MiniMax H3 vs Kling 3.0 Turbo

MiniMax H3 与 Kling 3.0 Turbo 并排比较:规格、能力、参数,以及 EmpirioLabs 目录中的实时价格。

MiniMax Kling AI 视频生成

MiniMax H3 vs Kling 3.0 Turbo 概览

MiniMax 的 MiniMax H3 和 Kling AI 的 Kling 3.0 Turbo 都属于视频生成类别,可通过 EmpirioLabs API 使用。

主要区别

  • MiniMax H3 发布更晚(2026年7月31日);Kling 3.0 Turbo 发布于 2026年6月17日。
  • 只有 MiniMax H3 支持的输入类型:音频, 视频。
  • 仅 MiniMax H3 列出的能力:audio out, audio in, multimodal。
  • 仅 Kling 3.0 Turbo 列出的能力:text to video, audio。

MiniMax H3 vs Kling 3.0 Turbo:规格

规格MiniMax H3Kling 3.0 Turbo
模型 IDminimax-h3kling-3-0-turbo
开发方MiniMaxKling AI
发布日期2026年7月31日2026年6月17日
输入
文本 图像 视频 音频
文本 图像
输出
视频
视频
区域Singapore-
端点
POST /v1/videos/generations
POST /v1/videos/generations
能力
video generation image to video audio out audio in multimodal
text to video image to video audio video generation

MiniMax H3 vs Kling 3.0 Turbo:API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

类型
规格
价格
768p
每秒
$0.18
2K
每秒
$0.26
2K 再生
每秒
$0.10
参考图像输入
前5张之后的每张输入图像
$0.08
提示扩展输入
每100万个提示词标记
$1.80
提示展开输出
每100万个生成代币
$7.20
在完整价格页比较

MiniMax H3 vs Kling 3.0 Turbo:API 参数

每个模型在 EmpirioLabs 上列出的请求参数,以及适用的可选值或范围。短横线表示该模型未列出此参数。

参数MiniMax H3Kling 3.0 Turbo
promptstringstring
modeauto, t2v, i2v, flf, r2v, regenerate 默认值: auto-
resolution768p, 2k 默认值: 768p720p, 1080p 默认值: 720p
aspect_ratioadaptive, 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 默认值: adaptive16:9, 9:16, 1:1 默认值: 16:9
duration4 到 15 默认值: 63 到 15 默认值: 5
imagestringstring
last_framestring-
videostring-
audiostring-
base_videostring-
watermarkboolean 默认值: falseboolean 默认值: false
enhance_promptboolean 默认值: false-

MiniMax H3 vs Kling 3.0 Turbo:限制与说明

MiniMax H3

MiniMax H3 以 24 fps 的 768p 或 2K 格式生成 4 到 15 秒的片段,每个片段带有原生立体声音轨。

模式

  • 文本转视频:仅提示。
  • 图像到视频:一张图片成为开场画面。
  • 第一帧和最后一帧:提供开头和结尾的画面。
  • 视频参考:最多9张图片,3个视频和3个音频片段,共12个参考文件。
  • 再生:重新渲染你之前生成的768p片段,分辨率为2K。发送原始提示和源片段作为base_video。

即时扩展

将 enhance_prompt 设置为 true,模型会先把你的简报重写成完整的提示词,添加shot-by-shot结构、摄像机移动、光照和音景,然后从中渲染。你附加的任何参考媒体都会通知扩展。它会在每秒视频成本之外增加每个标记的费用,并且在重生成时会跳过,因为该路径会重现原始请求。

参考媒体

  • 图片每边256到5760像素,宽高比在0.4到2.5之间,每张最高可达30MB。
  • 视频时长2到15秒,H.264或H.265,每个最大50MB。
  • 音频时长为2至15秒,WAV或MP3格式,每张最大15MB。参考音频需要附带图像或视频参考。
  • 参考视频和音频仅适用于reference-to-video。
  • 提示词最多可达7000字符,可能描述对话、音效、屏幕文本和镜头操作。

账单

  • 按你要求的分辨率按生成片段的每秒计费。
  • 参考视频除了生成的片段外,还按其自身时长计费,比如用来制作6秒片段的5秒参考片计费11秒。
  • 再生按自身较低的每秒速率计费,基于源剪辑时长加上重生成输出。从原始请求带过来的参考图像不会重新计费。
  • 前5张参考图像包含在内。每个额外的参考图像分别收费。
  • 启用提示扩展时,按代币计费。

Kling 3.0 Turbo

文本转视频和image-to-video,配合同步的原生音频,最高支持1080p。工作流程自动检测:仅提示词就text-to-video,添加源图像则image-to-video。

提示

  • 没有单独的负面提示。为了避免不必要的元素,可以在提示中描述它们,例如:“黎明时分的宁静森林,避免模糊动作,屏幕无文字”。

多重击中

  • 通过这样格式化提示生成最多6个连续镜头(镜头时长必须等于总时长):
shot 1, <seconds>, <description>; shot 2, <seconds>, <description>;

输入限制

  • 提示词最多3072字符。分辨率为720p或1080p。时长3至15秒。text-to-video画面比例为16:9、9:16或1:1(image-to-video遵循原图)。
  • 图像输入:JPEG或PNG,每边至少300像素,画高在1:2.5到2.5:1之间,最高可达50 MB。

如何调用 MiniMax H3 和 Kling 3.0 Turbo

MiniMax H3 通过 POST /v1/videos/generations 运行。请求会立即返回 job_id;轮询 GET /v1/jobs/{job_id} 直到任务完成,再从结果中读取输出 URL。 两个模型通过同一个端点调用。将 model 设为 minimax-h3 或 kling-3-0-turbo。 在EmpirioLabs 控制台获取 API 密钥。

cURL:提交任务
curl https://api.empiriolabs.ai/v1/videos/generations \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3",
    "prompt": "Describe what you want MiniMax H3 to generate."
  }'

MiniMax H3 vs Kling 3.0 Turbo:测试与指南

同时涵盖两个模型的提示词测试和对比实验。

MiniMax H3 vs Kling 3.0 Turbo:常见问题

MiniMax H3 和 Kling 3.0 Turbo 有什么区别?

MiniMax H3 发布更晚(2026年7月31日);Kling 3.0 Turbo 发布于 2026年6月17日。 只有 MiniMax H3 支持的输入类型:音频, 视频。 仅 MiniMax H3 列出的能力:audio out, audio in, multimodal。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

MiniMax H3 和 Kling 3.0 Turbo 哪个更新?

MiniMax H3 发布更晚(2026年7月31日);Kling 3.0 Turbo 发布于 2026年6月17日。

MiniMax H3 和 Kling 3.0 Turbo 哪个价格更低?

两个模型按不同的单位或档位计价,请比较本页的实时价格表。价格表始终与 API 的实际计费一致。

可以在不重构集成的情况下在 MiniMax H3 和 Kling 3.0 Turbo 之间切换吗?

可以。两个模型都使用 POST /v1/videos/generations 和同一个 EmpirioLabs API 密钥,大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数,请先查看本页的参数表。

集成之前可以在浏览器里试用 MiniMax H3 和 Kling 3.0 Turbo 吗?

可以。在 EmpirioLabs Playground 中分别打开两个模型,用 API 提供的参数对两者运行同一个提示词。

准备好使用更好的终端了吗?

查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。