MiniMax H3上线，视频生成模型长出原生声音

MiniMax于7月31日正式发布新一代视频生成模型H3（消费端称海螺3.0），这是一款330亿参数的全能Transformer，把文本、图像、视频、音频当作统一上下文处理，单次生成即可输出原生2K分辨率（2560×1440、24fps）、4至15秒、并带32kHz同步立体声的视频。对白、音效与环境声在同一遍生成里完成，不再需要单独的配音与音效后期。这解决了此前AI视频最尴尬的短板——画面再真，声音却要另起炉灶。H3在Artificial Analysis的视频编辑榜单登顶，文本生成视频与图像生成视频分列第二、第三，是2026年视频模型里少有的全能型选手。

开源权重加低价，直接掀翻成本桌

H3最让行业侧目的，是8月3日开源了基础权重，采用MiniMax社区许可证，对年营收低于2000万美元的组织免费商用（美、英、欧、韩地区除外）。价格上，2K分辨率约0.13美元每秒，约为主流模型的三分之一；768p档约0.09美元每秒。相比可灵、Seedance等同级模型动辄每分钟20美元以上的报价，H3把生产级AI视频的单价压到了小团队也能常态使用的区间。Omni-Reference机制支持最多9张图、3段视频、3段音频同时作为输入，角色、运镜、声音一次锁定，指令式编辑还能在不重生成整段的前提下局部替换。

可灵4.0同步走向商用交付，牵手WPP与Adobe

与H3几乎同频，可灵AI的Kling 4.0也在10月全面上线，并在纽约广告周Tech Stage首次登场，与WPP、Adobe同台讨论生成式AI视频如何进入品牌内容生产的日常流程。Kling 4.0主打高动态与复杂运镜的稳定、单次原生生成30秒、最多15项参考素材与10张关键帧，并支持4K与1080p的10-bit HDR输出及21:9超宽画幅。两条线索指向同一结论：AI视频的竞争主轴，正从能不能生成，切换到能否稳定、可控、规模化地完成专业生产。

从能生成到能生产，短剧制作门槛被重写

对短剧行业而言，这一波模型升级的实际意义大于参数炫技。原生立体声让口型与对白同步落地，品牌广告变体、本地化配音换脸、角色一致的角色系列化都变得可行；低价与开源权重则让中小团队能把AI视频嵌入常态工作流，而不是偶发尝鲜。当模型既能稳定输出关键镜头、又能把素材送进完整制作流程，AI视频才真正从演示品变成可交付的内容生产力。对真人短剧受压的制作方来说，人机混合的低成本产线，或许正是应对AI剧冲击的那条退守又进攻的路线。