minimax video-01模型已升级：一、支持24/25/30/60fps及1080p分辨率；二、手部建模精度提升，需具象描述动作；三、支持中英混输prompt；四、自动负载感知路由；五、默认关闭音频轨道，需显式启用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您正在使用 MiniMax Video-01 模型生成视频，但发现生成效果、速度或兼容性与近期社区反馈存在差异，则可能是由于模型底层参数、调度策略或接口协议已发生更新。以下是本次 Video-01 的最新变更说明：
一、帧率与分辨率输出能力升级
Video-01 当前默认支持动态帧率协商机制，可在请求中显式指定 fps 参数，系统将自动匹配最优渲染路径。原固定 25fps 输出已扩展为支持 24/25/30/60fps 四档可选，同时最大输出分辨率提升至 1920×1080（1080p），需在请求参数中明确设置 aspect_ratio 与 resolution 字段。
1、在 prompt 后追加格式化后缀：“—fps=30 —resolution=1080p”。
2、调用 video_generate 接口时，传入新增字段：{"fps": 30, "resolution": "1080p"}。
3、若未指定 fps，默认回落至 25fps；若未指定 resolution，默认输出 1280×720。
二、手部动作建模精度强化
针对用户高频反馈的手指关节扭曲、握持逻辑错误等问题，Video-01 v2.4.1 版本引入了细粒度手部骨骼约束模块，该模块在扩散过程中注入物理可及性先验，显著提升手指弯曲方向、手掌朝向与交互对象的空间一致性。
1、在 prompt 中显式提及手部状态，例如：“左手轻托下巴，右手食指指向屏幕左上角”。
2、避免使用模糊动词如“摆手”“挥手”，改用“五指张开缓慢下压”“拇指与食指捏合”等具象描述。
3、若需强化手部细节，可在 prompt 末尾添加风格锚点：“手部微距特写，肌理清晰，无畸变”。
三、多语言提示词解析支持扩展
Video-01 现已支持中英混输 prompt 的端到端语义对齐，不再强制要求全中文或全英文输入。模型内部启用跨语言 token 对齐层，确保“穿汉服的少女 walking through ancient courtyard”类结构中动作与场景要素不发生语义偏移。
1、可直接输入含英文术语的混合描述，例如：“一位Q版二次元少女 wearing glowing neon hanfu，站在悬浮樱花树下”。
MiniMax Token Plan 工具——支持图片生成、图像理解、语音合成和视频生成。直接调用 MiniMax 官方 API，纯 JavaScript 实现，无需外部 MCP 服务器。
2、禁用非 Unicode 标准字符集，如 GBK 编码的旧版中文符号或乱码标点。
3、英文关键词建议使用牛津高阶词典标准拼写，避免缩写如“w/”“w/o”，应写作“with”“without”。
四、区域推理节点自动负载感知
后台调度系统新增实时节点健康度探测机制，Video-01 请求将根据客户端 IP 地理位置与当前各集群 GPU 利用率，自动路由至延迟最低的可用节点，无需手动添加 region 参数。原 ?region=xxx 强制路由方式仍有效，但仅在诊断模式下推荐使用。
1、正常调用时删除 URL 中所有 region 参数，交由平台自动决策。
2、如需验证当前生效节点，可在响应 header 中查看 X-Route-Region 字段值。
3、若连续两次请求返回 503 状态码，可临时启用强制路由：在 URL 末尾添加 ?region=shanghai-b 并硬刷新页面。
五、静音视频默认关闭音频轨道合成
为降低首帧延迟并适配多数内容分发场景，Video-01 自 2026年3月20日起默认禁用背景音效与语音合成模块。所有生成视频均以纯视频流（.mp4，H.264 编码）形式输出，无嵌入音频轨。音频需通过 video_audio_sync 接口另行合成。
1、若需保留原始音效，须在请求参数中显式开启：{"audio_enabled": true}。
2、启用音频后，生成耗时平均增加 2.3 秒，且仅支持单声道 AAC 编码。
3、所有含 voiceover 或 speech-to-video 需求的 prompt，必须额外调用 /v1/audio/sync 接口完成音画对齐。
