Wan 3.0 vs MiniMax H3：视频时长、参考输入、原生音频与 API 费用及选型条件对比

需要超过 15 秒的连续镜头、文档或网页输入，或更大的分类型参考素材上限时，选 Wan 3.0。镜头在 4–15 秒内、且更看重较低的 2K 展示费率时，先试 MiniMax H3。两者都能生成带声音的视频，选型应从任务限制出发。^[1]^[2]^[3]^[4]

这篇 Wan 3.0 vs MiniMax H3 对比依据 2026 年 9 月 14 日读取的 reAPI 公开文档和渲染价格表，并用 MiniMax 官方资料解释本地模型与完整服务的区别。本文没有测得画质或速度冠军。确定输入方式和交付规格后，再进入 Wan 3.0或 MiniMax H3模型页。^[5]

TL;DR

Wan 3.0 输出为 2–30 秒，MiniMax H3 为 4–15 秒，连续镜头长度是最直接的差别。^[1]^[2]
reAPI 提供 Wan 的 480P–4K 档位及 H3 的 768P、2K；Wan 文档与网页输入最高为 1080P。^[1]^[2]
当天显示的 2K 输出费率分别是 Wan $0.199/s、H3 $0.119/s，还需考虑输入素材费用。^[3]^[4]
两者都支持图像、视频和音频参考；各类型上限不能直接相加，当作可同时上传的总数。^[1]^[2]^[5]
MiniMax 发布了 H3-Base 权重，但完整系统还包含上下文处理和 2K 再生成模块，本地基础模型不等于完整托管服务。^[5]

Wan 3.0 vs MiniMax H3：先看会影响镜头的限制

下表比较的是 reAPI 的公开请求范围。同一个模型在不同产品中可能暴露不同能力，不能仅凭名称移植结论。^[1]^[2]

要求	reAPI 上的 Wan 3.0	reAPI 上的 MiniMax H3
输出时长	2–30 秒	4–15 秒
分辨率档位	480P、720P、1080P、2K、4K	768P、2K
文字与首尾帧输入	支持	支持
参考图	最多 10 张	最多 9 张
参考视频	最多 5 段，总长 ≤15 秒	最多 3 段，总长 ≤15 秒
参考音频	最多 5 段，总长 ≤15 秒	最多 3 段，总长 ≤15 秒；不能单独使用
文档、公开网页	支持，最高 1080P	文档未列出对应字段
生成声音	默认开启，可关闭	原生立体声
专用编辑模式	此 API 不提供	此请求结构没有单独编辑端点
画幅参数	`size`	`aspect_ratio`，随模式有不同限制

Wan 还有一条组合限制：参考视频时长加输出时长不能超过 30 秒。因此，15 秒参考视频最多留下 15 秒输出空间，并非任何参考请求都能生成完整 30 秒。^[1]

MiniMax 官方资料把混合参考素材总数限制为 12 个文件。reAPI 分别列出 9/3/3 的类型上限，但这不能证明 15 个素材可以同时提交。服务没有明确确认其他组合前，应遵守更严格的混合上限。^[5]^[2]

连续镜头长度与原生音频解决不同问题

如果交付要求是 20 秒不中断的场景，Wan 更直接。H3 的单次上限是 15 秒，需要修改镜头设计，或在多个片段之间剪接。^[1]^[2]

但 30 秒长镜头不必成为默认选项。成片本来就要在特写和全景之间切换时，短片段更便于审看和替换。先确认是否必须保持连续，再决定为多长的生成付费。这是制作判断，不是两款模型稳定性的实测结论。

两款模型都能随画面生成声音。Wan 有 audio 开关，H3 输出包含原生立体声。上传参考音频是在指导生成，不等于保证原样复制整段音轨。^[1]^[2]

对白任务应检查实际台词、发音、时间配合和杂音。原生音频只说明模型具备该能力，不能据此断定谁更适合你的剧本。测试时，把要说的话和环境声要求一起写清楚。

更换模型前，先匹配参考素材与帧控制

Wan 的 file_url 和 link_url 分别接受文档与公开网页，两者互斥，并且不能用于 2K、4K。素材来自简报、演示文稿或网页时，这是一条已记录的输入路径，但必须先确认 1080P 或更低输出符合要求。^[1]

H3 在 reAPI 的公开请求结构中没有对应字段。可以自行提取内容、组织提示词与媒体，但这会增加准备工作，不能当作同样的直接输入能力。^[2]

