MiniMax H3: كيف يجمع نموذج واحد النص والصور والفيديو والصوت؟

ما الذي يقدمه MiniMax H3؟

MiniMax H3 هو نموذج مفتوح الأوزان لتوليد الفيديو، أطلقته الشركة في 3 أغسطس 2026. فكرته الأساسية أن يتعامل مع النص والصور والفيديو والصوت داخل السياق نفسه، ثم ينتج الفيديو والصوت الاستيريو معاً بدلاً من الاعتماد على أدوات منفصلة لكل عنصر. 12

لا يعني ذلك أن H3 يلغي دور المونتير أو المخرج أو المراجعة البشرية. لكنه يغيّر نقطة التركيز في سير العمل: وقت أقل في جمع الأصول الخام ومزامنة المسارات، ووقت أكبر في وصف النية، وتقديم المراجع، وتوليد نسخ متعددة، ثم اختيار النتيجة الأقوى وتنقيحها.

فيديو وصوت في عملية توليد واحدة

يدعم H3 إنشاء الفيديو من خلال مطالبة نصية، أو إطارات مفتاحية، أو مراجع متعددة الوسائط. وتذكر وثائق ComfyUI أن النموذج يمكنه إنتاج فيديو بدقة تصل إلى 2K، وبمعدل 24 إطاراً في الثانية، ولمدة تقارب 15 ثانية، مع توليد الحوار والموسيقى والمؤثرات الصوتية كصوت استيريو أصلي في العملية نفسها. 2

وتكمن أهمية دمج الصوت في معالجة مشكلة شائعة في إنتاج الفيديو بالذكاء الاصطناعي: لم تعد الصورة والصوت مضطرين إلى البدء كمهمتين منفصلتين تماماً. فالنموذج يحاول بناء النتيجة السمعية والبصرية بصورة مشتركة، مع بقاء الحاجة إلى المونتاج التقليدي والتنظيف النهائي في الأعمال الاحترافية.

مساران مفتوحا الأوزان: FL2VA وRef2VA

يتضمن الإصدار المفتوح نسختين رئيسيتين من H3-Base، ولكل منهما استخدام عملي مختلف.

FL2VA: للمطالبات النصية والإطارات

صُمم FL2VA لتحويل النص إلى فيديو، وكذلك لتوليد الفيديو انطلاقاً من الإطار الأول أو الأخير أو كليهما. وهو الخيار الأنسب عندما يريد المستخدم البدء بوصف نصي، أو تثبيت نقطة بصرية محددة، أو توجيه انتقال بين إطارين يقدمهما مسبقاً. 158

Ref2VA: للمراجع متعددة الوسائط

أما Ref2VA فهو المسار المعتمد على المراجع. ويمكنه استخدام مجموعات من الصور والفيديو والملفات الصوتية كسياق للتوليد، بحيث تؤثر المراجع في عناصر مثل الهوية البصرية، والحركة، والأسلوب، والصوت ضمن إعداد واحد. 128

باختصار، يناسب FL2VA سير العمل الذي يقوده النص أو الإطار المفتاحي، بينما يناسب Ref2VA المشاريع التي تحتاج إلى الاستناد إلى عدة أصول موجودة مسبقاً.

كيف يقلل H3 من تشتت أدوات إنتاج الفيديو؟

قبل ظهور سير العمل متعدد الوسائط، كان إنتاج مقطع قصير قد يتطلب خطوات منفصلة من أجل:

• كتابة النص أو توسيعه؛
• إنشاء صورة للشخصية أو البحث عنها؛
• توليد الحركة أو لقطات الخلفية؛
• تركيب الحوار أو التعليق الصوتي؛
• إضافة الموسيقى والمؤثرات؛
• ثم مزامنة الصوت والصورة في مرحلة ما بعد الإنتاج.

