MiniMax-H3

MiniMax-H3 is a universal full-modal generation model that supports unified understanding of multi-modal contexts composed of text, images, videos, and sounds. It can output audio and video with native two-channel audio and video, and can support up to 15s 2K resolution.

Context
0 tokens
Max output
0 tokens
Input
llm image video text-to-speech
Output
video

Pricing

Price: $0.08 / request

768P : $0.08 /

768P : $0.08 /

2K : $0.13 /

2K : $0.13 /

all : $0.04 /

Endpoints

  • openai

More models

  • PixVerse/v5

    PixVerse V5 于2025年8月27日正式发布，其核心突破是生成速度从“分钟级”压缩至“秒级”：用户最快5秒即可生成一段360P短片，1分钟可生成1080P高清视频，画质与动作保持稳定。模型通过极致蒸馏、人类偏好拟合和统一特征空间等技术，在复杂人物运动、超现实场景和现实生活场景的光影真实感与审美匹配方面实现显著提升，更大规模的参数设计大幅增强了模型对复杂动作的拟合能力。同步上线的 Agent 创作助手专为零基础用户设计，用户上传一张图片即可自动识别特征并生成5至30秒的完整短片，无需掌握复杂的提示词技巧。V5标志着 PixVerse 从工具型产品向智能化创作平台的转型。

  • happyhorse-1.1-r2v
  • happyhorse-1.1-t2v
  • wan2.7-i2v

    Wan2.7-I2V 是万相2.7视频系列中的图生视频模型，以图像为起点生成动态视频。其核心升级在于“演绎能力”的全面强化：文戏情感细腻自然，动作戏激烈流畅，镜头切换更具戏剧性和节奏感，能够实现更强的表演效果。模型支持首帧和首尾帧控制，可指定视频的起始与结束画面，同时支持片段续写，并能与音频同步生成对口型表演。输入模态涵盖图像、音频和文本，输出720P或1080P、时长2至15秒的视频，帧率30fps。