APIMODELSAPIMODELS

博客 · 2026-11-20

LTX 2.5 和 MiniMax H3 哪个好:LTX 快 4 到 9 倍,H3 三条都更贴提示词

模型页:LTX 2.5 Fast API · MiniMax H3 API —— 价格、规格与在线体验

结论:要快、要大量出片、要让人物念你自己的配音,或者必须从某张图开始,选 LTX 2.5 Fast;成片必须照着提示词来,选 MiniMax H3。同样三条 6 秒的提示词,LTX 每条 27 到 64 秒出片,H3 要 4.1 到 4.8 分钟,LTX 快 4.5 到 9 倍;但三条里 H3 的人物站位、镜头顺序和产品样子都更贴近我们写的。一条 6 秒视频,LTX 2.5 Fast 720p 是 $0.486,H3 768P 是 $0.582。

LTX 2.5 是 Lightricks 最新的视频模型,分 Fast 和 Pro 两档,画面和声音一起出。MiniMax H3(很多人叫它海螺 H3)是 MiniMax 的多模态视频模型:一次请求里除了提示词,还能带最多 9 张参考图、3 段参考视频、3 段参考音频,出 5 到 15 秒带声音的视频,分 768P 和原生 2K 两档。两个的侧重点不一样:LTX 2.5 主打快,能拿你给的一段音频或一张首帧来做视频;H3 主打听话,能吃一大堆参考素材。

先交代一下我们是谁:我们运营 apimodels.app,一个用同一个 API Key 就能调用 LTX 2.5、MiniMax H3 以及其他图像、视频、音频和语言模型的平台。文中所有视频都在这个平台上实际生成,时间是 2026 年 11 月 20 日;除了把两边的成片接成一段播放、在左上角标上模型名,没有做任何剪辑。台词是把音轨转成文字核对的。

怎么测的:三个常见的活儿,提示词一字不差——两人对话、6 秒里切三个镜头的动作戏、竖屏产品短片。LTX 2.5 Fast 出 720p,H3 出 768P(它的低档),都是 6 秒带声音,各跑一次,出来什么就用什么。H3 每条实际 6.6 秒、1344×768;LTX 正好 6 秒、1280×720。耗时从建任务算到拿到成片,含排队。这次没比图生视频:在我们的接口上 H3 收的是参考图,不是首帧,两边干的不是同一件事。

实测结果一览

  • 对话戏:两边台词都一字不差;只有 H3 让厨师站在柜台后面,跟提示词一样。LTX 2.5 Fast 41 秒,H3 4.1 分钟。
  • 三个镜头的骑行:H3 按我们写的顺序切了三个镜头,但水坑成了一片湿路面,没有溅水;LTX 2.5 Fast 拍出了溅水,但开头是远景,不是侧面跟拍。27 秒对 4.2 分钟。
  • 竖屏冷萃咖啡:H3 看起来像做好的广告,黑石头、透明方冰块、深色咖啡都对,但瓶子标签是乱码;LTX 2.5 Fast 背景成了白雾,冰块像白团子,咖啡像茶。64 秒对 4.8 分钟。
  • 一条 6 秒多少钱:LTX 2.5 Fast 720p $0.486,H3 768P $0.582。
  • 只有一边能做的:LTX 2.5 Fast 能直接用你的录音当声音、能从你给的首帧开始;H3 能收参考视频和参考音频、最长 15 秒、能出原生 2K。

一句话:贴不贴提示词,H3 赢;快不快,LTX 赢,而且差得很远。两边都不完美:H3 在灯笼和瓶标上写了不存在的字,LTX 把瓶子做变形了、冰块做成了白团子。

先对号入座:你该用哪个

  • 要大量出片、做预览和多个版本,或者用户在页面上等结果:LTX 2.5 Fast。实测一条一分钟左右,H3 要四五分钟。
  • 画面必须照着详细要求来,比如谁站哪、镜头顺序、产品长什么样:MiniMax H3,三次测试都比 LTX 更贴提示词。
  • 手上有配音,要画面里的人把它说出来:LTX 2.5 Fast 的音频生视频,你的录音就是成片的声音。
  • 必须从一张指定的图开始,比如产品照:LTX 2.5,它支持首帧。在我们的接口上 H3 收的是参考图,能决定长相,定不住第一帧。
  • 要用参考视频、参考音频把角色、运镜或声音定住:MiniMax H3。
  • 要 21:9、4:3 或 3:4 的画幅:MiniMax H3。LTX 2.5 是 16:9、9:16、1:1、3:2、2:3。
  • 要 48 / 50 帧,或者一条超过 15 秒:LTX 2.5 Fast,最长 20 秒。

