MiniMaxMiniMax-H3
MiniMax H3 是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文，并可生成最高 2K 分辨率、最长 15 秒、带有原生立体声音频的视频。得益于以任务泛化为导向的系统设计，H3 在预训练阶段便已具备广泛的多模态上下文理解与生成能力，因此能够出色地遵循复杂的多模态指令。
公共模型广场
找到适合你的模型
探索文本、图像、视频与音频模型，按能力和厂商快速筛选。
9 个结果 / 全部 52 个模型
勾选卡片，比较 2–3 个模型MiniMax
阿里巴巴happyhorse-1.1-i2v
HappyHorse 1.1 图生视频模型，以输入图片作为视频首帧，结合文本提示词生成动态视频，将静态图片中的人物、物体和场景转化为连续运动画面。支持音频、1080P和3至15秒视频。
阿里巴巴happyhorse-1.1-r2v
HappyHorse 1.1 参考生视频模型，根据参考图片与文本提示词生成视频，利用参考素材引导人物、对象和场景的视觉呈现，适用于需要参考图像的内容创作。
阿里巴巴happyhorse-1.1-t2v
HappyHorse 1.1 文生视频模型，根据文本提示词生成有声视频，支持1080P输出、单片段最长15秒，可将场景、人物动作和镜头描述转换为视频画面。
阿里巴巴wan3.0-video-ali
万相 Wan3.0-Video 是 All-in-One 视频生成模型，统一支持文生视频、图生视频和多模态参考生视频。支持480P、720P、1080P及最长30秒视频，并可生成台词、背景音乐和音效，具备首帧、首尾帧控制与视频编辑能力。
阿里巴巴wan3.0-video-prime-ali
万相 Wan3.0-Video-Prime 是视频生成优速版，在保持高质量视频生成能力的同时提升生成速度。支持文本、图像等多模态参考，具备文生视频、首帧和首尾帧生视频、有声视频生成等能力。
字节跳动doubao-seedance-2-0-260128
豆包大模型团队推出的新一代专业级多模态创作视频模型 Seedance 2.0，支持图像、视频、音频等多模态作为参考输入生成视频，还具备视频编辑、延长等能力，能高精度还原各类细节并稳定角色特征，具备极致拟真的视听稳定性，深度适配商业广告、影视制作与社交媒体营销等各大核心场景
阿里巴巴happyhorse-1.0-video-edit
HappyHorse-1.0-Video-Edit支持视频编辑，自然语言指令编辑视频，可参考最多5张图片局部或全局编辑视频元素，能够精准复刻视频动态过程，实现更强表现能力。
阿里巴巴wan3.0-video
万相3.0是 all-in-one 视频生成模型，统一支持参考、编辑、复刻、驱动等多种创作功能，四模态全能参考，最长支持30秒视频生成，可解析文件、网页及复杂图片。生产级角色一致性保持，音画真实，带来身临其境的视听冲击力。