上面这段 15 秒是 H3 纯文生视频跑出来的一条仿苹果广告 ——「葱 Pro · 了不起的绿。」。没有参考图、没有后期加字：画面里的中文标题是模型自己渲染出来的。
参考素材不止是图
大多数视频模型的「参考」只认图片。H3 的参考模式可以同时接收三类素材：
- 图片 —— 锁人物、产品、画面风格
- 视频 —— 给动作和运镜，让新画面照着这段动
- 音频 —— 给节奏和情绪
在画布上，把图片节点、视频节点、音频节点一起连到 H3 视频节点上，切到「多图参考」，它们会一并作为参考送进去。至少要有一张图或一段视频（只给音频不行）。
三种用法
文生视频 —— 什么都不连，直接写提示词。
图生视频 —— 连一张图作首帧；还可以再连一张作尾帧，让画面从 A 走到 B。
多模态参考 —— 就是上面那个，图 + 视频 + 音频混着给。
规格
| 分辨率 | 2K（2560×1440，竖版为 1440×2560） |
| 时长 | 5–15 秒，逐秒可选 |
| 画幅 | 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16，图生与参考模式另有「自适应」 |
| 声音 | 画面与音频一次生成，不是后期配的 |
| 价格 | 17.5 Xins/秒 —— 5 秒 88、8 秒 140、15 秒 263 |
「自适应」是它的默认画幅：给一张竖图，它就出竖版，不会硬套成 16:9。
什么时候用它
想要动作跟着某段视频走、或者画面踩着某段音乐的节奏时，用 H3 的参考模式。单纯要锁一个角色的长相，画布上其它模型也能做，不必绕道。
本文封面就是 H3 直接生成的一帧。