LTX 2.5 和 MiniMax H3 规格差在哪

  • 分辨率:LTX 2.5 Fast 有 720p、1080p、1440p;LTX 2.5 Pro 有 720p、1080p;H3 有 768P 和原生 2K,不填默认 2K。
  • 时长:LTX 2.5 Fast 6 到 20 秒、按偶数秒,1440p 或 48 / 50 帧时只能 6、8、10 秒;LTX 2.5 Pro 6、8、10 秒;H3 5 到 15 秒任意整数秒。
  • 画幅:LTX 2.5 文生视频可选 16:9、9:16、1:1、3:2、2:3;H3 可选自适应、21:9、16:9、4:3、1:1、3:4、9:16。
  • 帧率:LTX 2.5 有 24、25、48、50 帧;H3 实测出的是 24 帧。
  • 能喂什么:LTX 2.5 收提示词和一张首帧,Fast 还能收一段音频;H3 收提示词,外加最多 9 张参考图、3 段参考视频、3 段参考音频。
  • 声音:两边都是画面和声音一起出;只有 LTX 2.5 Fast 能直接把你的音频当成片声音。
  • 开放权重:两边都公开了模型权重,各有各的许可。LTX 说年收入 1000 万美元以下的机构可以免费用 LTX 2.5;MiniMax 公开的 H3 权重是 768p 的基础模型,不含 2K 那一步,许可是 MiniMax H3 Community License,模型卡上美国、欧盟、英国、韩国的用户要另填申请表。本文只测托管的 API。

对话戏:台词两边都对,柜台只有 H3 留住了

拉面店这条,两边台词都一字不差,但只有 MiniMax H3 照我们写的站位来拍。提示词是:深夜的小拉面店,固定中景;五十多岁、绑白头巾的厨师擦着柜台,抬头对坐在对面的年轻姑娘说「Last bowl of the night, on the house.」(今晚最后一碗,我请),姑娘笑着回「You say that every night.」(你每天晚上都这么说);声音要有锅里的汤、窗上的小雨和两人的对话。

同一条提示词:先放 LTX 2.5 Fast,再放 MiniMax H3。拉面店对话戏,带声音
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3

H3 让厨师站在长柜台后面,手按着毛巾,面前是冒热气的汤锅,姑娘坐在柜台另一边吃面,头顶纸灯笼,窗玻璃上有雨,像日剧里的一个镜头。灯笼上的字看着像日文,其实不是真字。LTX 2.5 Fast 让两个人坐在同一张小桌边,厨师确实在擦桌子,台词也按时说出来了,但柜台没了。LTX 2.5 Fast 用了 41 秒,H3 用了 4.1 分钟。

画面要像真实的店,就别让模型写招牌、灯笼、标签上的字,要字就后期自己加。用 LTX 2.5 时,站位要紧的话写细、写两遍,比如「站在柜台后面,和她隔着柜台」。

6 秒三个镜头:H3 顺序全对,LTX 2.5 拍出了溅水

骑行这条,MiniMax H3 严格按镜头顺序拍了,LTX 2.5 Fast 拍出了最有冲击力的那一下,但镜头顺序乱了。我们要的是:日出时分,穿黄夹克的人在海边悬崖公路上骑车;先侧面跟拍,再切到前轮的低机位特写、车轮压过水坑溅起水,最后高处俯拍公路沿着海岸弯过去;声音要有风声、链条咔嗒声和海浪。

同一条提示词:先放 LTX 2.5 Fast,再放 MiniMax H3。一个骑行者,三个镜头
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3