يختصر H3 عدداً من هذه المراحل داخل تفاعل واحد. فقد يقدّم المبدع مطالبة نصية، وإطار بداية أو نهاية، ومرجعاً للحركة، ومرجعاً صوتياً، ثم يطلب مقطعاً سمعياً وبصرياً بدلاً من إدارة كل أصل بمعزل عن الآخر. 28

لكن النتيجة ليست بالضرورة فيلماً جاهزاً للنشر. التغيير الأكبر يتمثل في انتقال الجهد الإبداعي من الحصول على كل مكوّن خام إلى تحديد القيود، ومقارنة النسخ، وتحسين المطالبات، ومراجعة المخرجات المختارة. وهذا أثر متوقع من تصميم H3 متعدد الوسائط، وليس ضماناً لثبات الشخصيات أو دقة التوقيت أو جودة صوت مناسبة للبث.

تنبيه مهم: الأوزان المفتوحة لا تعني تشغيل منظومة 2K كاملة محلياً

هذه هي النقطة الأهم لمن يفكر في تجربة H3 على حاسوبه.

الإصدار القابل للتنزيل يغطي H3-Base، بما في ذلك FL2VA وRef2VA. وتشير أدلة التثبيت ووثائق النماذج إلى أن نقاط التحقق الأساسية تولّد فيديو بدقة 768p محلياً، بينما مرحلة H3-Regenerate-2K الخاصة بالترقية إلى 2K ليست مفتوحة المصدر، وتظل متاحة عبر خدمة MiniMax المستضافة. 6912

لذلك فعبارتا «H3 يدعم 2K» و«الأوزان المفتوحة تشغّل خط إنتاج 2K الكامل محلياً» ليستا الشيء نفسه. الأولى تصف العرض المستضاف الأوسع، أما الثانية فتتجاوز ما أُتيح في الإصدار المفتوح.

هل يمكن تشغيل MiniMax H3 على بطاقة رسومية استهلاكية؟

نعم، لكن التشغيل المحلي مشروع تقني يحتاج إلى إعدادات وتنازلات، وليس تثبيتاً مكتبياً بسيطاً.

يمكن للأوزان المضغوطة، واستخدام ذاكرة النظام، وتقنيات تفريغ الطبقات أن تجعل بعض إعدادات H3 ممكنة على بطاقات تبدأ من نحو 12 غيغابايت من ذاكرة الفيديو، وفق تقارير مجتمعية. إلا أن أصغر مجموعة تشغيل موصوفة تبلغ نحو 42.5 غيغابايت من الملفات، ما يعني أن مساحة التخزين وذاكرة RAM مهمتان إلى جانب VRAM. 710

وتجدر الإشارة إلى أن بطاقة RTX 5070 Ti تأتي بذاكرة فيديو قدرها 16 غيغابايت، لا 12 غيغابايت. وقد اختُبرت عليها نسخ تجريبية مضغوطة من H3، لكن نجاح التشغيل وسرعته يعتمدان على الإعداد الدقيق، والدقة، وعدد الخطوات، واستراتيجية تفريغ الطبقات، وسير العمل المستخدم. 333439

لهذا ينبغي التعامل مع أرقام السرعة المنشورة بوصفها تجارب مرتبطة بإعدادات محددة، لا معايير عامة لأداء H3. فقد أبلغ اختبار مجتمعي عن نحو 160 ثانية لإنشاء مقطع مدته 5 ثوانٍ بدقة 480p، ونحو 560 ثانية عند 720p على نظام يستخدم RTX 5070 Ti، بينما عرضت تقارير أخرى نتائج مختلفة وأكدت عدم وجود توقيت موثق لهذه البطاقة في إعدادات معينة. 453438

أما من يفضل السرعة على التحكم المحلي، فيمكنه استخدام واجهة API المستضافة، التي تتجنب تنزيل النموذج وتشغيل سير عمل كبير يعتمد على تفريغ الطبقات. كما يدعم ComfyUI سير عمل H3 عبر API المستضافة، لذلك لا يقتصر الاختيار على تشغيل محلي كامل أو استخدام تطبيق إبداعي منفصل. 48

دور ComfyUI وسير العمل الوكيلي

أضاف ComfyUI دعماً أصلياً لـ H3 بالتزامن مع إطلاق الأوزان المفتوحة، مع مسارات لتحويل النص إلى فيديو، والتوليد المشروط بصورة أو إطار، والتوليد المعتمد على المراجع. 12

ويجعل هذا الوصول القائم على العقد من السهل ربط H3 بالبرمجيات النصية وأدوات الأتمتة الإبداعية. فمن حيث المبدأ، يمكن لوكيل برمجي إرسال عدد كبير من المطالبات القصيرة باستخدام بذور أو مراجع مختلفة، وترتيب الملفات الناتجة، وإنشاء صفحات معاينة، ثم مساعدة الإنسان في مراجعة المرشحين.

