การสร้างวิดีโอ

MiniMax H3

วิดีโอสูงสุด 2K พร้อมเสียงสเตอริโอเนทีฟ จากบริบทเดียวที่รวมข้อความ ภาพ วิดีโอ และเสียง พร้อมน้ำหนักโมเดลแบบเปิดสำหรับรันบนเครื่องที่ 768p

MiniMax H3 เป็นโมเดลวิดีโอหลายรูปแบบสำหรับงานทั่วไป อ่านข้อความ ภาพ วิดีโอ และเสียงเป็นบริบทเดียว แล้วส่งคืนคลิปยาว 4–15 วินาทีพร้อมเสียงสเตอริโอเนทีฟ 32 kHz รวมบทพูดและเอฟเฟกต์ น้ำหนักโมเดล H3-Base เปิดให้ใช้เป็นเช็กพอยต์สองชุด คือ FL2VA และ Ref2VA ซึ่งเรนเดอร์ที่ 768p บนฮาร์ดแวร์ของคุณเอง ส่วนผลลัพธ์ 2K แบบเต็มต้องผ่าน API ของ MiniMax ขณะนี้ยังไม่สามารถสร้าง H3 บน Imgo ได้

บริบทเดียว ไม่ใช่สี่ไปป์ไลน์เสียงเกิดพร้อมภาพน้ำหนักแบบเปิดสำหรับ 768p และ API สำหรับ 2K

ภาพรวมความสามารถ

2K

ผลลัพธ์สูงสุด ผ่าน API

768p

น้ำหนักแบบเปิด รันบนเครื่อง

15s

ความยาวคลิปสูงสุด

ดูการทำงานของ MiniMax H3

ทำความรู้จักเวิร์กโฟลว์ จุดเด่นสำคัญ และผลลัพธ์ใน 27 วินาที

27 วินาทีข้อความบนหน้าจอเป็นภาษาอังกฤษตัวอย่างประกอบ: อินเทอร์เฟซสร้างขึ้นใหม่ด้วยภาพตัวอย่าง ไม่ใช่ผลลัพธ์จริงจากฟีเจอร์นี้

ประโยชน์หลัก

มูลค่าเชิงปฏิบัติที่แมปกับขั้นตอนการทำงานจริง

ผลประโยชน์

01

บริบทเดียว ไม่ใช่สี่ไปป์ไลน์

ข้อความ ภาพ วิดีโอ และเสียงเข้าไปเป็นบริบทเดียว พรอมต์จึงพูดได้ว่า "ใช้การเคลื่อนกล้องจากคลิปนี้ ให้คนในภาพนี้ร้องเพลง และให้เสียงตรงกับเสียงนี้" แล้วถูกเข้าใจเป็นคำสั่งเดียว โหมดอ้างอิงรับภาพได้สูงสุด 9 ภาพ คลิปวิดีโอ 3 คลิป และคลิปเสียง 3 คลิป รวม 12 ไฟล์

ผลประโยชน์

02

เสียงเกิดพร้อมภาพ

เสียงถูกสร้างพร้อมวิดีโอเป็นสเตอริโอ 32 kHz บทพูด เอฟเฟกต์ และเสียงบรรยากาศจึงตรงกับช็อตตั้งแต่แรก ไม่ต้องซ้อนทับภายหลัง MiniMax ระบุว่าบทพูดเสถียรใน 11 ภาษา รวมถึงอังกฤษ จีน ญี่ปุ่น เกาหลี และสเปน

ผลประโยชน์

03

น้ำหนักแบบเปิดสำหรับ 768p และ API สำหรับ 2K

น้ำหนัก H3-Base เผยแพร่เป็นเช็กพอยต์สองชุด: FL2VA สำหรับข้อความและวิดีโอจากเฟรมแรกและเฟรมสุดท้าย และ Ref2VA สำหรับวิดีโอที่ขับเคลื่อนด้วยสื่ออ้างอิง เมื่อรันบนเครื่องจะเรนเดอร์ที่ 768p ส่วนขั้น 2K คือ H3-Regenerate-2K ยังไม่เปิดซอร์ส ผลลัพธ์ 2K แบบเต็มจึงต้องผ่าน API ของ MiniMax

ขั้นตอนการทำงานที่แนะนำ

เส้นทางสามขั้นตอนง่ายๆ จากแหล่งข้อมูลไปจนถึงผลลัพธ์ที่นำมาใช้ซ้ำได้

ขั้นตอน 1

เลือกโหมด

ใช้ FL2VA สำหรับช็อตที่มีแค่ข้อความ เฟรมแรก เฟรมสุดท้าย หรือทั้งสองเฟรม และใช้ Ref2VA เมื่อช็อตสร้างจากภาพ วิดีโอ หรือเสียงอ้างอิง การสร้างหนึ่งครั้งรับเฟรมหรือสื่ออ้างอิงอย่างใดอย่างหนึ่งเท่านั้น

1

ขั้นตอน 2

รวบรวมสื่ออ้างอิงภายในข้อจำกัด

ภาพสูงสุด 9 ภาพ คลิปวิดีโอ 3 คลิป และคลิปเสียง 3 คลิป รวมไม่เกิน 12 ไฟล์ คลิปวิดีโอหรือเสียงแต่ละคลิปยาว 2–15 วินาที และแต่ละประเภทรวมกันไม่เกิน 15 วินาที จากนั้นบอกด้วยภาษาง่ายๆ ว่าสื่ออ้างอิงแต่ละชิ้นใช้ทำอะไร