H3 先侧面跟拍,再切到贴着路面的前轮,最后是高处俯拍悬崖公路、人在画面里很小,和我们写的顺序一模一样;骑手、黄手套和车在几个镜头之间都没变。不过水坑成了一片反光的湿路面,没有溅水。LTX 2.5 Fast 开头是迎着太阳的远景,然后才是侧面,接着一大片水花溅起来,中间还有一帧糊在一起、看着像人骑在悬崖边上,最后才是俯拍。声音上,LTX 有呼呼的风声和溅水声,H3 是低沉的嗡嗡声和一声呼啸;两边都听不清链条声和海浪。LTX 2.5 Fast 用了 27 秒,H3 用了 4.2 分钟。

竖屏冷萃咖啡:H3 像成片广告,LTX 2.5 跑偏了

9:16 的产品短片,MiniMax H3 交出来的已经很接近一条能用的广告,LTX 2.5 Fast 在背景、冰块和咖啡颜色上都跑偏了。提示词是:一瓶玻璃瓶装的冷萃咖啡立在湿漉漉的黑石头上,周围冒着冷雾;一只手伸进来,「嗤」的一声拧开瓶盖,把咖啡倒进装满冰块的高玻璃杯,镜头慢慢推近。

同一条提示词:先放 LTX 2.5 Fast,再放 MiniMax H3。竖屏冷萃咖啡广告
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3
每条各截四帧:上面是 LTX 2.5 Fast,下面是 MiniMax H3

H3 有黑石头、冷雾、一只手捏住瓶盖,接着切到装满透明方冰块的高杯,深色咖啡倒进去。有两处不对:瓶身标签看着像个牌子,其实是乱码;拧瓶盖这个动作被跳过了,手刚捏住瓶盖,下一个镜头已经在倒。LTX 2.5 Fast 把背景做成了一片白雾,不是深色;冰块像一团团白雪球,咖啡颜色像茶,瓶子在镜头之间还变了形。声音两边都有倒水声和气泡声,H3 开头还多了一声「啵」。LTX 2.5 Fast 用了 64 秒,H3 用了 4.8 分钟。

真要拍自家产品,别指望哪个模型帮你把标签写对。H3 能收最多 9 张参考图,可以把真瓶子的照片传进去;LTX 2.5 可以直接拿产品照当首帧。两种做法还原标签有多准,这次没测。

只有 LTX 2.5 能做的:用你的配音、从你的图开始

LTX 2.5 Fast 有音频生视频模式,MiniMax H3 没有这种用法:你给一段音频,可以再加一张图,视频就围着你的录音来做,成片的声音就是你的录音。我们用了一段 4.8 秒的口播,加一张 AI 生成的播客主持人肖像,提示词只写了一句「她对着镜头亲切地说话」。

LTX 2.5 Fast 音频生视频:一张肖像加一段 4.8 秒的口播

成片 4.8 秒,跟音频一样长,86 秒出片,花了 $0.39——不写时长的话,按你的音频长度计费。口型跟得上。H3 也能收参考音频,但那是用来参考声音、再生成一条新的声音轨;它能不能把一段录音原样说出来,我们没测。

LTX 2.5 还支持首帧:传一张产品照,视频就从这张图开始,我们在 LTX 2.5 和 Seedance 2.0 的对比 里拿一只咖啡杯试过。在我们的接口上,H3 收的是参考图,能定住人物或产品的样子,但定不住第一帧。想在 H3 这一系里用首帧加尾帧,可以用 MiniMax H3 Lite,不过它是草稿档。

只有 MiniMax H3 能做的:用参考视频、音频和图片控制画面

MiniMax H3 能吃的参考素材比 LTX 2.5 多得多。一次请求可以带最多 9 张参考图、3 段参考视频、3 段参考音频,在提示词里说清每份素材管什么:长相、运镜、节奏还是声音。LTX 2.5 只收一张首帧,Fast 再加一段音频,别的画面参考都不收。H3 还能出 5 到 15 秒任意整数秒、原生 2K,画幅多了 21:9、4:3、3:4。这次没测参考素材,请求怎么写见 MiniMax H3 文档;提示词里怎么给每份素材分工、镜头和台词怎么写,见 MiniMax H3 提示词怎么写。

H3 的参考素材在成片秒数之外另算:参考图前 5 张免费,第 6 张起每张 $0.054;参考视频按它自己的时长算(2K 每秒 $0.135);参考音频免费。各档位、各分辨率的完整价格见 MiniMax H3 API 价格对比。

