MiniMax H3 est un modèle de génération multimodal généraliste : il lit le texte, les images, la vidéo et l'audio comme un seul contexte et renvoie de la vidéo avec un son stéréo natif, jusqu'à 15 secondes en 2K. MiniMax le positionne sur le rapport prix-performance, en annonçant moins d'un tiers du coût par seconde des modèles grand public en 2K, et a déclaré qu'il prévoit d'ouvrir les poids du modèle.
instantané des fonctionnalités
2K
résolution par défaut
15s
durée de clip maximale
stereo
audio natif
valeur pratique adaptée aux flux de production réels.
Avantage
01
Un seul contexte, pas quatre pipelines
Le texte, l'image, la vidéo et l'audio entrent comme un seul contexte, si bien qu'un prompt peut dire « reprends le mouvement de caméra de ce clip, fais chanter la personne de cette image, cale-toi sur cette voix » et être compris comme une seule instruction, au lieu d'être réparti entre des modèles experts distincts.
Avantage
02
Le son généré avec l'image
L'audio est produit conjointement avec la vidéo et sort en stéréo native, si bien que dialogues, effets et ambiance arrivent déjà calés sur le plan au lieu d'être ajoutés après coup.
Avantage
03
Du 2K à un coût par seconde plus bas
Le 2K est le réglage par défaut, pas une option premium. MiniMax annonce le prix par seconde de H3 en 2K à moins d'un tiers de celui des modèles grand public, et à moins de la moitié du 720p grand public lorsqu'il tourne en 768p — ce qui change le coût de l'itération en volume.
Un chemin simple en trois étapes depuis le matériel source jusqu'à un résultat réutilisable.
Étape 1
Assembler le contexte
Apportez le matériel de référence dont vous disposez — un clip pour le mouvement de caméra, une image pour le sujet, de l'audio pour la voix.
Étape 2
Décrire la relation
Dites en mots simples comment les références se rapportent à la vidéo visée. H3 se charge lui-même du raisonnement intermodal.
Étape 3
Générer et itérer
Rendez jusqu'à 15 secondes en 2K avec audio stéréo, puis itérez — c'est le coût par seconde qui rend les passes répétées praticables.
Jusqu'à 15 secondes, avec le 2K proposé comme résolution par défaut. Un palier 768p est également disponible, et c'est là que MiniMax annonce son tarif par seconde le plus bas.
H3 génère l'audio conjointement avec la vidéo, et la sortie est en stéréo native plutôt qu'une piste mono mixée après coup.
MiniMax a annoncé son intention d'ouvrir les poids du modèle, en citant la compatibilité matérielle et la personnalisation comme objectifs de conception. Considérez la disponibilité comme à venir tant que la publication n'a pas eu lieu, et non comme une garantie actuelle.
Prochaine étape
Ouvrez l'outil avec une image réelle, comparez les résultats et conservez la version qui fonctionne.