2

ขั้นตอน 3

เลือกที่รัน

น้ำหนัก H3-Base แบบเปิดเรนเดอร์ที่ 768p บนฮาร์ดแวร์ของคุณภายใต้สัญญาอนุญาตชุมชน ส่วน API ของ MiniMax รันเวิร์กโฟลว์เต็มได้สูงสุด 2K บน Imgo ยังไม่สามารถสร้าง H3 ได้ ให้ร่างและคัดลอกพรอมต์จากคู่มือพรอมต์ H3 แทน

3

คำถามที่พบบ่อย

ได้ความละเอียดและความยาวเท่าไร

คลิปยาว 4 ถึง 15 วินาทีที่ 24 fps สัดส่วนตั้งแต่ 21:9 ถึง 9:16 พร้อมเสียงสเตอริโอ 32 kHz น้ำหนัก H3-Base แบบเปิดเรนเดอร์ที่ 768p ส่วน 2K มาจาก H3-Regenerate-2K ซึ่งปัจจุบัน MiniMax ให้บริการผ่าน API เท่านั้น

สร้างเสียงให้ด้วย หรือต้องใส่เองภายหลัง

H3 สร้างเสียงไปพร้อมกับวิดีโอ ทั้งบทพูด เสียงเอฟเฟกต์ และเสียงบรรยากาศแบบสเตอริโอเนทีฟในรอบเดียว ในโหมด Ref2VA คลิปเสียงอ้างอิงยังช่วยกำหนดน้ำเสียงและจังหวะได้ด้วย

MiniMax H3 เป็นโอเพนซอร์สไหม

บางส่วน ในเดือนสิงหาคม 2026 MiniMax เผยแพร่น้ำหนัก H3-Base บน Hugging Face เป็นเช็กพอยต์สองชุด คือ FL2VA และ Ref2VA ภายใต้ MiniMax H3 Community License ซึ่งเป็นน้ำหนักแบบเปิด ไม่ใช่สัญญาอนุญาตโอเพนซอร์สที่ OSI รับรอง ตัวประมวลผลพรอมต์ล่วงหน้า H3-Context-IR และขั้น H3-Regenerate-2K ไม่ได้เปิด เวิร์กโฟลว์ 2K อย่างเป็นทางการจึงยังต้องใช้ API ของ MiniMax

ใช้ MiniMax H3 ในเชิงพาณิชย์ได้ไหม

น้ำหนักที่โฮสต์เองอยู่ภายใต้ MiniMax H3 Community License ซึ่งไม่ครอบคลุมสหภาพยุโรป สหราชอาณาจักร สาธารณรัฐเกาหลี และสหรัฐอเมริกา (องค์กรในพื้นที่เหล่านั้นสามารถขอใบอนุญาตจาก MiniMax ได้) ผลิตภัณฑ์ที่มีรายได้เกิน 20 ล้านดอลลาร์สหรัฐต่อปีต้องได้รับอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าผ่าน [email protected] ผลิตภัณฑ์เชิงพาณิชย์ต้องแสดง "MiniMax H3" อย่างเด่นชัดในส่วนติดต่อผู้ใช้ และข้อตกลงอยู่ภายใต้กฎหมายฮ่องกง ส่วนการใช้ H3 ผ่าน API ของ MiniMax จะอยู่ภายใต้ข้อกำหนด API ของ MiniMax แทน นี่เป็นเพียงบทสรุป ไม่ใช่คำแนะนำทางกฎหมาย โปรดอ่านตัวสัญญาอนุญาตก่อนเปิดตัว

Ref2VA รับไฟล์อ้างอิงได้กี่ไฟล์

ภาพสูงสุด 9 ภาพ คลิปวิดีโอสูงสุด 3 คลิป และคลิปเสียงสูงสุด 3 คลิป รวมไม่เกิน 12 ไฟล์ คลิปวิดีโอหรือเสียงแต่ละคลิปต้องยาว 2 ถึง 15 วินาที และคลิปแต่ละประเภทรวมกันต้องไม่เกิน 15 วินาที

สร้างวิดีโอ MiniMax H3 บน Imgo ได้ไหม

ยังไม่ได้ H3 ยังไม่อยู่ในแคตตาล็อกโมเดลที่ใช้งานได้ของ Imgo หน้านี้จึงแสดงสถานะเป็นรอเปิดให้บริการ วันนี้คุณร่างและคัดลอกพรอมต์ H3 จากคู่มือพรอมต์ MiniMax H3 ได้ หรือใช้บรีฟเดียวกันกับโมเดลวิดีโอที่ใช้งานได้บน Imgo

ขั้นตอนต่อไป

อยากเริ่มสร้างวันนี้เลยไหม?

ดูโมเดลที่พร้อมใช้งานบน Imgo ตอนนี้ เปรียบเทียบการตั้งค่าและราคาเครดิต แล้วเริ่มจากโมเดลใดโมเดลหนึ่ง