想要更好的画面:LTX 2.5 Pro 还是 MiniMax H3

如果嫌 LTX 2.5 Fast 画面不够、想往上换,这次测试里 H3 768P 是更好的一步,而且每秒比 LTX 2.5 Pro 720p 还少花一点。同一条对话提示词我们也跑了 LTX 2.5 Pro:人脸拍得更近,厨师表情更足,但还是让两人坐在一张桌边,跟 Fast 一样;H3 留住了柜台。LTX 2.5 Pro 720p 每秒 $0.108,用了 65 秒;H3 768P 每秒 $0.097,用了 4.1 分钟。动作戏和产品片没跑 Pro,所以这个判断只基于一个场景。

LTX 官方的评测怎么说 H3

LTX 自己发过一份包含 MiniMax H3 的对比,画质这一项我们的结果跟它反着。它的速度测试里,10 秒图生视频走 LTX API(1080p)用 23.7 秒,MiniMax H3(768p,在第三方托管平台上测,含排队)用 180 秒。另一项测试用 98 条文生视频提示词、自动给每条视频的明显瑕疵打分,越低越好:LTX 2.5 Pro 0.28、LTX 2.5 Fast 0.39、MiniMax 0.46,并注明是初步结果。这些都是厂商自己公布的数字,不是我们测的。

速度上我们测出的差距差不多:LTX 2.5 Fast 比 H3 快 4.5 到 9 倍。画质上,三个场景里 H3 都更精致、更贴提示词。两种结果可以同时成立:自动瑕疵分只数画面上的毛病,不管拍出来的是不是你要的那个镜头。三条提示词样本很小,定之前拿你自己的提示词跑一遍。

一条多少钱、要等多久

在 apimodels.app 上,LTX 2.5 Fast 每秒 720p $0.081、1080p $0.117、1440p $0.171,比 LTX 官方 API 价低一成;LTX 2.5 Pro 720p $0.108、1080p $0.153。MiniMax H3 每秒 768P $0.097、原生 2K $0.145。H3 不填分辨率就按 2K 出、按 2K 收,只要 768P 就记得写上。生成失败不收费。价格截至 2026 年 11 月 20 日。

按 100 条 6 秒视频算:LTX 2.5 Fast 720p 是 100 × 6 × $0.081 = $48.60,H3 768P 是 100 × 6 × $0.097 = $58.20,LTX 2.5 Pro 720p 是 $64.80。各自最高档一条 6 秒:H3 原生 2K $0.87,LTX 2.5 Fast 1440p $1.03。等待时间(含排队):LTX 2.5 Fast 每条 27 到 73 秒,LTX 2.5 Pro 65 到 104 秒,H3 4.1 到 4.8 分钟。

两个都不合适的时候

  • 要 4K:在我们的接口上两个都没有。LTX 说自己部署的权重能出原生 4K;我们这里 LTX 2.5 最高 1440p,H3 最高 2K。
  • 一条要超过 20 秒:两个都不行,分几段生成,再用剪辑软件拼起来。
  • 要大量草稿、花得越少越好:MiniMax H3 Lite 用的是同一个 H3 模型,768P 每秒 $0.02,还能给首帧加尾帧;但真人大动作时脸和手脚会变形,只适合当草稿。
  • 要首帧加尾帧,又要成片质量:Seedance 2.0 两个都收,还收最多 9 张参考图,见我们的 LTX 2.5 和 Seedance 2.0 对比。

自己动手跑一遍这个对比

用一个 API Key 就能自己重跑这个 LTX 2.5 和 MiniMax H3 的对比,两次请求只要改模型名和分辨率。

  1. 在 apimodels.app 控制台创建 API Key。新账号送 $1 额度,够跑两条 LTX 2.5 Fast 720p 6 秒,或一条 H3 768P 6 秒。
  2. 把同一条提示词发给视频生成接口两次:一次 model 写 ltx-2.5-fast、分辨率 720p,一次写 minimax-h3、分辨率 768p;时长和画幅保持一样。
  3. 轮询任务,状态变成 completed 后从 resultUrls 下载成片;结果链接是临时的,要留的及时存。
  4. 提示词按事情发生的顺序写,台词放引号里,最后用「Sound:」开头写一句你想听到的声音。给 H3 写就一个镜头一个镜头往下写;给 LTX 2.5 写,站位写清楚,要紧的写两遍。
{
  "model": "minimax-h3",
  "prompt": "Static medium shot inside a tiny ramen shop at night ... Sound: broth simmering, light rain on the window, their two voices.",
  "resolution": "768p",
  "duration": 6,
  "aspect_ratio": "16:9"
}

