视频只提供动作或运镜，并把不要照搬的东西逐项列出来。动作没有迁移过去时，换一段干净、只有一个动作的素材，写成"把 Video 1 里的 [动作] 转移到 Image 1 的角色身上"；多段参考一起用效果乱时，一段一段地加，确认每加一段都起作用。

## 2026 年 11 月 2 日实测：只借运镜，45 秒出片，账单 $0.55

这次测试走的是 LaoZhang 的 `/hailuo/v2/video_generation` 接口，按它的文档，这个接口用 MiniMax 开源的 H3 权重独立部署，不经 MiniMax 官方 API，当时的价格是 768P 每秒 $0.05，参考视频按输出分辨率的每秒单价计，不足 1 秒按 1 秒算。用的是 `default` 分组、按量计费的令牌，模型 `MiniMax-H3`，768P、4 秒、16:9，请求体就是上一节的那一份。参考片取自 MiniMax 官方 API 文档里的示例素材：6.06 秒，1920×1080，24 fps，H.264 + AAC，4.4 MB，内容是草坡上一个穿粉色西装、抱着黑色小羊的男人，镜头手持缓慢推近。

任务在 UTC 15:54:50 提交，任务 ID 1793634889518010650。按 10 秒间隔轮询，第 11、22、33 秒都是 running，第 45 秒变成 succeeded；服务端记录的创建到完成时间是 26 秒。查询结果里的 `usage` 是 `total_seconds` 11、`input_seconds` 7、`output_seconds` 4，账户用量正好增加 55 美分，也就是 (4 + 7) × $0.05 = $0.55。输出文件是 1344×768、24 fps、4.46 秒的 H.264 视频，带 32 kHz 的 AAC 立体声，3.5 MB。

按每秒一帧抽图看，画面是黎明时分木码头上穿黄色雨衣、戴安全帽的老渔夫和背后的海面；参考片里的粉色西装、黑色小羊和草坡都没有出现。镜头方面，主体从画面左侧三分之一处逐渐移向中间并略微变大，是一个带横向漂移的轻微推近，和参考片的运镜一致。提示词里的小雨在画面上看不太出来。

![11 月 2 日实测：参考片的人物、小羊和草坡不借，只借手持推镜；提示词按任务、排除项、新场景三句写，成片保留运镜，账单 11 秒 × $0.05 = $0.55](https://blog.laozhang.ai/posts/zh/minimax-h3-reference-video/img/camera-only-test.webp)

这个结果只有一次运行、一条提示词、一段参考片，画面判断也是目测，不能当作"H3 总能把人物和运镜分开"的保证。另外，下载成片时 CDN 拒绝了 Python `urllib` 默认的 User-Agent（返回 403），换成带浏览器 User-Agent 的 curl 才下载成功，自己写脚本下载时注意这一点。

## 提示"临时服务错误"却重试无效：越界请求在哪一步失败

参考视频越界时有两种失败方式：一种在提交时直接返回 HTTP 400，另一种先返回 200 和任务 ID，几秒后再失败，报错文字却写着"临时服务错误，请重试"。后一种最误导人。2026 年 11 月 2 日在 LaoZhang 线路上（768P、4 秒、16:9）逐项试过下面这些输入，两种失败都没有扣费。

| 输入 | LaoZhang 线路的结果（2026 年 11 月 2 日） | 文档规则 | Atlas Cloud 线路的报告（2026 年 8 月 12 日） |
| --- | --- | --- | --- |
| 4 段参考视频 | 提交时 400：`参考图片、视频或音频数量超过支持上限。` | 最多 3 段 | 无对应测试 |
| 参考视频 + `first_frame` | 提交时 400：`首尾帧图片不能与参考素材混合使用。` | 互斥 | 不报错，静默丢掉一个输入，照常扣费 $0.40 |
| 有参考视频，没有文本 | 提交时 400：`内容中必须至少包含一项非空文本。` | 必须有一条非空文本 | 无对应测试 |
| 只有文本 + 参考音频 | 提交时 400：`Invalid request parameters. … This request is not charged.` | LaoZhang 文档：音频不能作为唯一参考 | 无对应测试 |
| 两段 9.47 秒，合计 18.95 秒 | 先返回 200，约 3 秒后 `generation_failed`："temporary service error … Please retry" | 合计不超过 15 秒 | 没有测视频合计超限；两段约 8 秒的参考音频（合计 16.1 秒）照常完成并计费 |
| 一段 1.5 秒，用 Base64 传入 | 先返回 200，约 3 秒后同样的"temporary service error" | 每段至少 2 秒；LaoZhang 要求 HTTPS 直链 | 无对应测试 |

