MiniMax H3 sur VM0. Vidéo audio natif jusqu'à 2K
Modèle généraliste multimodal de MiniMax. Générer des clips de 4 à 15 secondes à partir de texte, d'images, de vidéo et d'audio avec un son stéréo natif.
Video / Text-to-video / Image-to-video / Audio
MiniMax H3 est un modèle multimodal généraliste ouvert. Il comprend le texte, les images, la vidéo et l'audio dans un contexte unique, puis génère des clips de 4 à 15 secondes à 768p ou 2K avec un son stéréo natif. Sur VM0, le modèle accepte jusqu'à 9 images de référence, 3 vidéos de référence et 3 clips d'audio de référence, avec un maximum de 12 fichiers de référence par demande.
La position la plus claire d'H3 dans la gamme curée est une vidéo haute-résolution avec des références guidées et du son. Elle atteint 2K tout en gérant les références de mouvement, de personnages, de produits et de bande son ensemble. Dreamina Seedance 2.5 est la meilleure option pour les histoires de 30 secondes et des ensembles de références plus grands ; Veo 3.1 Fast et Kling V3 4K restent les options 4K.
Qu'est-ce que MiniMax H3 ?
Août 2026 · Modèle généraliste multimodal vidéo avec génération jointe audio et vidéo natif.
MiniMax a introduit H3 en juillet 2026 et a rendu le modèle open source en août. La sortie combine une compréhension unifiée du texte, des images, de la vidéo et de l'audio avec un son stéréo natif 32 kHz, une sortie jusqu'à 2K et des clips jusqu'à 15 secondes.
VM0 expose la route hôte MiniMax par l'alias minimax-h3. Il prend en charge la génération de texte à vidéo, la première image, la dernière image et la génération de la première à la dernière image, ainsi qu'un mode de référence séparé pour les images, la vidéo et l'audio. Les images limites et les médias de référence ne peuvent pas être combinés dans la même demande.
Ce qui distingue MiniMax H3
Principales caractéristiques d'architecture et de capacités.
Système de génération multimodal vidéo généraliste avec une sortie jointe vidéo et stéréo-audio. H3 unifie le contexte de texte, d'images, de vidéo et d'audio pour une génération guidée par référence. Son 2K chemin régénère à partir du 768p résultat avec le contexte original pour préserver les détails à une plus haute résolution.
Spécifications en un coup d'œil
Tarification de MiniMax H3
Prix catalogue fournisseur par unité générée.
Comment MiniMax H3 se comporte en pratique
Comportement observé lors d'exécutions d'agents en production.
2K de sortie
L'option de résolution la plus élevée dans la gamme curée, guidée par des références. H3 peut prendre des références d'images, de vidéos et d'audio jusqu'à 2K au lieu d'arrêter à 720p ou 1080p.
Son stéréo natif
Chaque génération H3 inclut un son stéréo jointement généré. La voix, les effets et la musique peuvent évoluer avec la séquence visuelle plutôt que d'être ajoutés dans un passe séparé.
Contrôle omnireférences
Un seul brief peut combiner des personnages et des produits d'images, du mouvement de vidéos et de la voix ou du rythme d'audio. H3 est particulièrement utile lorsque la sortie souhaitée dépend des relations entre ces types de références.
Visibilité des coûts des références
Les secondes de sortie et d'entrée vidéo sont facturées au même taux spécifique à la résolution. Les cinq premières images de référence sont incluses ; chaque image supplémentaire coûte $0.05 sur VM0. Le son de référence n'est pas facturé séparément.
Meilleures tâches d'agent pour MiniMax H3
Le film 2K avec son
Utilisez des images de produits et de marques pour le contrôle visuel, ajoutez une référence de mouvement et un son de bande originale, et générez une banderole haute-résolution avec un son stéréo natif en une passe.
Le guidage par la performance guidé par la voix et le mouvement
Combinez une image de personnage, une référence de mouvement et une bande son. H3 peut utiliser les trois modalités ensemble pour coordonner l'apparence, l'action et le son.
