Videogenerierung

MiniMax H3

Video bis 2K mit nativem Stereoton aus einem gemeinsamen Kontext aus Text, Bild, Video und Audio – mit offenen Gewichten für lokale 768p-Läufe

MiniMax H3 ist ein universelles multimodales Videomodell: Es liest Text, Bilder, Video und Audio als einen Kontext und liefert Clips von 4 bis 15 Sekunden mit nativem 32-kHz-Stereoton, Dialog und Effekte inklusive. Seine H3-Base-Gewichte sind als zwei Checkpoints offen, FL2VA und Ref2VA, die auf eigener Hardware in 768p rendern; die volle 2K-Ausgabe läuft über die API von MiniMax. Auf Imgo lässt sich H3 noch nicht generieren.

Ein Kontext statt vier PipelinesTon entsteht mit dem BildOffene Gewichte für 768p, die API für 2K

Fähigkeits-Snapshot

2K

maximale Ausgabe, per API

768p

offene Gewichte, lokal

15s

maximale Cliplänge

MiniMax H3 in Aktion

Ein 27-sekündiger Überblick über Workflow, zentrale Vorteile und Ergebnisse.

27 SekundenBildschirmtext auf EnglischIllustrative Demo: Die Oberfläche ist mit Beispielbildern nachgestellt, nicht mit Ergebnissen dieser Funktion.

Kernvorteile

Praktischer Wert, abgebildet auf reale Produktionsabläufe.

Vorteil

01

Ein Kontext statt vier Pipelines

Text, Bild, Video und Audio gehen als ein einziger Kontext hinein. Ein Prompt kann also sagen: „Nimm die Kamerabewegung aus diesem Clip, lass die Person auf diesem Bild singen, triff diese Stimme“ – und wird als eine Anweisung verstanden. Der Referenzmodus nimmt bis zu 9 Bilder, 3 Videoclips und 3 Audioclips, insgesamt 12 Dateien.

Vorteil

02

Ton entsteht mit dem Bild

Das Audio wird zusammen mit dem Video als 32-kHz-Stereo erzeugt, sodass Dialog, Effekte und Atmo bereits zum Shot passen, statt nachträglich darübergelegt zu werden. MiniMax nennt stabilen Dialog in 11 Sprachen, darunter Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch.

Vorteil

03

Offene Gewichte für 768p, die API für 2K

Die H3-Base-Gewichte sind als zwei Checkpoints öffentlich: FL2VA für Text sowie Video aus erstem und letztem Bild, Ref2VA für referenzgesteuertes Video. Lokal rendern sie in 768p. Der 2K-Durchlauf, H3-Regenerate-2K, ist nicht quelloffen – die volle 2K-Ausgabe läuft deshalb über die API von MiniMax.

Empfohlener Workflow

Ein einfacher dreistufiger Weg vom Quellmaterial zu einem wiederverwendbaren Ergebnis.

Schritt 1

Modus wählen

Nutze FL2VA für Einstellungen nur mit Text, mit erstem Bild, letztem Bild oder beiden, und Ref2VA, wenn die Einstellung auf Referenzbildern, -videos oder -audio aufbaut. Ein Durchlauf nimmt Frames oder Referenzen, nie beides.

1

Schritt 2

Referenzen innerhalb der Limits sammeln

Bis zu 9 Bilder, 3 Videoclips und 3 Audioclips, höchstens 12 Dateien. Jeder Video- oder Audioclip ist 2–15 s lang, und jeder Typ kommt zusammen auf höchstens 15 s. Sag dann in einfachen Worten, wofür jede Referenz da ist.

2

Schritt 3

Entscheiden, wo es läuft

Die offenen H3-Base-Gewichte rendern unter der Community-Lizenz auf eigener Hardware in 768p; die API von MiniMax führt den vollständigen Workflow bis 2K aus. Auf Imgo lässt sich H3 noch nicht generieren – entwirf und kopiere Prompts stattdessen aus dem H3-Prompt-Leitfaden.

3

Häufig gestellte Fragen

Welche Auflösung und Länge liefert es?

Clips von 4 bis 15 Sekunden bei 24 fps, in Seitenverhältnissen von 21:9 bis 9:16, mit 32-kHz-Stereoton. Die offenen H3-Base-Gewichte rendern in 768p; 2K kommt von H3-Regenerate-2K, das MiniMax derzeit nur über seine API anbietet.

Erzeugt es den Ton, oder muss ich ihn später hinzufügen?

H3 erzeugt den Ton gemeinsam mit dem Video: nativer Stereodialog, Soundeffekte und Atmo im selben Durchlauf. Im Ref2VA-Modus können Referenz-Audioclips außerdem Stimme und Timing steuern.

Ist MiniMax H3 Open Source?

Teilweise. Im August 2026 hat MiniMax die H3-Base-Gewichte als zwei Checkpoints, FL2VA und Ref2VA, auf Hugging Face veröffentlicht – unter der MiniMax H3 Community License: offene Gewichte, keine von der OSI anerkannte Open-Source-Lizenz. Der Prompt-Vorverarbeiter H3-Context-IR und die Stufe H3-Regenerate-2K sind nicht offen, daher braucht der offizielle 2K-Workflow weiterhin die API von MiniMax.

Darf ich MiniMax H3 kommerziell nutzen?

Für selbst gehostete Gewichte gilt die MiniMax H3 Community License. Sie umfasst nicht die EU, das Vereinigte Königreich, die Republik Korea und die USA (Organisationen dort können bei MiniMax eine Lizenz beantragen); Produkte mit mehr als 20 Millionen US-Dollar Jahresumsatz brauchen vorab eine schriftliche Genehmigung über [email protected]; kommerzielle Produkte müssen "MiniMax H3" gut sichtbar in ihrer Benutzeroberfläche anzeigen; und der Vertrag unterliegt dem Recht von Hongkong. Die Nutzung von H3 über die API von MiniMax fällt dagegen unter die API-Bedingungen von MiniMax. Dies ist eine Zusammenfassung, keine Rechtsberatung – lies die Lizenz selbst, bevor du ein Produkt veröffentlichst.

Wie viele Referenzdateien nimmt Ref2VA an?

Bis zu 9 Bilder, bis zu 3 Videoclips und bis zu 3 Audioclips, insgesamt höchstens 12 Dateien. Jeder Video- oder Audioclip muss 2 bis 15 Sekunden lang sein, und die Clips eines Typs dürfen zusammen höchstens 15 Sekunden ergeben.

Kann ich MiniMax-H3-Videos auf Imgo generieren?

Noch nicht. H3 ist nicht im Live-Modellkatalog von Imgo, deshalb zeigt diese Seite seine Verfügbarkeit als ausstehend an. Du kannst H3-Prompts schon heute im MiniMax-H3-Prompt-Leitfaden entwerfen und kopieren oder dasselbe Briefing mit einem Videomodell umsetzen, das auf Imgo live ist.

Nächster Schritt

Heute schon generieren?

Sieh dir die Modelle an, die auf Imgo gerade verfügbar sind, vergleiche Einstellungen und Credit-Preise und starte mit einem davon.