两个先接受后失败的任务，在创建时各预扣了 4 秒 × $0.05 = 20 美分，失败后全部退回，账户用量回到提交前的数值。几分钟后提交的合规请求正常成功，所以合计 18.95 秒那一项失败的原因是素材越界，不是服务临时出问题。同样的越界请求没有重试过，但按这个结果推断，重试大概率还是同样失败。1.5 秒那一项同时用了 Base64 传输和过短的片段，分不清是哪个原因触发的。

![MiniMax H3 参考视频越界请求的两种失败：段数、首帧混用、缺文本、只传音频在提交时返回 400；合计超 15 秒或片段短于 2 秒先返回 200，约 3 秒后报 temporary service error](https://blog.laozhang.ai/posts/zh/minimax-h3-reference-video/img/failure-boundary.webp)

Atlas Cloud 在 2026 年 8 月 12 日发布的测试里，它自己的接口对所有错误请求都先返回 200，错误在两三分钟后的生成阶段才出现；首帧加参考素材没有报错，而是静默丢掉其中一个输入并照常扣费；两段约 8 秒、合计 16.1 秒的参考音频超过了 15 秒的音频合计上限，也照常完成并扣费，参考视频合计超限的情况它没有测（[Atlas Cloud 的 MiniMax H3 参考生视频规则测试](https://www.atlascloud.ai/blog/tips/minimax-h3-reference-to-video)）。这份报告已经是三个月前的，和 LaoZhang 线路的结果也对不上，能确定的只有一点：各条线路的校验方式不同，越界请求可能被拒、可能失败、也可能被悄悄改写后照样收费。按文档规格在本地预检，比依赖某条线路替你拦截可靠。

## 提交前用 ffprobe 预检：超长片段剪成整 6 秒

预检要做的是在提交前把文档里的硬性规格过一遍，并顺便算出参考视频会按几秒计费。下面这个脚本基于 ffprobe，检查段数、单段和合计时长、容器、编码、文件大小、边长、宽高比和帧率，计费秒数按向上取整打印。它只检查公开写明的规格，预测不了成片质量，也预测不了内容审核。

```python
#!/usr/bin/env python3
"""提交前检查 MiniMax H3 参考视频：<=3 段，每段 2-15 秒，合计 <=15 秒，
MP4/MOV，H.264/H.265，<=50 MB，每边 256-5760 px，宽高比 0.4-2.5，23.976-60 fps。"""
import json, math, subprocess, sys

def probe(path):
    out = subprocess.run(["ffprobe", "-v", "error", "-show_entries",
        "format=duration,size,format_name:stream=codec_type,codec_name,width,height,avg_frame_rate",
        "-of", "json", path], capture_output=True, text=True, check=True).stdout
    return json.loads(out)

def check(paths):
    problems, total = [], 0.0
    if len(paths) > 3:
        problems.append(f"{len(paths)} clips: H3 accepts at most 3 reference videos")
    for p in paths:
        info = probe(p)
        fmt = info["format"]
        v = next(s for s in info["streams"] if s["codec_type"] == "video")
        dur, size_mb = float(fmt["duration"]), int(fmt["size"]) / 1e6
        num, den = map(int, v["avg_frame_rate"].split("/"))
        fps = num / den if den else 0
        w, h = v["width"], v["height"]
        total += dur
        print(f"{p}: {dur:.2f}s (billed {math.ceil(dur)}s), {w}x{h}, {fps:.3f} fps, "
              f"{v['codec_name']}, {size_mb:.1f} MB")
        if not 2 <= dur <= 15: problems.append(f"{p}: {dur:.2f}s is outside 2-15 s")
        if v["codec_name"] not in ("h264", "hevc"): problems.append(f"{p}: codec {v['codec_name']} is not H.264/H.265")
        if not ("mp4" in fmt["format_name"] or "mov" in fmt["format_name"]): problems.append(f"{p}: container is not MP4/MOV")
        if size_mb > 50: problems.append(f"{p}: {size_mb:.1f} MB is over 50 MB")
        if not (256 <= w <= 5760 and 256 <= h <= 5760): problems.append(f"{p}: {w}x{h} outside 256-5760 px")
        if not 0.4 <= w / h <= 2.5: problems.append(f"{p}: aspect ratio {w/h:.2f} outside 0.4-2.5")
        if not 23.976 <= round(fps, 3) <= 60: problems.append(f"{p}: {fps:.2f} fps outside 23.976-60")
    if total > 15: problems.append(f"total {total:.2f}s is over 15 s")
    print(f"total reference length {total:.2f}s")
    print("OK" if not problems else "FIX BEFORE SUBMITTING:\n- " + "\n- ".join(problems))
    return not problems

if __name__ == "__main__":
    sys.exit(0 if check(sys.argv[1:]) else 1)
```

