MiniMax H3 ist ein multimodales Generierungsmodell für den allgemeinen Einsatz: Es liest Text, Bilder, Video und Audio als einen Kontext und gibt Video mit nativem Stereoton zurück, bis zu 15 Sekunden in 2K. MiniMax positioniert es über das Preis-Leistungs-Verhältnis, nennt in 2K unter einem Drittel der Kosten pro Sekunde gängiger Modelle und hat erklärt, die Modellgewichte öffnen zu wollen.
Fähigkeits-Snapshot
2K
Standardauflösung
15s
max. Cliplänge
stereo
natives Audio
Praktischer Wert, abgebildet auf reale Produktionsabläufe.
Vorteil
01
Ein Kontext, nicht vier Pipelines
Text, Bild, Video und Audio gehen als ein einziger Kontext hinein, sodass ein Prompt sagen kann: „Nimm die Kamerabewegung aus diesem Clip, lass die Person auf diesem Bild singen, triff diese Stimme“, und als eine Anweisung verstanden wird, statt an getrennte Expertenmodelle verteilt zu werden.
Vorteil
02
Ton, der mit dem Bild entsteht
Audio entsteht gemeinsam mit dem Video und kommt als natives Stereo heraus, sodass Dialog, Effekte und Atmo bereits passend zur Einstellung ankommen, statt nachträglich darübergelegt zu werden.
Vorteil
03
2K zu geringeren Kosten pro Sekunde
2K ist der Standard und keine Premium-Stufe. MiniMax beziffert den Preis pro Sekunde von H3 in 2K auf unter ein Drittel gängiger Modelle und auf unter die Hälfte von gängigem 720p, wenn es in 768p läuft — was verändert, was Iteration in großer Menge kostet.
Ein einfacher dreistufiger Weg vom Quellmaterial zu einem wiederverwendbaren Ergebnis.
Schritt 1
Den Kontext zusammenstellen
Bringen Sie das Referenzmaterial mit, das Sie haben — einen Clip für die Kamerabewegung, ein Bild für das Motiv, Audio für die Stimme.
Schritt 2
Die Beziehung beschreiben
Sagen Sie in einfachen Worten, wie die Referenzen zum Zielvideo stehen. Das modalitätsübergreifende Denken übernimmt H3 selbst.
Schritt 3
Generieren und iterieren
Rendern Sie bis zu 15 Sekunden in 2K mit Stereoton und iterieren Sie dann — die Kosten pro Sekunde sind es, die wiederholte Durchgänge praktikabel machen.
Bis zu 15 Sekunden, mit 2K als angebotener Standardauflösung. Eine 768p-Stufe ist ebenfalls verfügbar, und dort nennt MiniMax seinen niedrigsten Preis pro Sekunde.
H3 erzeugt Audio gemeinsam mit dem Video, und die Ausgabe ist natives Stereo statt einer nachträglich eingemischten Monospur.
MiniMax hat die Absicht angekündigt, die Modellgewichte zu öffnen, und nennt Hardwarekompatibilität und Anpassbarkeit als Designziele. Behandeln Sie die Verfügbarkeit als ausstehend, bis die Veröffentlichung da ist, und nicht als aktuelle Zusage.
Nächster Schritt
Öffnen Sie das Tool mit einem echten Bild, vergleichen Sie die Ergebnisse und behalten Sie die funktionierende Version.