لكن يجب التمييز بين الأمرين: التوليد المتوازي والتقييم الآلي قدرات يضيفها نظام الأتمتة المحيط، وليسا ميزة تجعل H3 يقرر وحده أي مقطع هو الأفضل. وتظل المراجعة البشرية ضرورية لفحص الاستمرارية، والتكوين، وجودة الحوار، وملاءمة النتيجة.

كم تبلغ تكلفة MiniMax H3؟

تسرد وثائق MiniMax الرسمية للدفع حسب الاستخدام سعر H3 عند 0.08 دولار لكل ثانية من مخرجات 768p، و0.13 دولار لكل ثانية من مخرجات 2K. كما تسرد الوثائق سعراً قدره 0.05 دولار لكل ثانية لترقية فيديو من 768p إلى 2K عبر إعادة التوليد. 17

وعليه، تبلغ تكلفة مقطع مدته 10 ثوانٍ تقريباً:

• 0.80 دولار عند 768p؛
• 1.30 دولار عند 2K؛
• مع احتمال إضافة تكاليف لإعادة التوليد أو بعض المدخلات المرجعية القابلة للفوترة.

أما الادعاء المتكرر بأن مقطع 2K مدته 10 ثوانٍ يبدأ من نحو 0.60 دولار، فلا تدعمه بطاقة الأسعار الرسمية المتاحة هنا. وقد يكون الرقم متعلقاً بعرض ترويجي أو بحساب أرصدة ضمن اشتراك أو بخدمة أخرى، لكنه لا ينبغي تقديمه كسعر API قياسي من MiniMax من دون دليل أقوى.

كذلك فإن MiniMax Design منتج إبداعي مغلق منفصل عن أوزان H3 القابلة للتنزيل. وتصف تقارير من جهات خارجية Design بأنه تطبيق يعتمد على H3 أو على تقنياته، مع نظام أرصدة وعروض خاص به؛ لذلك لا ينبغي اعتباره المنتج نفسه الذي يشغّل H3-Base محلياً. 18

ماذا يعني H3 للمبدعين؟

لا تكمن أهمية MiniMax H3 في إلغاء كل مراحل إنتاج الفيديو، بل في توحيد المدخلات التي كانت موزعة سابقاً بين أدوات مختلفة. فالنص يصف المشهد، والصورة تحدد المظهر، والفيديو يوجّه الحركة، والصوت يؤثر في الحوار أو الأجواء، بينما ينتج النموذج مرشحاً سمعياً وبصرياً متزامناً. 2

بالنسبة إلى المبدعين، قد يجعل ذلك تطوير الأفكار القصيرة أكثر تكراراً واعتماداً على المراجع. وبالنسبة إلى المطورين، تمنح الأوزان المفتوحة ودعم ComfyUI أساساً لبناء مسارات مخصصة، والتوليد الدفعي، ومراجعة المخرجات بمساعدة الوكلاء. أما المشترون، فعليهم الموازنة بين قيمة التحكم والتجريب محلياً وبين تكلفة العتاد والإعداد، أو اختيار التوليد المستضاف بدقة 2K مقابل دفع تكلفة الاستخدام.

الخلاصة الأدق: يقلل H3 من تشتت الأدوات في مرحلة التوليد، لكنه لا يلغي الحكم الإنتاجي البشري. كما أن الإصدار المفتوح من الأوزان يمثل جزءاً من منظومة MiniMax المستضافة بدقة 2K، وليس المنظومة الكاملة كلها.