Geração de vídeo

MiniMax H3

Vídeo de até 2K com áudio estéreo nativo a partir de um único contexto de texto, imagem, vídeo e áudio — com pesos abertos para execuções locais em 768p

O MiniMax H3 é um modelo de vídeo multimodal de uso geral: lê texto, imagens, vídeo e áudio como um único contexto e devolve clipes de 4 a 15 segundos com som estéreo nativo de 32 kHz, diálogo e efeitos incluídos. Seus pesos H3-Base estão abertos em dois checkpoints, FL2VA e Ref2VA, que renderizam em 768p no seu próprio hardware; a saída completa em 2K passa pela API da MiniMax. O H3 ainda não pode ser gerado no Imgo.

Um contexto, não quatro pipelinesO som nasce com a imagemPesos abertos para 768p, a API para 2K

Instantâneo de capacidade

2K

saída máxima, via API

768p

pesos abertos, localmente

15s

clipe máximo

Veja MiniMax H3 em ação

Um tour de 27 segundos pelo fluxo de trabalho, pelos principais benefícios e pelos resultados.

27 segundosTexto na tela em inglêsDemonstração ilustrativa: a interface é recriada com imagens de exemplo, não com resultados gerados por este recurso.

Benefícios principais

Valor prático mapeado para fluxos de trabalho de produção reais.

Benefício

01

Um contexto, não quatro pipelines

Texto, imagem, vídeo e áudio entram como um único contexto, então um prompt pode dizer "pegue o movimento de câmera deste clipe, faça a pessoa desta imagem cantar, imite esta voz" e ser entendido como uma só instrução. O modo de referência aceita até 9 imagens, 3 clipes de vídeo e 3 clipes de áudio, 12 arquivos no total.

Benefício

02

O som nasce com a imagem

O áudio é gerado junto com o vídeo em estéreo de 32 kHz, então diálogo, efeitos e ambiência já chegam alinhados ao plano em vez de serem sobrepostos depois. A MiniMax indica diálogo estável em 11 idiomas, entre eles inglês, chinês, japonês, coreano e espanhol.

Benefício

03

Pesos abertos para 768p, a API para 2K

Os pesos do H3-Base são públicos em dois checkpoints: FL2VA para texto e vídeo de primeiro e último quadro, Ref2VA para vídeo guiado por referências. Localmente, renderizam em 768p. A passada em 2K, H3-Regenerate-2K, não é open source, então a saída completa em 2K passa pela API da MiniMax.

Fluxo de trabalho recomendado

Um caminho simples de três etapas desde o material de origem até um resultado reutilizável.

Passo 1

Escolha o modo

Use o FL2VA para planos só com texto, com primeiro quadro, último quadro ou ambos, e o Ref2VA quando o plano é construído com imagens, vídeo ou áudio de referência. Uma geração aceita quadros ou referências, nunca os dois.

1

Passo 2

Reúna as referências dentro dos limites

Até 9 imagens, 3 clipes de vídeo e 3 clipes de áudio, no máximo 12 arquivos. Cada clipe de vídeo ou áudio tem 2–15 s, e cada tipo soma 15 s ou menos. Depois, diga em palavras simples para que serve cada referência.

2

Passo 3

Escolha onde rodar

Os pesos abertos do H3-Base renderizam em 768p no seu próprio hardware sob a licença comunitária; a API da MiniMax roda o fluxo completo até 2K. No Imgo, o H3 ainda não pode ser gerado — escreva e copie os prompts no guia de prompts do H3.

3

Perguntas frequentes

Qual resolução e duração ele gera?

Clipes de 4 a 15 segundos a 24 fps, em proporções de 21:9 a 9:16, com áudio estéreo de 32 kHz. Os pesos abertos do H3-Base renderizam em 768p; o 2K vem do H3-Regenerate-2K, que por enquanto a MiniMax oferece apenas pela API.

Ele gera o áudio ou eu adiciono depois?

O H3 gera o áudio junto com o vídeo: diálogo, efeitos sonoros e ambiência em estéreo nativo na mesma passada. No modo Ref2VA, clipes de áudio de referência também podem guiar a voz e o tempo.

O MiniMax H3 é open source?

Em parte. Em agosto de 2026, a MiniMax publicou os pesos do H3-Base no Hugging Face em dois checkpoints, FL2VA e Ref2VA, sob a MiniMax H3 Community License: pesos abertos, não uma licença open source aprovada pela OSI. O pré-processador de prompts H3-Context-IR e a etapa H3-Regenerate-2K não são abertos, então o fluxo oficial em 2K ainda precisa da API da MiniMax.

Posso usar o MiniMax H3 comercialmente?

Para pesos hospedados por conta própria, vale a MiniMax H3 Community License. Ela não cobre a UE, o Reino Unido, a República da Coreia nem os EUA (organizações desses territórios podem solicitar uma licença à MiniMax); produtos com receita acima de US$ 20 milhões por ano precisam de autorização prévia por escrito via [email protected]; produtos comerciais devem exibir com destaque "MiniMax H3" na interface do usuário; e o acordo é regido pela lei de Hong Kong. Usar o H3 pela API da MiniMax fica, em vez disso, sob os termos da API da MiniMax. Isto é um resumo, não aconselhamento jurídico — leia a própria licença antes de lançar.

Quantos arquivos de referência o Ref2VA aceita?

Até 9 imagens, até 3 clipes de vídeo e até 3 clipes de áudio, com no máximo 12 arquivos no total. Cada clipe de vídeo ou áudio deve ter de 2 a 15 segundos, e os clipes de cada tipo devem somar 15 segundos ou menos.

Posso gerar vídeos com o MiniMax H3 no Imgo?

Ainda não. O H3 não está no catálogo de modelos ativos do Imgo, por isso esta página mostra sua disponibilidade como pendente. Você já pode escrever e copiar prompts para o H3 no guia de prompts do MiniMax H3, ou rodar o mesmo briefing em um modelo de vídeo ativo no Imgo.

Próximo passo

Quer gerar ainda hoje?

Veja os modelos disponíveis agora no Imgo, compare configurações e orçamentos em créditos e comece por um deles.