MiniMax 新一代模型：发布与 API 预览

如果你想现在就试用 MiniMax Hailuo 2.3，简短的答案是： Standard 模型支持文本生成视频和图片生成视频，Fast 模型仅支持图片生成视频，输出为 768p 或 1080p 分辨率的 6 秒或 10 秒短片。Standard 定价约为每个 6 秒短片 0.28 美元起，Fast 约为 0.19 美元，配合简单的提交 → 轮询 → 下载的 API 流程。

如果只看最重要的部分，这次发布主要涉及四件事：

• 现在能做什么： 文本生成视频和图片生成视频
• 成本如何： 在 APIMart 上，根据模型和分辨率不同，每秒约 0.0248 到 0.072 美元
• 如何接入： 先调用 POST /video_generation，再通过 GET /query/video_generation 查询状态
• 最适合谁： 制作短广告、产品短片、讲解视频以及测试变体的团队

同时也存在一些明确的限制。Fast 不支持文本生成视频。 输入图片必须小于 20 MB，短边需大于 300 像素，且宽高比需在允许范围内。Standard 模型通常每个短片需要约 30 到 90 秒的生成时间，因此它更适合短视频任务，而非长篇剪辑。

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

快速对比

让我印象最深的是：这个模型很容易上手尝试，定价也容易估算，API 也很直观。所以，如果你在评估 Hailuo 2.3 是否适合你的工作流，真正的问题不是“我能不能用上它”，而是**“我想要更好的输出质量，还是更低的单片成本？”**

2. MiniMax Hailuo 2.3 首发都带来了什么

MiniMax Hailuo 2.3 是 MiniMax 面向短视频的电影级短片生成模型，专为流畅的动作、富有表现力的角色，以及紧扣提示词要求的输出而打造。

2.1 核心能力与支持的工作流

在模型层面，主要的选择在于 Standard 与 Fast 之间。

Standard Hailuo 2.3 同时支持文本生成视频和图片生成视频，能带来更好的动作一致性、更逼真的输出，以及更精细的风格控制。它通常每个短片需要约 30 到 90 秒的生成时间。^[2][5][7]

Fast 仅支持图片生成视频。它更偏向速度和更低成本，但代价是牺牲一部分图像质量。^[3]

播放帧率大约在电影级的 24 fps 左右，但这应被视为一个大致目标，而非固定规格。^[3][7][8]

实际上，这个选择会立即影响三件事：

• 每个短片需要多长时间
• 输出效果有多精致
• 团队从提示词到成稿草案的速度有多快

2.2 动作、角色与风格方面的提升

相较于 Hailuo 02，最大的进步体现在角色动作与情绪表现上。

Hailuo 2.3 使用面部肌肉模拟技术来处理眉毛动作、眼神焦点变化、轻微头部倾斜等细微表情。它还使用 Global Identity VAE 让面部、发型和服装在帧与帧之间保持更高的稳定性。^[1][4][9]

镜头运动的表现也更强。你可以使用像 [Pan left]、[Zoom in]、[Tracking shot] 这样的括号指令，模型在单个提示词中最多支持三个此类指令。除此之外，Hailuo 2.3 还新增了更多风格控制选项，支持动漫、水墨画和游戏 CG 美术风格的渲染效果。^[1][4][6][9]

这意味着团队可以更精确地把控短片的观感。无论是角色特写、缓慢推近镜头，还是风格化的产品镜头，都不再是靠猜测，而更像是一项提示词写作的工作。

2.3 Hailuo 2.3 最适合的场景

Hailuo 2.3 最适合制作简短有力的短片。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，再用常规剪辑软件将它们拼接起来。

当输出质量、风格方向和提示词细节最重要时，使用 Standard Hailuo 2.3，例如主打广告、预告片，或以角色为核心的场景。当速度和产量更重要时，切换到 Fast，尤其适用于变体测试或批量社交内容生产。

这些发布层面的差异，直接延续到了下一节中关于 API 配置、输出限制和集成决策的讨论。

3. API 预览：端点、输入、输出与访问方式

3.1 请求与响应结构

Hailuo 2.3 遵循简单的提交 → 轮询 → 下载流程。你发送一个 POST /video_generation 请求，得到一个 task_id，然后等待视频处理完成。之后，你轮询任务状态。任务完成后，API 会返回一个下载链接。这些字段对应着两条首发路径：文本生成视频和图片生成视频。