图生视频也不能只改 model。Wan 在 image_with_roles 中指定 first_frame、last_frame；H3 使用 first_frame_url、last_frame_url，图生模式从图片决定画幅，并拒绝 aspect_ratio。^[1]^[2]

控制目的	Wan 字段	H3 字段
指定首帧	`image_with_roles` 中的 `first_frame`	`first_frame_url`
指定尾帧	`image_with_roles` 中的 `last_frame`	`last_frame_url`
参考图	`image_with_roles` 中的 `reference_image`	`reference_image_urls`
参考视频	`video_urls`	`reference_video_urls`
参考声音	`audio_urls`	`reference_audio_urls`

两套请求都将帧输入与参考输入分开，并要求媒体使用公网 HTTP(S) URL。围绕一种输入家族组织请求，不要把所有控件混在一起。^[1]^[2]

编辑还需单独判断。H3 模型页描述了替换主体、重新打光等参考生成用途，但 API 仍通过参考生成表达这些任务。Wan 其他界面可能宣传编辑，reAPI 当前接口却没有专用编辑模式。如果必须编辑源视频，先检查请求约定，或阅读 Wan 2.7 对比。^[4]^[1]

用相同档位和时长比较输出价格

以下为 2026 年 9 月 14 日 reAPI 渲染页中明确标为视频输出的价格行，单位均为美元。10 秒估算直接使用展示费率乘以 10，前提是不含参考视频、不收额外参考图费用。^[3]^[4]

模型与分辨率	展示输出费率	按展示价估算 10 秒
Wan 3.0，480P	$0.035/s	$0.350
Wan 3.0，720P	$0.068/s	$0.680
Wan 3.0，1080P	$0.136/s	$1.360
Wan 3.0，2K	$0.199/s	$1.990
Wan 3.0，4K	$0.229/s	$2.290
MiniMax H3，768P	$0.074/s	$0.740
MiniMax H3，2K	$0.119/s	$1.190

展示费率经过取整，任务积分还会单独取整，因此估算不等于精确账单。新请求以当前页面与返回用量为准。2K 是两者共有档位，可用于同档报价比较；720P 与 768P 不应描述成相同分辨率。^[3]^[4]^[1]^[2]

两款模型都会把参考视频时长计入费用。H3 还对第 6–9 张参考图加收费用，当天展示为每张 $0.036。这个金额是图片附加费，不能写成视频每秒费率。^[2]^[4]^[1]

例如，10 秒输出配合 6 秒参考视频，先按 16 秒计费，再考虑 H3 是否有额外参考图。Wan 的自动时长选项按文档中的 30 秒上限计费，明确指定时长更利于预算。^[1]^[2]

用一致的验收标准比较画质与等待时间

现有证据支持规格和价格判断，不能推出普遍的画质排名。测试两者共同支持的镜头时，固定时长、画幅、素材、台词与输出档位。2K 可以作为共同条件，文档输入则不是共享测试项。^[1]^[2]

生成前先定义验收要求：人物是否一致、物体是否合理、镜头运动是否正确、台词是否准确、文件是否满足交付。记录提交和完成时间、输出时长、积分以及结果是否可用，保留失败记录，不要只比较各自最好看的样片。

单次更便宜的请求，如果需要更多重试，每个合格镜头反而可能更贵。文档输入也可能节省前期准备，即使每秒价格更高。应在自己的测试中同时衡量这些因素。

如果必须本地部署，MiniMax 官方发布了 H3-Base，并说明了完整系统的其他组件。可继续阅读 H3 本地与 API 对比、许可证说明、Seedance 2.5 vs Wan 3.0以及 H3 vs Seedance 2.5。^[5]

reAPI. Wan 3.0 | reAPI. 2026 年 9 月 14 日查阅： reapi.ai/docs/wan-3-0
reAPI. MiniMax H3 API — Hailuo 03 Video, T2V, I2V & Reference | reAPI. 2026 年 9 月 14 日查阅： reapi.ai/docs/minimax-h3
reAPI. Wan 3.0 — 30-Second Omni-Modal Video Generation. 2026 年 9 月 14 日查阅： reapi.ai/models/wan-3-0
reAPI. MiniMax H3 — Multimodal Video Generation with Native Audio. 2026 年 9 月 14 日查阅： reapi.ai/models/minimax-h3
MiniMax. Open General Intelligence: MiniMax H3 Is Now Open Source - MiniMax News | MiniMax. 2026 年 9 月 14 日查阅： www.minimax.io/news/minimax-h3-open-source