AI 视频创作平台 PixTV 已接入 MiniMax 新开源的图像模型 MiniMax H3 Image。用户在 PixTV 的无限画布上可以直接调用它生成 4K 静帧，再把图交给同一张画布上的视频模型往下做。
H3 Image 由稀宇科技（MiniMax）在 11 月 10 日发布并开放权重。官方称它约 10 秒能出一张 4096×4096、约 1600 万像素的图，最多支持 16 张参考图，文生图、图像参考和图像编辑都在一个模型里完成。PixTV 此前已经上架了 MiniMax H3 视频模型，这次补上图像这一半，H3 系列的图和视频在一个平台里接上了。
一张画布上的”先定图，再让它动”
做 AI 短片的人，大多已经习惯两段式流程：先把角色、场景、道具的静帧定下来，确认造型没问题，再拿静帧去生成视频。分开做的麻烦在于来回导出导入，以及换模型带来的风格断层。
PixTV 的做法是把图像、视频、音频模型都放进一张无限画布，节点之间直接连线。H3 Image 出的 4K 定妆图，可以直接拖给 H3 视频模型做首帧或参考，也可以接到平台上的 Seedance、Kling 等其他视频模型做对比。画布上还有 AI 分镜、白模视频、视频复刻这些工具，整条链路不用离开浏览器。
两个模型同属 H3 系列也有技术上的关联。按 Hugging Face 模型卡，H3 Image 的文本编码器直接沿用 H3 视频模型的 Qwen3-VL 编码器，没有改动。同一段提示词在两边被”读”成的东西更接近，理论上能减少从图到视频时的风格漂移。实际效果还要看具体镜头，第三方的系统对比目前还没有。
4K 静帧对视频有什么用
视频模型的输出分辨率通常低于 4K，H3 视频模型的 API 最高到 2K。静帧用 4K 出，看起来有点”超配”，实际有三个用处：
- 裁切空间：一张 4096×4096 的图，可以从中裁出多个 16:9 的局部当不同镜头的首帧，人物和场景细节都还够用；
- 超宽画幅：H3 Image 支持 21:9 直出 6272×2688，适合做片头、横幅和电影感的定场镜头；
- 多参考一致性：一次最多读 16 张参考图，角色三视图、服装细节、场景气氛图可以一起给，让多个镜头的定妆图保持统一。
价格和用法还要看平台口径
MiniMax 官方公布的 API 参考价是 4K 标准版单张约 0.069 美元，首周对 4K 及以上请求打五折。PixTV 上按什么方式计费、会员套餐里包含多少次 H3 Image 调用，平台公开页面暂未列出，以登录后的实际显示为准。
对已经在用 PixTV 做短剧、广告片的创作者，新增的这一环最直接的变化是不用再去别处出定妆图。对还没用过 AI 视频工具的人，可以从 H3 Image 出一张 4K 图开始，在 PixTV 画布上把它接到视频节点，看一张静帧怎么变成几秒钟的镜头。偏电商商品图的需求，PixPix 也已上线 H3 Image。
参考来源：MiniMax 官方博客、CocoLoop、Hugging Face 模型卡、PixTV 平台页面；核验 H3 Image 分辨率、参考图上限与文本编码器来源，API 单价以官方发布口径为准。