用法是 `python3 h3_ref_check.py a.mp4 b.mp4`，通过时退出码为 0。2026 年 11 月 2 日在 macOS 26.1、ffprobe 9.0.2 上，用上面实测和失败对照里的几段素材各跑了一次：

```text
ref-video.mp4: 6.06s (billed 7s), 1920x1080, 24.000 fps, h264, 4.4 MB
OK

short-1.5s.mp4: 1.50s (billed 2s), 640x360, 24.000 fps, h264, 0.1 MB
FIX BEFORE SUBMITTING:
- short-1.5s.mp4: 1.50s is outside 2-15 s

dance.mp4: 9.47s (billed 10s), 1080x1922, 30.000 fps, h264, 12.2 MB
dance.mp4: 9.47s (billed 10s), 1080x1922, 30.000 fps, h264, 12.2 MB
total reference length 18.95s
FIX BEFORE SUBMITTING:
- total 18.95s is over 15 s
```

合计超了 15 秒时，把其中一段剪短再交。下面的命令从第 1 秒开始截取 6 秒并重新编码，重新编码能让时长落在整数秒上，单纯复制流（`-c copy`）会受关键帧位置影响，剪出来的时长不一定正好：

```bash
ffmpeg -ss 1 -i dance.mp4 -t 6 -c:v libx264 -crf 20 -preset veryfast -c:a aac dance-6s.mp4
```

剪完的 `dance-6s.mp4` 是 6.00 秒、3.3 MB，计费秒数 6；和 6.06 秒的推镜片一起检查，合计 12.06 秒，结果为 OK。按不足 1 秒按 1 秒计的规则，6.06 秒的片段要付 7 秒，剪到整 6 秒就只付 6 秒。

## 参考视频怎么收费：输出秒数加参考视频秒数

参考视频本身要按秒收费，费用是（输出秒数 + 参考视频秒数）× 输出分辨率的每秒单价。截至 2026 年 11 月 2 日，[MiniMax 按量计费价格页](https://platform.minimax.io/docs/guides/pricing-paygo)写的是"视频输入按输入时长、以所选模型的输出分辨率计费"：`MiniMax-H3` 768P 的输出和参考视频都是每秒 $0.08，2K 都是每秒 $0.13；每个任务前 5 张参考图免费，之后每张 $0.04；参考音频免费。

`MiniMax-H3-Max` 是唯一的例外，它的参考视频比输出更贵：768P 输出每秒 $0.08，参考视频每秒 $0.143；480P 输出每秒 $0.05，参考视频每秒 $0.0553；参考图只免费 2 张。拿一个 5 秒的 768P 任务配 6 秒参考视频来算，`MiniMax-H3-Max` 是 5 × $0.08 + 6 × $0.143 = $1.258，同样输入在 `MiniMax-H3` 768P 上是 (5 + 6) × $0.08 = $0.88。

把前面实测的 4 秒 768P 输出放到不同线路上算：LaoZhang 线路实际扣了 (4 + 7) × $0.05 = $0.55，换成剪好的 6.00 秒片段是 (4 + 6) × $0.05 = $0.50。官方 API 用 6.00 秒片段，768P 是 (4 + 6) × $0.08 = $0.80，2K 是 (4 + 6) × $0.13 = $1.30。官方价格页没有写参考视频秒数怎么取整，如果像 LaoZhang 一样向上取整，6.06 秒的原片在官方 768P 上会是 (4 + 7) × $0.08 = $0.88，这个数是推算。

