MiniMax H3 角色一致性：用三视图做角色参考
MiniMax H3（也叫海螺 3、Hailuo 3）在参考模式下保持人物一致：最多上传 9 张图，并说明每张图定义哪个主体。因为权重开源，同一组参考图在 ComfyUI 里也能用。本页讲素材包里该用哪些图、H3 自己的主体格式提示词模板、本地运行时有什么不同、一条多少钱，以及脸部漂移怎么修。
我们还没有用 MiniMax H3 做过案例。本页按 MiniMax 公开的限制和提示词指南整理素材包用法；本站的案例都是用 Kling 3.0 做的。
MiniMax H3（官方限制）
核对日期：2026-10-26- MiniMax 于 2026 年 7 月 31 日发布，8 月 3 日开源。海螺 3、Hailuo H3 指的是同一个模型，可在海螺 AI App 和 MiniMax API（模型名 MiniMax-H3，仅支持按量计费）中使用。
- API 单条 4 到 15 秒（海螺 App 页面写 5 到 15 秒），24 fps，带立体声。默认 768P，2K 通过再生成获得；画幅 21:9、16:9、4:3、1:1、3:4、9:16 或自适应。
- 参考模式：最多 9 张图片、3 段视频、3 段音频，合计不超过 12 个文件。单张图片不超过 30 MB，宽高各 256 到 5760 像素，宽高比 0.4 到 2.5。
- 参考模式和首尾帧模式不能在同一个请求里混用。
- API 价格：768P 每秒 0.08 美元，2K 每秒 0.13 美元。前 5 张输入图片免费，之后每张 0.04 美元。把 768P 再生成为 2K 每秒 0.05 美元，且输入素材会再计费一次。
- 权重在 Hugging Face（MiniMaxAI/MiniMax-H3）开源，使用 MiniMax H3 Community License：Ref2VA 和 FL2VA 两个检查点分开发布。提示词改写（H3-Context-IR）和 2K 再生成只能通过 API 使用，所以本地输出是 768p。
资料来源: MiniMax: Introducing MiniMax H3 · MiniMax: H3 is now open source · MiniMax API: Create video generation task · MiniMax API: Overview (H3 model versions) · MiniMax API: Pricing · Hugging Face: MiniMaxAI/MiniMax-H3 · Hailuo AI: MiniMax H3 · ComfyUI docs: MiniMax H3 workflows
从三视图到 MiniMax H3 视频：五步
- 准备角色设定图：在角色库下载素材包，或领取免费角色。正面、侧面、背面已经是分开的文件。
- 把下面 5 张图按顺序作为参考图上传。5 张正好在 API 免费图片数以内。
- 把角色定义为 <Subject 1>，写清每张图提供什么：脸、侧脸、背面、身材比例。
- 在 detailed_description 里写镜头，用“At 00:05.000”这样的时间点切镜。
- 先用 768P 生成，只把要用的那条再生成为 2K：768P 加再生成的每秒价格和直接生成 2K 一样，被淘汰的那几条就更便宜。
传哪些视角、按什么顺序
上限只有 9 张，所以优先给能锁住长相的视角。服装或道具图（03_outfits、04_props）只在镜头需要时再加；API 上第 6 到 9 张每张 0.04 美元。
- <Picture 1>
02_turnaround_views/view_front.png脸和服装正面 - <Picture 2>
02_turnaround_views/view_side.png侧脸和侧面发型 - <Picture 3>
02_turnaround_views/view_back.png背面发型和服装 - <Picture 4>
01_character_reference/full_body.png身高和比例 - <Picture 5>
05_scenes/scene_workspace.png场景
MiniMax 的参考模式指南写明：一个主体可以由多张图共同定义，并说明每张图提供什么。这正好就是三视图：一个 <Subject> 由正面、侧面、背面组成。
为什么三张分开的视角比一张好角度更稳
单张图片——哪怕是精心挑选的 3/4 侧面——也只展示了角色的一部分。角色一转身，模型就只能自己猜侧脸和背面，脸、发型和服装往往就是从这里开始跑偏。把正面、侧面、背面作为三张独立参考图上传，并按官方指南的建议，在提示词里给每张图只指定一个用途。如果你还有 3/4 视角图，把它作为额外参考加进去，而不是只用它一张。
每张图只保留一张脸：把表情格从设定图里裁掉，并在每个镜头的提示词里原样粘贴同一段锁定的外貌描述。
提示词模板：单人
subject_definitions: <Subject 1> is [Name], whose face and outfit front come from <Picture 1>, profile and hair from <Picture 2>, back from <Picture 3> and height and proportions from <Picture 4>: [skin, eyes, hair, outfit colors]. <Subject 2> is the [location] from <Picture 5>. summary: [reference generation] <Subject 1> [does what] in <Subject 2>. retention_analysis: <Subject 1> (appears in [Shot 1], [Shot 2]): fully_preserved - face, hairstyle, outfit and proportions are retained. <Subject 2> (appears in [Shot 1], [Shot 2]): fully_preserved - layout and lighting are retained. detailed_description: [Shot 1] [Style], [shot size, camera move]. <Subject 1> [position, action, expression]. [Shot 2] At 00:05.000, the camera cuts to [..]. <Subject 1> [..]. overall_soundscape: [..] non_diegetic_music: none