La révélation de la première à la dernière image
Définissez les cadres d'ouverture et de fermeture et laissez H3 générer la transition entre eux à 768p ou 2K avec un son natif. Ce mode est distinct de la génération de références multimodales.
Quand éviter MiniMax H3
Sautez MiniMax H3 lorsque vous avez besoin d'une banderole plus longue que 15 secondes, d'une sortie silencieuse, plus de 12 fichiers de référence, ou des cadres de bordure et des médias de référence dans la même demande. Utilisez Dreamina Seedance 2.5 pour des narrations de 30 secondes et des ensembles de références plus grands, Veo 3.1 Fast pour une sortie cinématographique courte 4K ou Kling V3 4K pour un vidéo stylisé natif 4K.
MiniMax H3 vs autres modèles
MiniMax H3 vs Dreamina Seedance 2.5
MiniMax H3 mène en termes de résolution de sortie avec 2K vidéo et son stéréo natif toujours activé. Seedance 2.5 mène en termes de durée et de capacité de références, avec des banderoles jusqu'à 30 secondes et jusqu'à 50 références multimodales.
MiniMax H3 vs Veo 3.1 Fast
H3 génère des banderoles plus longues jusqu'à 15 secondes et accepte des références d'images, de vidéos et d'audio, tandis que Veo 3.1 Fast atteint 8 secondes mais atteint 4K. Les deux génèrent un son natif ; choisissez H3 pour le contrôle des références et Veo pour le finition cinématographique 4K.
MiniMax H3 vs Kling V3 4K
H3 combine des références multimodales, un son stéréo natif et une sortie jusqu'à 2K. Kling V3 4K atteint une résolution de livraison plus élevée et a un plafond plus stylisé, mais ne propose pas le flux de travail guidé par les références d'H3.
En résumé : devriez-vous utiliser MiniMax H3 ?
Choisissez MiniMax H3 pour des banderoles guidées par les références nécessitant un son stéréo natif et une résolution jusqu'à 2K. Choisissez Seedance 2.5 pour des narrations plus longues et des ensembles de références plus grands, ou une route 4K lorsque la résolution finale de livraison est la priorité.
Questions fréquentes
Quelle durée et quelle résolution supporte MiniMax H3 sur VM0 ?
Tous les durées en secondes entières de 4 à 15 secondes, à 768p ou 2K. Le chemin actuel VM0 par défaut à 2K.
MiniMax H3 génère-t-il toujours de l'audio ?
Oui. H3 retourne toujours un audio stéréo natif avec la vidéo. Une option de sortie silencieuse n'est pas disponible pour ce modèle.
Combien de références peut-on inclure dans une requête H3 ?
Jusqu'à 9 images, 3 bandes vidéo et 3 bandes sonores, avec un total de 12 fichiers de référence maximum. Le son de référence doit être accompagné d'au moins une image ou une vidéo.
Les premiers et derniers cadres peuvent-ils être combinés avec d'autres références ?
Non. Le mode cadre limite de H3 et le mode de référence multimodal sont distincts. Une requête peut utiliser des cadres de début et de fin ou des images, des bandes vidéo et des bandes sonores de référence, mais pas les deux groupes ensemble.
MiniMax H3 est-il facturé sur VM0 ?
Les sorties sont facturées $0.10 par seconde à 768p ou $0.163 par seconde à 2K. La durée de la vidéo de référence est facturée au même taux. Les cinq premières images de référence sont incluses, puis chaque image supplémentaire coûte $0.05; le son de référence est gratuit.
MiniMax H3 est-il open source ?
MiniMax a publié les checkpoints spécifiques à la tâche et le code d'appui de H3 en août 2026. VM0 utilise la route API hébergée de MiniMax, donc vous pouvez exécuter le modèle sans déployer ces checkpoints vous-même.
Alternatives
Utiliser MiniMax H3 sur VM0
Utiliser MiniMax H3 sur VM0
Les agents VM0 peuvent appeler MiniMax H3 dans le cadre d'une exécution d'agent, facturé sur vos crédits VM0. Le prix catalogue ci-dessus est ce que le fournisseur en amont facture ; VM0 le répercute avec la conversion en crédits standard.
Disponible sur VM0 depuis le August 2026.