其他平台的计费方式差别很大。fal 的 H3 基础版不另收参考视频费，按输出分辨率每秒计价；fal 的 H3 Max 版按 token 计参考素材，每个请求免费 4,096 个，之后每千个 $0.02，一段 5 秒、24 fps、16:9 的参考片在 768P 下是 32,256 个 token，约多付 $0.56（[fal 上的 MiniMax H3 Max 参考生视频页面](https://fal.ai/models/minimax/h3-max/reference-to-video)）。LaoZhang 线路在创建任务时先预扣输出秒数的费用，参考视频的秒数在任务完成后结算，失败任务全额退回。各家视频模型每秒多少钱，见[AI 视频生成要多少钱：每秒价格、订阅与成片成本](https://blog.laozhang.ai/zh/posts/how-much-does-ai-video-generator-cost)。

## ComfyUI 本地跑 Ref2VA：参考视频按 24 fps 读，超长部分被截掉

在 ComfyUI 里用开源权重跑参考视频，参考素材在提示词里用 `<Picture i>`、`<Video k>`、`<Audio j>` 指代，按类型从 1 开始编号，最多 3 段参考视频、每段 2–15 秒。下面几条是 [ComfyUI 的 MiniMax H3 参考转视频节点文档](https://docs.comfy.org/built-in-nodes/MiniMaxH3ReferenceToVideo)、[ComfyUI 的 H3 本地教程](https://docs.comfy.org/tutorials/video/minimax/minimax-h3-native)和 MiniMax 模型卡里写明的行为，这些都是文档说明，没有在本地实际运行过，遇到"参考像没起作用"时可以按这几处对照。

参考完全不起作用，多半是连线或模型选错了。扩散模型要选 ref2va 版本（教程里是 `minimax_h3_ref2va_pruned_int8_convrot`），不能用首尾帧用的 fl2va 版本；没有接 `vae` 时，参考图和参考视频只作用于文本编码器，不会生成参考 latent，效果基本等于只剩文字描述。参考视频自带的声音也一样，只有把 `ref_video_audio_N` 接到对应的 `ref_video_N` 上才会被使用。

参考只起了一部分作用，先看帧。节点按 24 fps 读取参考视频、不看元数据，所以 30 fps 之类的素材要先转成 24 fps，否则读出来的动作会比原片慢；每段至少要有 5 帧。超过生成长度 `length` 的参考帧会被直接截掉，`length` 默认 124 帧（约 5 秒），取值按 17k + 5 对齐，所以 10 秒的参考片配 5 秒的输出，后半段的运镜根本不会被看到。

参考变弱，还要看采样设置。可选的 4 步 Turbo LoRA 更快，但参考和音频的约束会变弱，参考必须守住时用 20–25 步；风格 LoRA 会和参考争抢，教程建议强度约 0.5。另外，开源权重只输出 768p、24 fps，2K 模块没有开源，要调用 MiniMax 托管的 H3-Context-IR 和 H3-Regenerate-2K 接口。

硬件方面，[SGLang 的 MiniMax H3 部署指南](https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3)列出的配置是 4 张 H200、4 张 H100、2 张 RTX 5090 加 384 GiB 内存，或者单张 RTX 4090（峰值约 18 GB，但 4090 方案是在首尾帧模式下测的，不是参考模式）。它的示例里一个参考生视频任务用了 260 秒，同样硬件上文生视频是 37 秒，所以本地跑参考模式要预留明显更长的时间。

## MiniMax H3 参考视频的其他问题

### 参考视频的光线和色调会被带到成片里吗？

可能会。Atlas Cloud 在 2026 年 8 月 12 日发布的测试经验里，把参考视频能锁住的东西列为动作、运镜、调色和颗粒，也就是说参考视频本身就容易把影调带进成片。它那次的提示词既写了 "bright empty covered market, cold clean daylight"（明亮空荡的室内市场、冷而干净的日光），又写了 "carry the grade and grain of the reference clip"（沿用参考片的调色和颗粒），两个要求方向相反，结果参考片的夜景调色占了上风，成片比"明亮"暗沉得多。Atlas 的结论是，一次调用不能既要参考片的影调、又要相反的光线。所以想换光线时，先删掉沿用影调的指令，并把新场景的时间和光线写具体；仍然不行，就去掉这段参考视频，人物身份只靠参考图来保持。11 月 2 日那次实测的提示词没有要求沿用影调，草坡上的参考片换成了黎明的码头，但这只有一个样本。