这是 MiniMax 参考模式提示词指南里的结构化格式，也是其托管的 H3-Context-IR 输出的结构。在 API 和海螺 App 里，直接用一句话点名参考图也可以；MiniMax 自己的 API 示例就是一句普通描述。开源权重没有 Context-IR，MiniMax 建议按它的提示词指南来写，所以本地运行时这个格式最重要。
提示词模板：双人
subject_definitions: <Subject 1> is [Name A], whose appearance comes from <Picture 1> (front) and <Picture 2> (side): [key features]. <Subject 2> is [Name B], whose appearance comes from <Picture 3> (front) and <Picture 4> (side): [key features]. <Subject 3> is the [location] from <Picture 5>. summary: [reference generation] <Subject 1> and <Subject 2> [..] in <Subject 3>. retention_analysis: <Subject 1> (appears in [Shot 1]): fully_preserved - identity, hair and outfit are retained. <Subject 2> (appears in [Shot 1]): fully_preserved - identity, hair and outfit are retained. detailed_description: [Shot 1] <Subject 1> stands on the left, <Subject 2> on the right. [..] overall_soundscape: [..] non_diegetic_music: none
双人时每人各用正面和侧面，加一张场景，共 5 张。固定谁站在哪边，并让每个角色的描述在每一条里都完全一样。
三视图加首帧
API 不允许 first_frame 图片和参考图同时出现。把首帧当成另一张参考图上传，并在提示词里声明：“<Picture 6> is the first frame of [Shot 1]”。MiniMax 的指南正是用单独的 <Picture N> 处理这种情况。
在 ComfyUI 里跑开源权重
- 参考生视频要用 ref2va 权重，不是文生视频、图生视频用的 fl2va 权重。
- 图片按节点顺序变成 <Picture 1>、<Picture 2>……（ref_image_0 就是 <Picture 1>），所以按上面的顺序接入素材包文件。
- 4 步 Turbo LoRA 更快，但对参考图的保持更弱。脸必须稳时，用基础调度、20–25 步。
- 风格 LoRA 会和参考图抢权重；ComfyUI 建议在需要贴合参考时把强度调低（约 0.5）。
把 1–9 张图合成一张 H3 角色设定图的社区工作流属于第三方，不是 MiniMax 官方发布的内容。
API 上试一次要多少钱
来自 MiniMax 官方价格表。5 张参考图以内免费；输入视频按时长计费。
- 768P 10 秒：0.80 美元
- 768P 15 秒：1.20 美元
- 2K 15 秒：1.95 美元
- 把留下的 15 秒再生成为 2K：0.75 美元，另加再次计费的付费输入图片
海螺 App 有自己的会员和积分。MiniMax 的视频资源包暂不支持 H3。
H3、Highspeed、Lite 还是 Max：该用哪个版本
MiniMax 的 API 现在有 4 个 H3 版本，都支持参考图，请求格式相同。所以只改模型名，同一套设定包文件、图片顺序和提示词都能直接用。
- MiniMax-H3：质量优先。768P 或 2K，4–15 秒；768P 每秒 0.08 美元，2K 每秒 0.13 美元。前 5 张图免费，之后每张 0.04 美元。只有这个版本支持 H3-Context-IR 提示词改写和 2K 重生成。
- MiniMax-H3-Highspeed：兼顾质量和速度。只有 768P（不支持 2K），4–15 秒，每秒 0.06 美元。前 5 张图免费，之后每张 0.03 美元。
- MiniMax-H3-Lite：低价版，适合试做和批量出片。480P 或 768P，4–15 秒；480P 每秒 0.025 美元，768P 每秒 0.04 美元。前 5 张图免费，之后每张 0.02 美元。暂不支持 adaptive 自适应画幅，要写明比例，比如 16:9 或 9:16。
- MiniMax-H3-Max：fal.ai 在 H3 基础上后训练的快速版。480P 或 768P，5–15 秒（不支持 4 秒）；480P 每秒 0.05 美元，768P 每秒 0.08 美元。只有前 2 张图免费，之后每张 0.074 美元，所以用 5 张设定图每条约多花 0.22 美元。
省钱的试法：先用 Lite 480P 加 5 张设定图把镜头试出来（10 秒 0.25 美元），再把要保留的那条换成 MiniMax-H3 768P 出正片，图片和 subject_definitions 都不改。我们还没比较过各版本锁脸的效果，所以在用便宜版本做长片之前，先在 H3 上确认正片的脸。
有些第三方平台写 Highspeed 最高 2K。MiniMax 官方 API 文档里 Highspeed 只有 768P，而且 2K 重生成只接受 MiniMax-H3 生成的 768P 视频。
脸部漂移和其他常见问题
- 每个镜头的脸都不太一样。
- 每一条都用同样的图、同样的顺序，并粘贴同一段 subject_definitions。只改镜头描述，不改角色描述。
- 开了 Turbo 之后脸变糊、变样。
- 4 步 Turbo LoRA 用参考强度换速度。正式出片时改回 20–25 步。
- 加了首帧后请求报错。
- 首尾帧和参考图互斥。把首帧作为参考图发送，并在提示词里声明它是首帧。
- 两个角色的特征互换了。
- 每个角色用自己的 <Subject> 和自己的图，固定站位，并在 retention_analysis 里把两人都写成 fully_preserved。
- 侧脸是模型自己编的。
- 确认侧面图已经上传，并在主体定义里写明它是侧脸。只有正面图时，模型没有可以照着画的东西。
- Lite 试出来没问题，换成 H3 后脸变了。
- 几个版本是不同的模型，所以 Lite 草稿只用来试镜头，不用来定脸。图片、顺序和 subject_definitions 保持一样，只在最终发布的版本上判断长相对不对。
先用免费角色试一试
每个角色的 19 张图完整素材包都免费：8 个入门角色不用注册，其余注册免费账号即可下载。9 支案例广告用的都只是包里的图。
查看免费角色