AI 影片創作平台 PixTV 已接入 MiniMax 新開源的圖像模型 MiniMax H3 Image。使用者在 PixTV 的無限畫布上可以直接呼叫它生成 4K 靜態圖，再把圖交給同一張畫布上的影片模型繼續往下做。
H3 Image 由稀宇科技（MiniMax）於 11 月 10 日發布並開放權重。官方表示，它約 10 秒就能產出一張 4096×4096、約 1600 萬畫素的圖，最多支援 16 張參考圖，文生圖、圖像參考和圖像編輯都在同一個模型裡完成。PixTV 先前已上架 MiniMax H3 影片模型，這次補上圖像這一半，H3 系列的圖像與影片在同一個平台裡接上了。
一張畫布上的「先定圖，再讓它動」
製作 AI 短片的人，大多已習慣兩段式流程：先把角色、場景、道具的靜態圖定下來，確認造型沒問題，再拿靜態圖去生成影片。分開做的麻煩在於來回匯出匯入，以及換模型造成的風格斷層。
PixTV 的做法是把圖像、影片、音訊模型都放進一張無限畫布，節點之間直接連線。H3 Image 產出的 4K 定裝圖，可以直接拖給 H3 影片模型當首格或參考，也可以接到平台上的 Seedance、Kling 等其他影片模型做比較。畫布上還有 AI 分鏡、白模影片、影片復刻這些工具，整條流程不用離開瀏覽器。
兩個模型同屬 H3 系列，在技術上也有關聯。依 Hugging Face 模型卡，H3 Image 的文字編碼器直接沿用 H3 影片模型的 Qwen3-VL 編碼器，沒有改動。同一段提示詞在兩邊被「讀」成的內容更接近，理論上能減少從圖到影片時的風格漂移。實際效果還要看個別鏡頭，目前尚無第三方的系統性比較。
4K 靜態圖對影片有什麼用
影片模型的輸出解析度通常低於 4K，H3 影片模型的 API 最高到 2K。靜態圖用 4K 產出，看起來有點「超規格」，實際上有三個用處：
- 裁切空間：一張 4096×4096 的圖，可以從中裁出多個 16:9 的局部當作不同鏡頭的首格，人物和場景細節都還夠用；
- 超寬畫幅：H3 Image 支援 21:9 直出 6272×2688，適合做片頭、橫幅和電影感的定場鏡頭；
- 多參考一致性：一次最多讀取 16 張參考圖，角色三視圖、服裝細節、場景氛圍圖可以一起提供，讓多個鏡頭的定裝圖保持統一。
價格和用法還要看平台說明
MiniMax 官方公布的 API 參考價為 4K 標準版單張約 0.069 美元，首週對 4K 及以上的請求打五折。PixTV 上以什麼方式計費、會員方案內含多少次 H3 Image 呼叫，平台公開頁面暫未列出，以登入後的實際顯示為準。
對已經在用 PixTV 製作短劇、廣告片的創作者來說，新增這一環最直接的改變，是不必再到別處產出定裝圖。對還沒用過 AI 影片工具的人，可以從用 H3 Image 產出一張 4K 圖開始，在 PixTV 畫布上把它接到影片節點，看一張靜態圖如何變成幾秒鐘的鏡頭。偏電商商品圖的需求，PixPix 也已上線 H3 Image。
參考來源：MiniMax 官方部落格、CocoLoop、Hugging Face 模型卡、PixTV 平台頁面；已核對 H3 Image 的解析度、參考圖上限與文字編碼器來源，API 單價以官方發布的數字為準。