Generowanie wideo

MiniMax H3

Wideo do 2K z natywnym dźwiękiem stereo z jednego kontekstu tekstu, obrazu, wideo i audio — z otwartymi wagami do lokalnych uruchomień w 768p

MiniMax H3 to uniwersalny, multimodalny model wideo: czyta tekst, obrazy, wideo i audio jako jeden kontekst i zwraca klipy o długości 4–15 sekund z natywnym dźwiękiem stereo 32 kHz, łącznie z dialogiem i efektami. Jego wagi H3-Base są otwarte jako dwa checkpointy, FL2VA i Ref2VA, które renderują w 768p na twoim sprzęcie; pełny wynik w 2K powstaje przez API MiniMax. H3 nie można jeszcze generować w Imgo.

Jeden kontekst zamiast czterech potokówDźwięk powstaje razem z obrazemOtwarte wagi do 768p, API do 2K

Migawka możliwości

2K

maksymalny wynik, przez API

768p

otwarte wagi, lokalnie

15s

najdłuższy klip

Zobacz MiniMax H3 w działaniu

27-sekundowy przegląd procesu, najważniejszych korzyści i efektów.

27 sTekst na ekranie po angielskuDemo poglądowe: interfejs odtworzono na przykładowych obrazach, a nie na wynikach tej funkcji.

Podstawowe korzyści

Wartość praktyczna odwzorowana na rzeczywistych przepływach pracy w produkcji.

Korzyści

01

Jeden kontekst zamiast czterech potoków

Tekst, obraz, wideo i audio trafiają jako jeden kontekst, więc prompt może powiedzieć: „weź ruch kamery z tego klipu, niech osoba z tego obrazu śpiewa, dopasuj ten głos” i zostać zrozumiany jako jedna instrukcja. Tryb referencji przyjmuje do 9 obrazów, 3 klipów wideo i 3 klipów audio, łącznie 12 plików.

Korzyści

02

Dźwięk powstaje razem z obrazem

Audio jest generowane razem z wideo w stereo 32 kHz, więc dialog, efekty i tło od razu pasują do ujęcia, zamiast być nakładane później. MiniMax podaje stabilny dialog w 11 językach, w tym angielskim, chińskim, japońskim, koreańskim i hiszpańskim.

Korzyści

03

Otwarte wagi do 768p, API do 2K

Wagi H3-Base są publiczne jako dwa checkpointy: FL2VA dla tekstu i wideo z pierwszej i ostatniej klatki, Ref2VA dla wideo sterowanego referencjami. Lokalnie renderują w 768p. Przebieg 2K, H3-Regenerate-2K, nie jest open source, więc pełny wynik w 2K powstaje przez API MiniMax.

Zalecany przepływ pracy

Prosta, trzyetapowa ścieżka od materiału źródłowego do wyniku nadającego się do ponownego wykorzystania.

Krok 1

Wybierz tryb

Używaj FL2VA do ujęć tylko z tekstem, z pierwszą klatką, ostatnią klatką lub obiema, a Ref2VA, gdy ujęcie powstaje z obrazów, wideo lub audio referencyjnego. Jedno generowanie przyjmuje klatki albo referencje, nigdy obie naraz.

1

Krok 2

Zbierz referencje w granicach limitów

Do 9 obrazów, 3 klipów wideo i 3 klipów audio, najwyżej 12 plików. Każdy klip wideo lub audio trwa 2–15 s, a każdy typ łącznie nie przekracza 15 s. Następnie prostymi słowami napisz, do czego służy każda referencja.

2

Krok 3

Wybierz, gdzie uruchomić

Otwarte wagi H3-Base renderują w 768p na twoim sprzęcie w ramach licencji społecznościowej; API MiniMax uruchamia pełny proces do 2K. W Imgo nie można jeszcze generować H3 — przygotuj i skopiuj prompty z przewodnika po promptach H3.

3

Często zadawane pytania

Jaką rozdzielczość i długość generuje?

Klipy od 4 do 15 sekund przy 24 kl./s, w proporcjach od 21:9 do 9:16, z dźwiękiem stereo 32 kHz. Otwarte wagi H3-Base renderują w 768p; 2K pochodzi z H3-Regenerate-2K, który MiniMax obecnie udostępnia tylko przez swoje API.

Czy generuje dźwięk, czy muszę go dodać później?

H3 generuje dźwięk razem z wideo: natywny dialog stereo, efekty dźwiękowe i tło w tym samym przebiegu. W trybie Ref2VA referencyjne klipy audio mogą też prowadzić głos i tempo.

Czy MiniMax H3 jest open source?

Częściowo. W sierpniu 2026 r. MiniMax opublikowało wagi H3-Base na Hugging Face jako dwa checkpointy, FL2VA i Ref2VA, na licencji MiniMax H3 Community License: to otwarte wagi, a nie licencja open source zatwierdzona przez OSI. Preprocesor promptów H3-Context-IR i etap H3-Regenerate-2K nie są otwarte, więc oficjalny proces 2K nadal wymaga API MiniMax.

Czy mogę używać MiniMax H3 komercyjnie?

Do samodzielnie hostowanych wag stosuje się MiniMax H3 Community License. Nie obejmuje ona UE, Wielkiej Brytanii, Republiki Korei ani USA (organizacje stamtąd mogą wystąpić do MiniMax o licencję); produkty o przychodach powyżej 20 mln USD rocznie potrzebują uprzedniej pisemnej zgody uzyskanej przez [email protected]; produkty komercyjne muszą wyraźnie wyświetlać "MiniMax H3" w interfejsie użytkownika; umowa podlega prawu Hongkongu. Korzystanie z H3 przez API MiniMax podlega natomiast warunkom API MiniMax. To streszczenie, a nie porada prawna — przeczytaj samą licencję przed premierą produktu.

Ile plików referencyjnych przyjmuje Ref2VA?

Do 9 obrazów, do 3 klipów wideo i do 3 klipów audio, łącznie nie więcej niż 12 plików. Każdy klip wideo lub audio musi trwać od 2 do 15 sekund, a klipy danego typu łącznie nie mogą przekraczać 15 sekund.

Czy mogę generować wideo MiniMax H3 w Imgo?

Jeszcze nie. H3 nie ma w katalogu aktywnych modeli Imgo, dlatego ta strona pokazuje jego dostępność jako oczekującą. Już dziś możesz przygotować i skopiować prompty do H3 z przewodnika po promptach MiniMax H3 albo uruchomić ten sam brief na modelu wideo aktywnym w Imgo.

Następny krok

Chcesz generować już dziś?

Przejrzyj modele dostępne teraz w Imgo, porównaj ich ustawienia i wyceny w kredytach, a potem zacznij od jednego z nich.