最后更新:11/19/2026最后核验:2026-11-19

MiniMax

MiniMax 功能介绍:语音模型、H3 视频与 H3-Image

26
0

中国 AI 平台,提供 600+ 语音模型(Speech 2.8 Turbo)、多模态对话,以及 MiniMax H3 / H3-Image 的视频和图像生成。H3 可生成最长 15 秒、2K、带原生立体声的视频;H3-Image 面向 4K 出图,最多 16 张参考图。权重已放出,Hugging Face 标注为 other。

部分免费

MiniMax 是什么

MiniMax 是一款来自中国的 AI 平台,重点覆盖 AI 音频生成、多模态聊天和视频生成等场景。它提供 600 多种 voice models,并主打 Speech 2.8 Turbo,适用于 text-to-speech、旁白配音和语音内容制作。对于希望在同一平台完成 AI 语音输出、聊天交互和媒体生成的用户来说,MiniMax 具有较强的综合性。 平台目前的视频与图像模型是 MiniMax H3 与 MiniMax H3-Image:H3 可生成最长 15 秒、2K、带原生立体声的视频;H3-Image 面向 4K(4096 x 4096)出图,最多支持 16 张参考图。这两代模型可通过 MiniMax API、MiniMax Code 与消费端 Hailuo 使用,权重已放出。

核心功能

  • 提供 600+ 声音模型,适合 text-to-speech 和 AI 语音生成工作流
  • Speech 2.8 Turbo 支持高质量 AI speech generation,面向配音和朗读场景
  • 具备多模态聊天能力,可与不同内容格式进行交互
  • 提供视频生成工具,帮助用户创建 AI 辅助的视觉内容
  • 根据已提供信息,采用 freemium 免费增值访问模式
  • MiniMax H3 视频生成:单条最长 15 秒、2K 分辨率、带原生立体声音频
  • MiniMax H3-Image:4K(4096 x 4096)文生图、参考图生成与图像编辑,最多 16 张参考图

最适合

为短视频、广告、社交媒体内容制作 AI 配音和旁白的创作者正在评估 AI speech generation 和声音模型方案的开发者希望在一个 AI 平台中整合聊天、语音和视频生成能力的团队测试 AI 生成旁白、多媒体素材和营销内容的内容营销人员正在对比中国 AI 平台,并关注多模态能力的用户

定价

MiniMax 采用 freemium 免费增值模式,API 按量计费,官方定价总览页 2026-11-19 核验的公开价为:MiniMax-H3 视频 2K 每秒 0.13 美元、768P 每秒 0.08 美元;MiniMax-H3-Image Standard 每百万 token 文本输入 2.30 美元、图像输入 1.50 美元、图像输出 3.80 美元。消费端 Hailuo 另有独立订阅套餐,本条不引用其套餐价格,下单前请以 Hailuo 官方定价页为准。

优缺点

优点

  • 拥有 600+ 声音模型库,可满足不同音色风格和内容场景的需求
  • Speech 2.8 Turbo 突出了平台对 text-to-speech 质量和生成性能的重视
  • 将 AI 音频、多模态聊天和视频生成整合在一起,而不是只专注单一工作流
  • freemium 模式降低了新用户试用门槛,便于在付费前评估平台效果
  • 适合制作以语音为核心或多媒体 AI 内容的创作者与团队

缺点

  • API 按量计费,视频成本随片段时长与分辨率上升,超出免费额度的参考图按张另行计费
  • 用户可能需要在官网进一步确认语言支持、地区可用性和 API access 情况
  • 功能覆盖面较广,实际用于特定工作流前仍需测试各项能力的成熟度
  • 安全性、合规、隐私保护与企业级支持的具体说明未在本条收录,需要时请以官方文档为准

替代工具

ElevenLabs

知名 AI voice 平台,适用于 text-to-speech、voice cloning 和音频内容创作。

PlayHT

提供 AI text-to-speech 和语音生成工具,面向创作者、企业和开发者。

Murf AI

可为演示文稿、视频、在线课程和营销内容生成 AI voiceovers。

OpenAI ChatGPT

作为多模态 AI chatbot 替代方案,可根据套餐和可用性支持文本、图像与语音交互。

Runway

AI 视频生成与编辑平台,更适合以视觉媒体创作为核心需求的用户。

常见问题

详情

平台

网页版API

功能特性

  • 600+ voice models
  • Speech 2.8 Turbo
  • Multimodal chat
  • MiniMax H3 video (up to 15s, 2K, native stereo)
  • MiniMax H3-Image (4K, up to 16 reference images)

支持语言

enzh

已知限制

  • API use is pay-as-you-go: H3 video is billed per second of output, so cost scales with clip length and resolution, and images beyond the free per-task allowance are billed per image
  • H3 video generation is documented at 4-15 seconds per clip, and H3 / H3-Image are models on the MiniMax platform (API, MiniMax Code and Hailuo) rather than separate standalone products
  • Model weights have been released for H3 and H3-Image, but the GitHub repository has no LICENSE file and Hugging Face labels both models as other; the community license agreements exclude the European Union, the United Kingdom, South Korea and the United States
  • The consumer Hailuo app sells its own subscription plans, and its live plan prices are not quoted here; check the official Hailuo pricing page before buying

为此工具评分

相关工具