对于文本生成视频，请求需要一个 prompt 字段，提示词长度最多可达 2000 个字符。对于图片生成视频，你还需要发送 first_frame_image 作为参考图片，图片可以以公开 URL 或 Base64 字符串的形式传入。文件必须小于 20 MB，短边需大于 300 像素，宽高比必须在 2:5 到 5:2 之间。

主要的控制参数包括：

• duration 用于控制短片时长，常见取值为 6 秒或 10 秒
• resolution 设置为 "768P" 或 "1080P"
• prompt_optimizer 作为一个可选标志

提交后，GET /query/video_generation 会返回类似 "processing"、"success" 或 "failed" 的状态。如果任务成功，响应中会包含视频 URL 或文件引用；如果失败，你会收到 error_code 和 error_message。

每 15 到 30 秒轮询一次是比较合理的节奏，频率过高只会产生无谓的噪音。还有一点：APIMart 上的输出链接有效期为 72 小时，所以生成完成后尽快将文件转存到自己的存储中会更稳妥。

3.2 直连访问与 APIMart 统一 API 访问

团队可以直接调用 MiniMax 的原生端点，在请求头中携带 Bearer token：

Authorization: Bearer YOUR_API_KEY

这种方式能让你与 MiniMax 官方文档和发布节奏保持最紧密的同步。

APIMart 为希望在一处统一管理多模态工作的团队提供了另一条路径。其统一 API 让你在文本、图片和视频调用之间只需一个 API 密钥和一份美元余额。它还采用了兼容 OpenAI 的请求格式，如果你的技术栈已经使用这种格式，配置起来会更简单。如果你要把多种模型类型接入同一条流水线，这样的设置能在客户端节省不少时间。

3.3 美元计价与计费

计费方式为按生成的每秒以美元计价。相比 MiniMax 官方定价，APIMart 的价格大约有 20% 的折扣。

一种实用的成本管理方式是：先用 768P 进行测试，把 1080P 留给最终渲染。这样可以让早期迭代更便宜，同时为后续更高质量的交付留出空间。

4. 多模态工作流的集成模式

4.1 Python SDK 与 REST 实现模式

确定好请求和响应格式后，下一步就是把 Hailuo 2.3 接入一条可以反复运行的流水线中。最简单的理解方式是：Hailuo 2.3 是更大系统中的渲染层。把 API 密钥保存在环境变量中，每个请求都使用 Bearer 认证，用 requests 处理视频生成调用，同时依赖 SDK 来完成提示词编排。

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": "[Slow zoom in] 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}/video_generation", json=payload, headers=headers)
task_id = response.json()["task_id"]

while True:
    status_resp = requests.get(
        f"{BASE_URL}/query/video_generation",
        params={"task_id": task_id},
        headers=headers,
    )
    result = status_resp.json()

    if result["status"] == "success":
        file_id = result.get("file_id")
        video_url = result.get("video_url")
        break
    if result["status"] == "failed":
        raise Exception(result.get("error_message", "Video generation failed"))

    time.sleep(20)

如果轮询显得笨拙，可以添加一个 callback_url，让系统在渲染完成时主动通知你。之后，把返回的 file_id 或下载 URL 传入你的存储或发布环节。

API 流程搭建完成后，接下来的工作就是设置一套默认参数，把支出和输出质量控制在合理范围内。

4.2 面向内容与产品团队的流水线设计

大多数内容和产品团队只需三种流水线模式就足够了，它们对应本文的主要使用场景：文本生成视频、图片生成视频，以及渲染后的音频合成。^{[13][10][12][20][21]}

对于广告短片工作流（文本 → 视频），由 LLM 构建一个结构化的提示词，包含场景设定、主体、动作描述和括号形式的镜头指令。例如：

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

随后，这段提示词会被发送到 Hailuo 2.3 的文本生成视频请求中。这种设置非常适合 6 秒的短片。^[16]

对于产品演示工作流（图片 → 视频），上传一张干净的产品静态图，并作为 first_frame_image 传给 Hailuo 2.3。这样既能保持产品视觉上的准确性，又能添加静态图片无法呈现的动态效果。^[13][10][12]

对于旁白同步工作流（视频 + 音频），先渲染视频，然后在后期使用语音或音乐模型添加配音或音乐，最后在发布流水线中把所有内容合成到一起。

如果你需要超过 10 秒的连续镜头，可以把多个短片串联起来：取出前一次生成的最后一帧，将其作为 first_frame_image 传入下一次请求。这是一种简单的衔接方式，但有助于在各个片段之间保持角色外观和场景的连续性。^[10][12]

