MiniMax H3 Max Turbo 与 Max：哪个更适合你的视频？

文本或首尾帧引导的视频可选 MiniMax H3 Max Turbo；镜头需要参考图片、视频或音频时选 Max。 在 SeedRouter，两者均支持 480P 或 768P、五至十五整数秒。Turbo 只按输出秒数收费。Max 的输出、参考视频与额外图片分别计费。Turbo Playground 与 Max Playground 分别提供对应模型的设置。

本文比较的是原生 content 数组接口，SeedRouter 模型 ID 为 minimax-h3-max-turbo。其他服务可能将同一显示名称用于单独适配的接口。尤其是 fal 的文档包含小数时长、1080P 选项及额外音频控件；这些字段不属于 SeedRouter 请求。^[1]区分接口，有助于避免因所选端点并未提供的能力而误选模型。

MiniMax H3 Max Turbo 与 Max 一览

XRToken 自己的请求文档与 AI Video API 的 Turbo 指南也列出了原生风格 Turbo 的限制；它们的身份验证、默认值和响应包装与 SeedRouter 不同。^[2][3]准确请求请使用我们的 Turbo API 参考，不要照搬其他服务的包装字段。

真实 MiniMax H3 Max Turbo 样片

我们在 2026 年 10 月 20 日以纯文本、768P、请求时长六秒、16:9 比例及 quality 提示词扩写生成了以下视频。成年舞者在日落屋顶表演一段嘻哈舞。下载的输出为 1344 × 768 像素，包含 AAC 音轨。MP4 容器实测时长为 6.592 秒；报告的生成用量为六个输出秒数。

实际提交的提示词如下：

A premium street-dance music-video shot, one continuous six-second take. A beautiful 25-year-old adult female professional dancer with a dark high ponytail performs an energetic hip-hop groove on a broad rooftop terrace at sunset, well away from its edges. She wears a white fitted T-shirt, an open cobalt-blue bomber jacket, loose white dance trousers and white sneakers. She starts dancing immediately: a quick lateral shuffle, a precise shoulder-and-arm isolation, then a smooth half-turn and two steps toward the camera, finishing with a confident smile. Keep her full body and both feet visible, with the dancer filling most of the frame height. The camera tracks backward smoothly as she approaches; the skyline stays soft behind her. Golden backlight outlines her moving hair and jacket, with soft frontal fill keeping her face clearly visible. Natural skin texture, stable identity, coherent hands and feet, believable balance and continuous foot contact with the terrace. Her clothing follows her motion and a light breeze. Original upbeat hip-hop drums and bass, synchronized to the choreography, no vocals. No cuts, no text, no logos, no other people.

样片验证了该组设置下的一次文生视频请求，并未验证首尾帧引导行为、每种扩写模式或全部输出分辨率。我们的 Max 样片使用不同提示词，因此这些视频不构成受控的速度或质量对比。决定声音是否适合剪辑前，请先听输出；仅有音轨不能证明声音准确。

另外两段舞蹈，不同视觉要求

以下视频使用同一模型、768P、请求时长六秒、16:9 和 quality 提示词扩写，属于独立的文生视频，编舞、服装与光线各不相同。每个下载的 MP4 均为 1344 × 768、含 AAC 音轨，容器时长 6.592 秒；报告的计费生成时长为六秒。

霓虹舞台上的银色夹克流行舞

An eye-catching pop dance music video, one continuous six-second shot. A beautiful 25-year-old adult East Asian female professional dancer with expressive eyes and long dark hair performs a precise, energetic pop choreography on a spacious neon-lit stage. She wears a reflective silver cropped jacket over a fitted black top, high-waisted black dance shorts and black ankle dance boots. Soft white key light keeps her face clear; magenta and electric-blue stage lights make a vivid background. Start dancing immediately: two snappy side steps, one coordinated shoulder-and-arm accent and a controlled half-turn, finishing toward the camera with a playful confident smile. Keep the full body and both feet visible, occupying most of the frame height. Smooth lateral camera tracking follows her without distracting zooms. Her hair and silver jacket move naturally with the dance. Photorealistic skin, stable face, coherent fingers and limbs, grounded footwork. Original upbeat electronic drums and bass, no vocals. No cuts, no text, no logos, no other people.

阳光舞室中的鲜红舞裙爵士旋转

A polished fashion dance campaign, one continuous six-second take. A beautiful 25-year-old adult female professional dancer with glossy shoulder-length dark hair performs an expressive jazz dance solo in a bright spacious ivory studio. She wears an elegant scarlet-red sleeveless dance dress with a flared skirt and closed-toe red dance heels. Warm side light creates a clear face and a long soft floor shadow; the red dress is the strong visual focus against the pale background. She moves from the first frame: two crisp diagonal steps with sweeping arms, one smooth turn that opens the skirt, then a confident final pose with a direct look and a smile toward the lens. Keep her entire body and feet visible, filling most of the frame height. The camera tracks in a gentle shallow arc, maintaining distance and fluid continuity. Natural skin texture, stable facial identity, coherent hands and legs, believable weight shifts and fabric movement. Original lively jazz-funk rhythm with drums and bass, no vocals. No cuts, no text, no logos, no other people.

