MiniMax H3
Video upp till 2K med inbyggt stereoljud från en enda kontext av text, bild, video och ljud – med öppna vikter för lokala körningar i 768p
MiniMax H3 är en multimodal videomodell för allmänt bruk: den läser text, bilder, video och ljud som en enda kontext och returnerar klipp på 4–15 sekunder med inbyggt stereoljud i 32 kHz, dialog och effekter inräknade. Dess H3-Base-vikter är öppna som två checkpoints, FL2VA och Ref2VA, som renderar i 768p på din egen hårdvara; fullständig 2K-utdata går via MiniMax API. H3 kan ännu inte genereras på Imgo.
Kapacitetsögonblicksbild
2K
maximal utdata, via API
768p
öppna vikter, lokalt
15s
längsta klipp
Se MiniMax H3 i praktiken
En genomgång på 27 sekunder av arbetsflödet, de viktigaste fördelarna och resultaten.
Kärnfördelar
Praktiskt värde kartlagt till verkliga produktionsarbetsflöden.
Fördel
01
En kontext, inte fyra pipelines
Text, bild, video och ljud går in som en enda kontext, så en prompt kan säga ”ta kamerarörelsen från det här klippet, låt personen på den här bilden sjunga, matcha den här rösten” och förstås som en instruktion. Referensläget tar upp till 9 bilder, 3 videoklipp och 3 ljudklipp, 12 filer totalt.
Fördel
02
Ljudet skapas med bilden
Ljudet genereras tillsammans med videon i 32 kHz-stereo, så dialog, effekter och atmosfär kommer redan synkade med tagningen i stället för att läggas på efteråt. MiniMax anger stabil dialog på 11 språk, bland annat engelska, kinesiska, japanska, koreanska och spanska.
Fördel
03
Öppna vikter för 768p, API:t för 2K
H3-Base-vikterna är offentliga som två checkpoints: FL2VA för text och video från första och sista bildrutan, Ref2VA för referensstyrd video. Lokalt renderar de i 768p. 2K-passet, H3-Regenerate-2K, är inte öppen källkod, så fullständig 2K-utdata går via MiniMax API.
Rekommenderat arbetsflöde
En enkel väg i tre steg från källmaterial till ett återanvändbart resultat.
Steg 1
Välj läge
Använd FL2VA för tagningar med bara text, första bildrutan, sista bildrutan eller båda, och Ref2VA när tagningen byggs av referensbilder, -video eller -ljud. En körning tar bildrutor eller referenser, aldrig båda.
Steg 2
Samla referenser inom gränserna
Upp till 9 bilder, 3 videoklipp och 3 ljudklipp, högst 12 filer. Varje video- eller ljudklipp är 2–15 s, och varje typ blir sammanlagt högst 15 s. Säg sedan med enkla ord vad varje referens är till för.
Steg 3
Välj var det körs
De öppna H3-Base-vikterna renderar i 768p på din egen hårdvara under community-licensen; MiniMax API kör hela flödet upp till 2K. På Imgo kan H3 ännu inte genereras – skriv och kopiera prompter från promptguiden för H3 i stället.
Vanliga frågor
Vilken upplösning och längd ger den?
Klipp på 4 till 15 sekunder i 24 fps, i bildförhållanden från 21:9 till 9:16, med stereoljud i 32 kHz. De öppna H3-Base-vikterna renderar i 768p; 2K kommer från H3-Regenerate-2K, som MiniMax i nuläget bara erbjuder via sitt API.
Genererar den ljud, eller lägger jag till det senare?
H3 genererar ljudet tillsammans med videon: inbyggd stereodialog, ljudeffekter och atmosfär i samma pass. I Ref2VA-läget kan referensljudklipp dessutom styra röst och timing.
Är MiniMax H3 öppen källkod?
Delvis. I augusti 2026 publicerade MiniMax H3-Base-vikterna på Hugging Face som två checkpoints, FL2VA och Ref2VA, under MiniMax H3 Community License: öppna vikter, inte en OSI-godkänd öppen källkodslicens. Promptförbehandlaren H3-Context-IR och steget H3-Regenerate-2K är inte öppna, så det officiella 2K-flödet kräver fortfarande MiniMax API.
Får jag använda MiniMax H3 kommersiellt?
För vikter i egen drift gäller MiniMax H3 Community License. Den gäller inte EU, Storbritannien, Republiken Korea eller USA (organisationer där kan ansöka om licens hos MiniMax); produkter som omsätter mer än 20 miljoner US-dollar per år behöver skriftligt förhandstillstånd via [email protected]; kommersiella produkter måste tydligt visa "MiniMax H3" i sitt användargränssnitt; och avtalet lyder under Hongkongs lag. Användning av H3 via MiniMax API omfattas i stället av MiniMax API-villkor. Detta är en sammanfattning, inte juridisk rådgivning – läs själva licensen innan du lanserar.
Hur många referensfiler tar Ref2VA?
Upp till 9 bilder, upp till 3 videoklipp och upp till 3 ljudklipp, med högst 12 filer totalt. Varje video- eller ljudklipp måste vara 2 till 15 sekunder, och klippen av varje typ får sammanlagt vara högst 15 sekunder.
Kan jag generera MiniMax H3-videor på Imgo?
Inte än. H3 finns inte i Imgos katalog över aktiva modeller, därför visar den här sidan dess tillgänglighet som inväntad. Du kan redan i dag skriva och kopiera H3-prompter från promptguiden för MiniMax H3, eller köra samma brief på en videomodell som är aktiv på Imgo.
Nästa steg
Vill du generera redan i dag?
Bläddra bland modellerna som är tillgängliga på Imgo just nu, jämför inställningar och kreditpriser och börja med en av dem.