4.3 上线前需要统一的参数

把这件事当作一项上线策略来对待会很有帮助。在扩大规模之前锁定一份简短的默认参数清单，能让输出保持稳定、成本更容易规划，也能让团队的使用方式保持一致。^{[16][17][18][19]}

一份简短的清单通常就足够了：

• 提示词模板 - 使用统一的结构：场景设定、主体、动作、镜头方向，以及风格标签，例如 "cinematic"、"product demo" 或 "user-generated feel"。维护一个已验证有效的提示词库，让团队可以复用，而不必每次从零开始。^[11][14][15]
• 时长 - 根据任务需求匹配短片长度。预览和社交内容使用 6 秒短片，需要更长时间的营销活动则保留给 10 秒短片。
• 分辨率 - 将 768P 设为草稿和迭代阶段的默认值，仅在最终渲染时使用 1080P。
• 首帧图片规则 - 明确规定已批准的源图片存放位置，确保文件小于 20 MB 且短边大于 300 像素，并定义什么样的参考帧对图生视频工作来说是合格的。^{[10][17][18][15]}
• 模型选择 - 大批量运行使用 MiniMax-Hailuo-2.3-Fast，更高保真度的最终输出则保留给 MiniMax-Hailuo-2.3（Standard）。^[19]

这些默认设置决定了接下来要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 常见美国制作场景的成本估算

一旦发布配置和 API 流程都搭建完成，接下来要确定的就是制作成本。

在 Hailuo 2.3 上，一个 6 秒的 768p 短片成本约为 0.29 美元，10 秒短片约为 0.49 美元。在 Hailuo 2.3 Fast 上，同样的短片成本分别约为 0.15 美元和 0.25 美元。

对于一个每月以 768p 制作 80 个标准 10 秒产品短片的美国电商品牌来说，总生成成本约为 39.00 美元。

一种简单的思路是：

• 草稿、A/B 变体和批量测试使用 Hailuo 2.3 Fast
• 上线产品页面、付费社交广告和应用商店预览使用 Hailuo 2.3

价格当然重要，但不应该是唯一的决策依据。你需要输出达成什么目的，才是更重要的考量。

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

这个选择最终归结为三点：最终输出质量、草稿速度，或批量产出。

好处在于，一次集成就能覆盖两个档位。所以如果你的团队想从草稿模式切换到最终输出模式，无需改动请求逻辑即可完成。

5.3 需要牢记的要点

如果你要在两个档位之间做选择，规则其实很简单：Hailuo 2.3 是为短视频而生的，尤其适合那些动作一致性和品牌契合度最重要的简短短片。

在扩大规模之前，先做一次严格的小范围试点：生成一批受控的 6 秒和 10 秒短片，然后与创意团队一起评审动作质量和品牌契合度，确认生成耗时符合你的制作流程节奏，并核实 APIMart 的账单视图中记录的使用秒数与总成本（美元）是否一致。

常见问题

我应该从哪个模型开始？

对大多数用户来说，Hailuo 03 是最好的起点。它是最新的模型，最适合处理复杂的多模态工作流，例如文本生成视频、图片生成视频、同步音频以及精确的镜头控制。

如果你需要风格化的艺术效果、人物动作或微表情，Hailuo 2.3 是不错的选择。如果你的工作更偏向物理性强的动作和高度逼真的运动效果，Hailuo 02 同样是一个稳妥的选择。

你可以通过统一的 APIMart API，设置 model 参数来访问以上所有模型。

如何生成超过 10 秒的短片？

对于超过 5 秒的视频，使用更低的分辨率，例如 768p 或 512p。1080p 仅支持最长 5 秒的短片，因此不适用于更长的输出。

需要超出 API 10 秒短片上限的内容？生成多个短片，然后在你的后端将它们拼接起来。最好以异步方式处理，可以通过轮询任务状态，或使用回调 URL 获取完成通知。

生成请求失败的常见原因是什么？

生成请求可能因以下几个常见原因而失败：

• 参数无效
• API 密钥无效
• 账户余额不足
• 速率限制（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超过 20 MB，或宽高比超出 2:5 到 5:2 的范围而失败。

如果任务状态变为 failed，请查看 error_message 字段以获取具体原因。