MiniMax H3 är en generell multimodal genereringsmodell: den läser text, bilder, video och ljud som en enda kontext och levererar video med inbyggt stereoljud, upp till 15 sekunder i 2K. MiniMax positionerar den på pris/prestanda och anger i 2K under en tredjedel av de etablerade modellernas kostnad per sekund, och har uppgett att man planerar att öppna modellvikterna.
Kapacitetsögonblicksbild
2K
standardupplösning
15s
maximal kliplängd
stereo
inbyggt ljud
Praktiskt värde kartlagt till verkliga produktionsarbetsflöden.
Fördel
01
En kontext, inte fyra pipelines
Text, bild, video och ljud går in som en enda kontext, så en prompt kan säga ”ta kamerarörelsen från det här klippet, låt personen på den här bilden sjunga, matcha den här rösten” och uppfattas som en enda instruktion i stället för att dirigeras genom separata expertmodeller.
Fördel
02
Ljud som skapas tillsammans med bilden
Ljudet skapas tillsammans med videon och kommer ut som inbyggt stereoljud, så dialog, effekter och atmosfärljud är redan i linje med tagningen i stället för att läggas på i efterhand.
Fördel
03
2K till lägre kostnad per sekund
2K är standard, inte en premiumnivå. MiniMax anger H3:s pris per sekund i 2K till under en tredjedel av de etablerade modellernas, och till under hälften av etablerade 720p när den körs i 768p — vilket förändrar vad iteration i volym kostar.
En enkel väg i tre steg från källmaterial till ett återanvändbart resultat.
Steg 1
Sätt ihop kontexten
Ta med det referensmaterial du har — ett klipp för kamerarörelsen, en bild för motivet, ljud för rösten.
Steg 2
Beskriv relationen
Beskriv med enkla ord hur referenserna hänger ihop med den video du vill ha. H3 löser den korsmodala tolkningen själv.
Steg 3
Generera och iterera
Rendera upp till 15 sekunder i 2K med stereoljud och iterera sedan — det är kostnaden per sekund som gör upprepade pass praktiska.
Upp till 15 sekunder, med 2K som standardupplösning. Det finns även en 768p-nivå, och det är för den MiniMax anger sitt lägsta pris per sekund.
H3 skapar ljudet tillsammans med videon, och resultatet är inbyggt stereoljud i stället för ett monospår som mixas in i efterhand.
MiniMax har meddelat en avsikt att öppna modellvikterna och anger hårdvarukompatibilitet och anpassningsbarhet som designmål. Betrakta tillgängligheten som avvaktande tills släppet faktiskt sker, inte som en garanti i dag.
Nästa steg
Öppna verktyget med en riktig bild, jämför resultaten och behåll den version som fungerar.