### 参考视频自带的声音会被 H3 用上吗？

不一定。MiniMax 的参考模式提示词指南写明，普通参考视频不会仅仅因为文件里有声音就成为音频参考。想借音色或配乐，把音频单独作为 `reference_audio` 传入，在提示词里写"音色参考 reference audio 1"，官方 API 示例就是这么写的；在 ComfyUI 里要把 `ref_video_audio_N` 接上。RunDiffusion 的指南还提到，如果原片的对白漏进了成片，就写明参考只提供音色，并把新台词完整写出来。

### 能先让 H3 帮我把提示词改写好吗？

可以用 MiniMax 官方的 H3-Context-IR 接口（`POST /v2/h3_context_ir`）。它读取你的文字和参考素材，只返回一份增强后的提示词（在 `content.prompt` 里，任务类型 `h3_context_ir`），不生成视频；返回的格式就是参考模式指南里那套带主体和保留标记的结构，可以拿来检查模型是否理解了"只借运镜"。截至 2026 年 11 月 2 日，这个接口在官方 API 文档里有说明，上面的实测没有用到它。

### 768P 的参考生视频结果怎么变成 2K？

官方 API 有单独的视频重生成接口（`POST /v2/video_regeneration`），只接受 `MiniMax-H3` 768P 规格的结果：把原任务的全部 `content` 原样再传一次，另加一条 `role` 为 `base_video` 的视频。按 MiniMax 价格页，重生成和原任务分开计费，原任务里的参考素材要再计一次：参考视频按原时长计，参考图同样前 5 张免费，音频免费。开源权重本地跑出的 768p 结果，也要通过这个托管接口才能升到 2K。

### MiniMax H3 Max 能用参考视频吗？

看入口。MiniMax 官方 API 文档写的是 `MiniMax-H3-Max` 支持参考图片、视频和音频，价格页也单独给出了它的参考视频单价；海螺 App 的界面文字却写着只有 H3 支持参考视频，H3 Max 只支持文字或首尾帧。截至 2026 年 11 月 2 日两边说法不一致，用 API 时以 API 文档为准，用 App 时以界面为准。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-11-03。

- [MiniMax 视频生成指南](https://platform.minimax.io/docs/guides/video-generation) (platform.minimax.io)
- [MiniMax H3 模型卡](https://huggingface.co/MiniMaxAI/MiniMax-H3) (huggingface.co)
- [MiniMax 创建视频生成任务 API 文档](https://platform.minimax.io/docs/api-reference/video-generation-v2-create) (platform.minimax.io)
- [MiniMax H3 参考模式提示词写作指南](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md) (huggingface.co)
- [DomoAI 的 MiniMax H3 参考生视频指南](https://www.domoai.app/blog/minimax-h3-reference-to-video) (domoai.app)
- [RunDiffusion 的 MiniMax H3 提示词指南](https://learn.rundiffusion.com/minimax-h3-prompt-guide/) (learn.rundiffusion.com)
- [Atlas Cloud 的 MiniMax H3 参考生视频规则测试](https://www.atlascloud.ai/blog/tips/minimax-h3-reference-to-video) (atlascloud.ai)
- [MiniMax 按量计费价格页](https://platform.minimax.io/docs/guides/pricing-paygo) (platform.minimax.io)
- [fal 上的 MiniMax H3 Max 参考生视频页面](https://fal.ai/models/minimax/h3-max/reference-to-video) (fal.ai)
- [ComfyUI 的 MiniMax H3 参考转视频节点文档](https://docs.comfy.org/built-in-nodes/MiniMaxH3ReferenceToVideo) (docs.comfy.org)
- [ComfyUI 的 H3 本地教程](https://docs.comfy.org/tutorials/video/minimax/minimax-h3-native) (docs.comfy.org)
- [SGLang 的 MiniMax H3 部署指南](https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3) (docs.sglang.io)