Suno把AI歌曲变成视频:底层用的却是中国开源模型

2026年11月17日,美国AI音乐平台Suno上线视觉创作工具Visuals,可把平台上的歌曲生成最长15秒的视频片段,并支持演唱口型同步。据Suno官方披露,这套工具背后的模型名为H3 Move,基于中国AI公司MiniMax的开源视频模型H3打造并做了场景调优。Suno首席产品官Jack Brody表示,团队用自己的数据对这一开源模型进行了优化。

这被外界视为中国视频模型进入海外主流消费级应用的一个样本:MiniMax提供底层模型,Suno负责音乐场景适配,把歌曲创作、画面生成与口型同步纳入同一条流程。

Visuals能做什么

按照Suno的介绍,Visuals生成的视频能够呼应歌曲结构和歌词,并支持演唱口型同步。用户可以选择平台提供的原创角色,也可以上传参考图片,结合音乐和文字提示生成最长15秒的片段,再通过时间轴延长、编排和编辑;此外还能制作歌词视频和专辑封面,自定义字体颜色与画面比例。

Suno在网页端、iOS与安卓端同步推出该功能。Brody强调Visuals的优化方向是”补足音乐”,视频会跟着歌曲结构走、识别歌词并对上口型——他甚至提醒,在其他视频平台上奏效的提示词在Suno上未必管用,这是刻意设计的结果。

底层模型H3 Move来自MiniMax

作为H3 Move的基础,MiniMax H3于2026年8月开放模型权重,支持企业和开发者部署、微调和定制。H3能统一理解文本、图像、视频和音频构成的上下文,可生成带原生立体声音频的视频,最高支持2K分辨率和15秒时长。

Suno并非简单套用开源模型。H3 Move在H3基础上加入额外保护措施:新的文本与视觉过滤机制,针对特定艺人、公众人物形象及受版权保护内容设置限制;视频在分享前会嵌入水印。据Suno官网披露,已有超过1亿人使用其平台创作音乐。

从行业视角看,这呈现了基座视频模型与垂直应用结合的一条路径——以基础模型的多模态生成能力为支撑,再围绕音乐内容加入场景优化与内容保护机制。

独立计费:音乐积分和画面积分分开

Visuals采用独立的付费积分体系。视频和图片生成消耗Visual credits,与歌曲积分分开计费,费用取决于片段时长与质量档位(快速档用于草稿,标准档用于成品)。积分不会过期,Pro与Premier订阅用户可获得限时试用额度;Suno还新增了位于Premier之上的Platinum层级。

作为参照,第三方测评在2026年11月给出的价格显示:通过谷歌Gemini接口调用Veo 3.1 Fast生成15秒1080p视频约需1.8美元,通过快手接口调用可灵3.0生成带原生音频的15秒视频约需2.52美元。品牌客户可把Suno的单条积分成本与主流视频模型直接对比。

争议与看点

值得注意的是,Suno与MiniMax各自都面临版权诉讼:Suno正被多家唱片公司起诉,MiniMax的视频模型也遭遇好莱坞相关版权争议。内容过滤机制能否在大规模使用后依然有效,这些诉讼是否会影响Visuals,目前都还没有答案。

对于创作者,一首歌和配套视频能在同一个应用里完成,降低了发布到视频平台的门槛;对AI视频行业而言,把模型授权进普及度高的消费级应用,也提供了新市场路径。

关键事实一览

项目信息
发布时间2026年11月17日
产品Suno Visuals,网页、iOS、安卓
视频时长单段最长15秒,可在时间轴延长
底层模型H3 Move,基于MiniMax开源模型H3调优
基础模型能力文本/图像/视频/音频统一理解,原生立体声,最高2K、15秒
计费独立Visual credits,与歌曲积分分开,不过期
内容保护文本与视觉过滤、水印、版权音频检测

常见问题

Visuals和普通文生视频工具有什么不同?

输入不同。普通工具从文字框开始,Visuals把整首歌作为提示,画面剪辑能卡在节拍上,并支持歌词字幕与口型同步。

H3 Move是完全自研的吗?

不是。Suno官方说明它基于MiniMax的H3,做了针对音乐场景的优化并加入额外保护措施。

免费用户能用吗?

免费用户可生成一条5秒视频体验,之后需要付费积分;Pro与Premier用户有限时试用额度。

信息来源:量子位《美国AI音乐巨头进军视频生成,底层模型来自中国MiniMax》(2026年11月20日),Suno官方博客、Billboard、The Verge相关报道。


说说

全部说说