银色夹克场景在饱和霓虹灯光前展现利落的重心转移与旋转。红裙场景则在开阔舞室中强调行进舞步与展开的裙摆。请比较整段动作，包括双脚触地与进入收尾造型的过渡，不要只看封面。

从决定镜头的素材开始

舞蹈场景应先明确哪些内容必须保持不变。需要新构想的舞者与场景时，可以用文字描述服装、编舞和运镜。开场构图需匹配现有人物图片时，首帧照片更有帮助。镜头需以另一种指定构图收尾时，添加尾帧，并同时提供开场图片。

在这里，Turbo 和 Max 就不能互换了。作为首帧使用的照片确立视频开场；参考图用于引导外观，却不一定成为开场帧。Turbo 的首尾帧输入不能替代 Max 的参考模式。将动作参考视频转为首帧，也无法保留相同的动作指令。

如果要求是“遵循这个运镜”，而素材是视频，可评估 Max。如果是“从这张人物照片开始，让姿态动起来”，Turbo 就有相应的首尾帧控制。无论哪种情况，都应检查整段镜头中舞者的脸、手、落脚位置与服装。好的开场静帧不能证明人物在运动中始终一致。

比较整次请求的费用

Turbo 费用为生成的输出时长乘以所选分辨率的费率。首帧、一对首尾帧及提示词扩写均不产生单独输入费用。改变输出时长或分辨率时，实时预估也会变化。

Max 将输出视频与参考视频秒数分开计算。前两张输入图片免费，之后的图片收费；参考音频没有单独输入费用。因此，包含多张参考图和一段视频的 Max 请求，不能仅凭输出秒数费率估算费用。^[4]

上表显示两个模型当前的 SeedRouter 费率。纯文本五秒镜头可在相同分辨率下比较五倍输出费率。Max 参考模式需加上相应的参考视频和额外图片费用。也应为尝试次数留出预算：每次新的成功生成都是独立付费请求，即便只稍改提示词。失败任务不收费。

正如六秒舞蹈样片所示，容器时长与计费时长可能略有差异。提交前看预估，完成后看账户用量。在编辑器里裁短成片，不会减少已经生成的用量。

先选分辨率和时长，再完善提示词

本文比较的两个模型都提供 480P 与 768P。先决定视频用于小尺寸预览、全宽展示还是竖屏社交剪辑，再按预期尺寸检查。更多像素可能使纹理更容易辨认，却不保证轮廓准确、文字稳定或运镜成功。

此接口中两者均接受五至十五整数秒。最终剪辑需要四秒时，先生成允许的时长，再裁剪。为动作开始与收尾留出空间。短舞段里多个相互争抢时间的动作，比清晰舞步加一次旋转更难评估。

为了有效比较，固定提示词、比例和时长，再改变一项设置。记录改善之处及意外变化。三段样片展示了真实输出，但不能回答每种场景下哪个模型都最好。

提示词扩写与音频

扩写可选 disabled、balanced 和 quality，默认为 balanced。想提交详细要求且不扩写时，适合使用 disabled。改变选项可能改变模型理解；quality 是模式名称，不承诺结果达到你的验收标准。

此接口的 Turbo 没有目标配乐或参考音频字段。可在提示词中描述预期声音，再检查生成音轨，或在剪辑时添加自己的录音。Max 的参考模式接受参考音频，也可搭配图片或视频上下文。用音频引导生成，不等于承诺将提供的录音原样放进最终配乐。

不要混用不同服务的契约

搜索“MiniMax H3 Max Turbo”可能得到 fal 适配模型、原生风格接入与社区工作流。名称相同，schema 却不同。fal 的文本与图片文档包含本页原生风格接口之外的控件。^[1]带有其小数时长或目标音频参数的请求会被 SeedRouter 拒绝，不会静默重新解释。

seed 控件也需同样留意。有些原生风格服务列出了 seed，但本接口没有开放。不要从其他指南复制 seed 字段，就假定结果可复现。改造已有请求前，先检查实际端点的参数表、允许值与媒体规则。

常见问题

MiniMax H3 Max Turbo 比 Max 更快吗？

本文没有受控的耗时对比。一次完成的请求不能说明常见延迟或速度倍数。承诺交付时间前，请在相同设置下多次运行比较。

只改模型 ID 就能切换吗？

使用共有分辨率、时长与比例设置的纯文本请求，可以保留大体结构。带参考图片、视频或音频的 Max 请求不能原样移到 Turbo。提交前请阅读 Turbo 请求字段，排除不受支持的假设。

Turbo 支持仅用尾帧生成吗？

此接口不支持。添加尾帧时必须提供首帧。开场构图不重要时，纯文本生成可能比随意准备一张开场图片更简单。

产品亮相镜头应该先试哪个？

文字场景或以产品照片开场的亮相镜头，可先用 Turbo Playground。需求取决于参考视频、多张外观参考图或音频引导时，请查看 Max Playground。先选输入模式，再按项目需要的视觉细节检查成片。

来源

[1] fal: H3 Max Turbo text-to-video documentation。单独的托管接口；核查于 2026 年 10 月 20 日。其字段不是 SeedRouter 契约。

[2] XRToken: MiniMax H3 request parameters。其原生风格 Max 与 Max-Turbo 规则区分首尾帧输入与参考模式；核查于 2026 年 10 月 20 日。

[3] AI Video API: MiniMax H3 Max Turbo。列出 Turbo 专属输入限制与仅按输出计费规则；核查于 2026 年 10 月 20 日。其包装字段与默认值不同于 SeedRouter。

[4] MiniMax: Create Video Generation Task 与 MiniMax pricing。Max 请求与计费维度；核查于 2026 年 10 月 20 日。上方 SeedRouter 价格来自实时价格组件。