Tạo video

MiniMax H3

Video tối đa 2K kèm âm thanh stereo gốc từ một ngữ cảnh duy nhất gồm văn bản, hình ảnh, video và âm thanh — cùng trọng số mở để chạy cục bộ ở 768p

MiniMax H3 là mô hình video đa phương thức đa dụng: nó đọc văn bản, hình ảnh, video và âm thanh như một ngữ cảnh duy nhất và trả về các clip dài 4–15 giây kèm âm thanh stereo gốc 32 kHz, bao gồm lời thoại và hiệu ứng. Trọng số H3-Base được mở dưới dạng hai checkpoint, FL2VA và Ref2VA, xuất ở 768p trên phần cứng của bạn; đầu ra 2K đầy đủ phải chạy qua API của MiniMax. Hiện chưa thể tạo H3 trên Imgo.

Một ngữ cảnh, không phải bốn đường ốngÂm thanh sinh ra cùng hình ảnhTrọng số mở cho 768p, API cho 2K

Ảnh chụp nhanh về khả năng

2K

đầu ra tối đa, qua API

768p

trọng số mở, chạy cục bộ

15s

độ dài clip tối đa

Xem MiniMax H3 hoạt động

Tìm hiểu quy trình, lợi ích chính và kết quả trong 27 giây.

27 giâyChữ trên màn hình bằng tiếng AnhBản demo minh họa: giao diện được dựng lại bằng hình ảnh mẫu, không phải kết quả do tính năng này tạo ra.

Lợi ích cốt lõi

Giá trị thực tế được ánh xạ tới quy trình sản xuất thực tế.

Lợi ích

01

Một ngữ cảnh, không phải bốn đường ống

Văn bản, hình ảnh, video và âm thanh đi vào như một ngữ cảnh duy nhất, nên một prompt có thể nói "lấy chuyển động máy quay từ clip này, cho người trong ảnh này hát, khớp với giọng này" và được hiểu là một chỉ dẫn. Chế độ tham chiếu nhận tối đa 9 ảnh, 3 clip video và 3 clip âm thanh, tổng cộng 12 tệp.

Lợi ích

02

Âm thanh sinh ra cùng hình ảnh

Âm thanh được tạo cùng video ở dạng stereo 32 kHz, nên lời thoại, hiệu ứng và âm thanh môi trường khớp với cảnh quay ngay từ đầu thay vì phải chồng thêm về sau. MiniMax cho biết lời thoại ổn định ở 11 ngôn ngữ, gồm tiếng Anh, tiếng Trung, tiếng Nhật, tiếng Hàn và tiếng Tây Ban Nha.

Lợi ích

03

Trọng số mở cho 768p, API cho 2K

Trọng số H3-Base được công bố dưới dạng hai checkpoint: FL2VA cho văn bản và video từ khung hình đầu và cuối, Ref2VA cho video dẫn dắt bằng tham chiếu. Khi chạy cục bộ, chúng xuất ở 768p. Lượt 2K, H3-Regenerate-2K, chưa được mở mã nguồn, nên đầu ra 2K đầy đủ phải chạy qua API của MiniMax.

Quy trình làm việc được đề xuất

Lộ trình ba bước đơn giản từ tài liệu nguồn đến kết quả có thể sử dụng lại.

Bước 1

Chọn chế độ

Dùng FL2VA cho cảnh chỉ có văn bản, có khung hình đầu, khung hình cuối hoặc cả hai, và dùng Ref2VA khi cảnh được dựng từ ảnh, video hoặc âm thanh tham chiếu. Một lần tạo chỉ nhận khung hình hoặc tham chiếu, không bao giờ cả hai.

1

Bước 2

Gom tham chiếu trong giới hạn

Tối đa 9 ảnh, 3 clip video và 3 clip âm thanh, nhiều nhất 12 tệp. Mỗi clip video hoặc âm thanh dài 2–15 giây, và tổng mỗi loại không quá 15 giây. Sau đó nói bằng lời đơn giản mỗi tham chiếu dùng để làm gì.

2

Bước 3

Chọn nơi chạy

Trọng số H3-Base mở xuất ở 768p trên phần cứng của bạn theo giấy phép cộng đồng; API của MiniMax chạy toàn bộ quy trình đến 2K. Trên Imgo, hiện chưa thể tạo H3 — hãy soạn và sao chép prompt từ hướng dẫn prompt H3.

3

Những câu hỏi thường gặp

Độ phân giải và thời lượng đầu ra là bao nhiêu?

Clip dài 4 đến 15 giây ở 24 fps, tỷ lệ khung hình từ 21:9 đến 9:16, kèm âm thanh stereo 32 kHz. Trọng số H3-Base mở xuất ở 768p; 2K đến từ H3-Regenerate-2K, hiện MiniMax chỉ cung cấp qua API.

Mô hình tự tạo âm thanh hay tôi phải thêm sau?

H3 tạo âm thanh cùng với video: lời thoại, hiệu ứng âm thanh và âm thanh môi trường dạng stereo gốc trong cùng một lượt. Ở chế độ Ref2VA, các clip âm thanh tham chiếu còn có thể dẫn dắt giọng nói và nhịp độ.

MiniMax H3 có phải mã nguồn mở không?

Một phần. Vào tháng 8 năm 2026, MiniMax công bố trọng số H3-Base trên Hugging Face dưới dạng hai checkpoint, FL2VA và Ref2VA, theo MiniMax H3 Community License: đây là trọng số mở, không phải giấy phép mã nguồn mở được OSI công nhận. Bộ tiền xử lý prompt H3-Context-IR và công đoạn H3-Regenerate-2K không được mở, nên quy trình 2K chính thức vẫn cần API của MiniMax.

Tôi có thể dùng MiniMax H3 cho mục đích thương mại không?

Với trọng số tự lưu trữ, MiniMax H3 Community License được áp dụng. Giấy phép này không áp dụng cho EU, Vương quốc Anh, Hàn Quốc và Hoa Kỳ (các tổ chức ở đó có thể xin giấy phép từ MiniMax); sản phẩm có doanh thu hơn 20 triệu đô la Mỹ mỗi năm cần được cho phép trước bằng văn bản qua [email protected]; sản phẩm thương mại phải hiển thị nổi bật "MiniMax H3" trên giao diện người dùng; và thỏa thuận chịu sự điều chỉnh của luật Hồng Kông. Còn việc dùng H3 qua API của MiniMax thì tuân theo điều khoản API của MiniMax. Đây là bản tóm tắt, không phải tư vấn pháp lý — hãy tự đọc giấy phép trước khi ra mắt sản phẩm.

Ref2VA nhận được bao nhiêu tệp tham chiếu?

Tối đa 9 ảnh, tối đa 3 clip video và tối đa 3 clip âm thanh, tổng cộng không quá 12 tệp. Mỗi clip video hoặc âm thanh phải dài từ 2 đến 15 giây, và tổng các clip cùng loại không được vượt quá 15 giây.

Tôi có thể tạo video MiniMax H3 trên Imgo không?

Chưa. H3 chưa có trong danh mục mô hình đang hoạt động của Imgo, vì vậy trang này hiển thị trạng thái của nó là đang chờ. Ngay hôm nay bạn có thể soạn và sao chép prompt H3 từ hướng dẫn prompt MiniMax H3, hoặc chạy cùng yêu cầu trên một mô hình video đang hoạt động trên Imgo.

Bước tiếp theo

Muốn tạo ngay hôm nay?

Xem các mô hình đang hoạt động trên Imgo, so sánh cài đặt và báo giá tín dụng, rồi bắt đầu với một mô hình trong số đó.