PixPix（www.pixpix.com）与MiniMax联合首发新一代开放通用多模态视频模型H3，目前在PixPix官网首发接入，支持视频生成和编辑。

与普通文生视频模型不同，H3可以把文字、图片、视频和声音放进同一个上下文中理解。人物、产品、场景、动作、运镜、台词和音色可以分别来自不同素材，再由模型统一生成完整的音视频内容。

更值得关注的是使用成本。上线活动期间，H3生成768P视频低至0.1元/秒，2K视频低至0.2元/秒。

模型能力决定视频能做到什么，生成成本则决定它能不能真正进入日常生产。

H3核心参数一览

需要注意的是，图片、视频和音频各自都有输入上限，但单次混合使用的素材总数最高为12个，并不是三类素材上限直接相加。

多种素材，模型一次理解

真实的视频创作很难只靠一句画面描述完成。

一条产品广告可能同时需要：

人物图确定模特身份；

产品图保留商品造型；

场景图控制拍摄环境；

参考视频提供动作和运镜；

音频提供台词、音色或音乐；

文字提示说明保留与修改范围。

过去需要使用多个工具分别处理这些内容，再进入剪辑软件完成组合。

H3能够统一理解不同素材的用途。创作者只需要说明每份素材负责什么，以及最终希望生成什么内容，模型便可以完成从多素材参考到音视频生成的连续处理。

生成后还可以继续修改人物、商品、场景、光影、动作、台词和声音，不必每次都推翻整段视频重新抽卡。

H3适合制作哪些内容？

H3的优势不只是“生成一段好看的视频”，而是可以围绕真实项目中的人物、产品与品牌要求完成内容。

例如制作商品广告时，可以同时提供商品白底图、模特图、场景参考和广告音乐，让模型在保留产品结构的情况下，生成不同镜头与卖点展示。

制作AI短剧时，则可以固定人物和场景，再分别测试不同的表演、台词和镜头节奏。

从创意到成片，减少中间环节

在PixPix中，H3可以与商品素材制作、爆款视觉参考、视频生成和后续编辑工作流结合。

一个完整的产品视频，可以按照以下流程完成：

与逐条生成、等待结果后再重新修改相比，多方向生成更适合广告和短剧生产。

同一个商品可以测试多种广告创意；同一场剧情可以比较不同人物表演；同一个镜头也可以尝试不同的运镜和节奏，再从中选择效果最好的一版。

一条视频到底需要多少钱？

真实成本不能只看每秒价格，还要考虑视频长度、分辨率、生成次数和修改次数。

按照当前活动价格及常见生成配置估算：

以上为参考估算，实际消耗会受到视频时长、分辨率、生成次数和具体工作流影响，应以产品页面显示为准。

低价真正带来的变化，不只是单条视频更便宜，而是创作者可以承担更多次测试。

以前因为价格过高，只能谨慎生成一版；成本下降后，可以同时尝试不同人物、场景、卖点和镜头，最后再选择最适合投放或发布的结果。