MiniMax H3 on VM0. Vídeo com áudio nativo até 2K
MiniMax's open general-purpose video model. Gere cliques de 4 a 15 segundos a partir de texto, imagens, vídeo e áudio com áudio estéreo nativo.
Video / Text-to-video / Image-to-video / Audio
MiniMax H3 é um modelo multimodal de vídeo de propósito geral aberto. Entende texto, imagens, vídeo e áudio em um contexto, então gera cliques de 4 a 15 segundos a 768p ou 2K com áudio estéreo nativo. Em VM0, o modelo aceita até 9 imagens de referência, 3 vídeos de referência e 3 clips de áudio, com um máximo de 12 arquivos de referência em uma solicitação.
A posição mais clara de H3 na linha de produtos curada é vídeo de alta resolução com áudio guiado por referência. Ele atinge 2K enquanto manipula referências de movimento, personagens, produtos e trilha sonora juntos. Dreamina Seedance 2.5 é a melhor opção para histórias de 30 segundos e conjuntos de referência maiores; Veo 3.1 Fast e Kling V3 4K permanecem as opções 4K.
O que é o MiniMax H3?
Agosto de 2026 · Modelo multimodal de vídeo de propósito geral com geração conjunta de áudio e vídeo nativo.
MiniMax lançou H3 em julho de 2026 e abriu o modelo para contribuições em agosto. A liberação combina compreensão unificada de texto, imagens, vídeo e áudio com geração nativa de 32 kHz áudio estéreo, saída até 2K e cliques até 15 segundos.
VM0 expõe o caminho hospedado do MiniMax através do alias minimax-h3. Ele suporta geração de texto para vídeo, primeira imagem, última imagem e geração de primeira a última imagem, além de um modo de referência separado para imagens, vídeo e áudio. Imagens de borda e mídia de referência não podem ser combinadas na mesma solicitação.
O que se destaca no MiniMax H3
Principais recursos de arquitetura e capacidade.
Sistema de geração multimodal de vídeo de propósito geral com saída de vídeo e áudio estéreo. H3 une texto, imagens, vídeo e áudio em um contexto para geração guiada por referência. Seu caminho 2K regenera a partir do resultado 768p preservando detalhes em maior resolução.
Especificações em resumo
Preços do MiniMax H3
Preço de tabela do fornecedor por unidade gerada.
Como o MiniMax H3 se comporta na prática
Comportamento observado em execuções de agentes em produção.
2K de saída
A opção de resolução mais alta e guiada por referências na linha curada. O H3 pode capturar referências de imagem, vídeo e áudio até 2K em vez de parar em 720p ou 1080p.
Áudio estéreo nativo
Cada geração do H3 inclui som estéreo co-gerado. Voz, efeitos e música podem desenvolver-se junto com a sequência visual em vez de serem adicionados em uma passagem separada.
Controle omnireferência
Uma única breve pode combinar personagens e produtos de imagens, movimento de vídeos e voz ou ritmo de áudio. O H3 é especialmente útil quando a saída desejada depende de relações entre esses tipos de referência.
Visibilidade do custo de referência
Os segundos de vídeo de entrada e saída são cobrados na mesma taxa específica de resolução. As cinco primeiras imagens de referência estão incluídas; cada imagem adicional é $0.05 em VM0. O áudio de referência não é cobrado separadamente.
Melhores tarefas de agente para o MiniMax H3
O 2K filme de produto com som
Use imagens de produto e de marca para controle visual, adicione uma referência de movimento e um áudio de trilha sonora, e gere um clipe de alta resolução com áudio estéreo nativo em uma passagem.
O desempenho guiado por voz e movimento
Combine uma imagem de personagem, uma referência de movimento e um trecho de áudio. H3 pode usar todas as três modalidades juntas para coordenar aparência, ação e som.
A revelação da primeira à última quadro
Defina as quadras de abertura e fechamento e deixe que o H3 gere a transição entre elas em 768p ou 2K com áudio nativo. Este modo é separado da geração de referências multimodais.
Quando dispensar o MiniMax H3
Pule MiniMax H3 quando precisar de um trecho maior que 15 segundos, uma saída silenciosa, mais de 12 arquivos de referência ou quadros de fronteira e mídia de referência no mesmo pedido. Use Dreamina Seedance 2.5 para narrativas de 30 segundos e conjuntos de referência maiores, Veo 3.1 Fast para saída cinematográfica de duração curta ou 4K para vídeo estilizado nativo Kling V3 4K.
MiniMax H3 vs outros modelos
MiniMax H3 vs Dreamina Seedance 2.5
MiniMax H3 lidera em resolução de saída com 2K vídeo e som estéreo nativo sempre ligado. Seedance 2.5 lidera em duração e capacidade de referência, com trechos até 30 segundos e até 50 referências multimodais.
MiniMax H3 vs Veo 3.1 Fast
O H3 gera trechos mais longos até 15 segundos e aceita referências de imagem, vídeo e áudio, enquanto Veo 3.1 Fast cota em 8 segundos, mas atinge 4K. Ambos geram áudio nativo; escolha H3 para controle de referência e Veo para o acabamento cinematográfico 4K.
MiniMax H3 vs Kling V3 4K
O H3 combina referências multimodais, som estéreo nativo e saída até 2K. Kling V3 4K atinge uma maior resolução de entrega e um teto estilizado mais forte, mas não oferece o fluxo de trabalho guiado por referências do H3.
Conclusão: você deveria usar o MiniMax H3?
Escolha MiniMax H3 para trechos guiados por referências que precisam de som estéreo nativo e resolução até 2K. Escolha Seedance 2.5 para narrativas mais longas e conjuntos de referência maiores, ou uma rota 4K quando a resolução de entrega final é a prioridade.
Perguntas frequentes
Qual duração e resolução MiniMax H3 suporta em VM0?
Cada duração de um segundo inteiro de 4 a 15 segundos, em 768p ou 2K. A atual rota VM0 padrão é 2K.
MiniMax H3 sempre gera áudio?
Sim. O H3 sempre retorna áudio estéreo nativo com o vídeo. Não há opção de saída silenciosa para este modelo.
Quantas referências uma solicitação de H3 pode incluir?
Até 9 imagens, 3 cliques de vídeo e 3 cliques de áudio, com no máximo 12 arquivos de referência em total. O áudio de referência deve estar acompanhado por pelo menos uma imagem ou vídeo.
As primeiras e últimas quadros podem ser combinados com outras referências?
Não. Os modos de quadro-limite do H3 e o modo de referências multimodais são separados. Uma solicitação pode usar quadros-limite ou imagens, vídeos e áudio de referência, mas não ambos os grupos juntos.
MiniMax H3 é preciso em VM0?
O custo de saída é de $0.10 por segundo em 768p ou $0.163 por segundo em 2K. A duração do vídeo de referência é cobrada na mesma taxa. As primeiras cinco imagens de referência estão incluídas, então cada imagem adicional custa $0.05; o áudio de referência é gratuito.
MiniMax H3 é de código aberto?
MiniMax lançou os checkpoints específicos de tarefa e o código de suporte do H3 em agosto de 2026. VM0 usa a rota de API hospedada do MiniMax, então você pode executar o modelo sem precisar implantar esses checkpoints por conta própria.
Alternativas
Usando o MiniMax H3 na VM0
Usando o MiniMax H3 na VM0
Os agentes da VM0 podem chamar o MiniMax H3 como parte de uma execução de agente, cobrado contra seus créditos VM0. O preço de tabela acima é o que o provedor upstream cobra; a VM0 o repassa com a conversão de créditos padrão.
Disponível na VM0 desde August 2026.