MiniMax H3 — генератор видео 2K с нативным стереозвуком. Понимает текст, фото, видео и аудио, держит длительность до 15 секунд, точно следует инструкциям и переносит движение с референсов.
MiniMax H3 - универсальная мультимодальная видеомодель MiniMax с открытыми весами. Она воспринимает текст, изображения, видео и аудио как единый контекст и генерирует ролики с нативной стереодорожкой: звук и картинка предсказываются совместно, а не накладываются отдельно. Разрешение до 2K, длительность до 15 секунд, частота 24 кадра в секунду, соотношения сторон от 21:9 до 9:16.
Режимы работы: текст в видео, генерация по первому кадру или по паре первый и последний кадр, а также омни-референс - до 12 файлов на запрос: не более 9 изображений, 3 видеоклипов и 3 аудиодорожек (аудио только в связке с картинкой или видео). Референсами можно задать внешность персонажа, действие, движение камеры, композицию, голос, атмосферу и монтажный ритм. Отдельно поддерживается редактирование готового видео по инструкции: замена людей, объектов, сцен, реплик и эффектов.
От прежних видеомоделей MiniMax H3 отличается тем, что генерация, работа с референсами и правка ролика объединены в одной модели, а не разнесены по отдельным инструментам. Это позволяет собрать сцену из разнородных исходников и затем точечно доработать результат без смены модели.
От 4 до 15 секунд. Частота кадров - 24 в секунду.
Цена считается за секунду: 200 SC в 768P и 325 SC в 2K. Минимальный запуск стоит от 800 SC. Входное видео тарифицируется наравне с результатом.
Да, модель создаёт нативную стереодорожку вместе с видео. Отдельная озвучка не нужна.
До 12 файлов на запрос: не более 9 изображений, 3 видеоклипов и 3 аудиодорожек. Аудио принимается только вместе с картинкой или видео.
Да, есть режимы по первому кадру и по паре первый и последний кадр. Модель строит движение между ними.
Да. По текстовой инструкции модель заменяет людей, объекты, сцены, реплики и эффекты в ролике.