出处

  • LTX,《Fastest AI Video Generation Models (2026)》,ltx.io/blog/ai-video-model-speed-comparison,2026 年 11 月 20 日读:上面引用的速度测试和瑕疵评分。
  • LTX,《LTX Video Generation API Pricing》,ltx.io/model/api/pricing,2026 年 11 月 20 日读:LTX 2.5 Fast 720p / 1080p / 1440p 每秒 $0.09 / $0.13 / $0.19,LTX 2.5 Pro 720p / 1080p 每秒 $0.12 / $0.17。
  • MiniMax,MiniMax-H3 模型卡,huggingface.co/MiniMaxAI/MiniMax-H3,2026 年 11 月 20 日读:公开的是 768p 基础模型、2K 那一步没有公开、许可名称和申请表。
  • MiniMax H3 的输入、时长、画幅和价格:本站 MiniMax H3 模型页和 API 文档,2026 年 11 月 20 日核对。
  • 所有视频、耗时和扣费:我们 2026 年 11 月 20 日在 apimodels.app 上的实测。

相关模型

  • LTX 2.5 Fast:文字、图片、音频生视频,720p 到 1440p,每秒 $0.081 起。
  • LTX 2.5 Pro:LTX 2.5 的高画质档,720p 和 1080p,每秒 $0.108 起。
  • MiniMax H3:多模态参考、自带声音,768P 或原生 2K,5 到 15 秒,每秒 $0.097 起。
  • MiniMax H3 Lite:H3 的草稿档,480P 和 768P,每秒 $0.01 起。
  • Seedance 2.0:全多模态输入,支持首尾帧,480p 到 1080p,每秒 $0.092 起。

常见问题

LTX 2.5 比 MiniMax H3 快吗?

快,而且快很多。我们实测同样的提示词,LTX 2.5 Fast 720p 6 秒每条 27 到 64 秒,MiniMax H3 768P 要 4.1 到 4.8 分钟,都含排队。LTX 官方自己的评测是:10 秒 1080p 的视频走 LTX API 用 23.7 秒,H3 768p 用 180 秒。

LTX 2.5 和 MiniMax H3 哪个画质好?

我们测的三条里,MiniMax H3 每次都更贴提示词:厨师站在柜台后面、三个镜头按写的顺序切、产品片是深色的广告感,冰块也是透明方块。LTX 2.5 Fast 在站位和产品上都跑偏了。不过 H3 在招牌和标签上写的字是乱码。三条样本很小,定之前拿自己的提示词测一下。

LTX 2.5 和 MiniMax H3 一条 6 秒视频多少钱?

在 apimodels.app 上,一条 6 秒视频:LTX 2.5 Fast 720p $0.486,LTX 2.5 Pro 720p $0.648,MiniMax H3 768P $0.582。最高档的话,H3 原生 2K $0.87,LTX 2.5 Fast 1440p $1.03。H3 不填分辨率默认按 2K 出。生成失败不收费。

LTX 2.5 和 MiniMax H3 开源吗?

两个都公开了模型权重,各有各的许可。LTX 说年收入 1000 万美元以下的机构可以免费用 LTX 2.5。MiniMax 公开的 H3 权重只有 768p 的基础模型,不含 2K 那一步,模型卡上美国、欧盟、英国、韩国的用户要另填申请表。自己部署前先读清楚各自的许可。

能用一个 API Key 同时调用 LTX 2.5 和 MiniMax H3 吗?

能。在 apimodels.app 上两个模型走同一个视频接口、用同一个 API Key,换模型只要把 model 从 ltx-2.5-fast 改成 minimax-h3,分辨率从 720p 改成 768p。请求是异步的:先建任务,再轮询结果或等回调通知。