RéponsesPublié20 sources
MiniMax H3 : ce que contient réellement la publication des poids de H3-Base
Le 3 août 2026, MiniMax a publié sur Hugging Face les poids de H3 Base : un générateur dense à flux unique de 33 milliards de paramètres pour produire vidéo et audio stéréo synchronisés en 768p. Le système H3 complet traite des contextes mêlant texte, images, vidéo et audio et peut aller jusqu’à 15 secondes et 2K, m...
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Le 3 août 2026, MiniMax a publié sur Hugging Face les poids de H3 Base : un générateur dense à flux unique de 33 milliards de paramètres pour produire vidéo et audio stéréo synchronisés en 768p.
- Le système H3 complet traite des contextes mêlant texte, images, vidéo et audio et peut aller jusqu’à 15 secondes et 2K, mais les briques Context IR et Regenerate 2K ne font pas partie de la publication ouverte.
- Pour l’auto hébergement et l’intégration en production, il faut évaluer la licence, les composants complémentaires du pipeline et les besoins matériels, au delà du seul chiffre de 33 milliards de paramètres.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did MiniMax’s August 2026 open-weight release of H3-Base on Hugging Face include—covering H3’s 33B-parameter dense single-stream H3-Omn. Article summary: MiniMax’s August 3, 2026 Hugging Face release made the **H3-Base generation weights** available, not the entire three-stage H3 system. It brought a large multimodal, audio-native video model into local and customizable w. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
La publication de MiniMax sur Hugging Face, le 3 août 2026, doit surtout être comprise comme une ouverture des poids de H3-Base : l’étape de génération de son système vidéo H3. Elle ne permet pas, à elle seule, de reproduire toute l’expérience proposée par le service hébergé de MiniMax. H3-Base génère en 768p une vidéo et son audio synchronisé ; le traitement avancé du contexte et la régénération 2K restent des étapes distinctes. 1
5
Ce qui a été publié
MiniMax a mis les poids de H3 à disposition sur Hugging Face autour de H3-Base, avec des poids de tâches FL2VA et Ref2VA signalés dans la publication. 1
13
Le cœur de génération est le H3-Omni-Transformer, un Transformer dense à flux unique de 33 milliards de paramètres. Son principe est de débruiter conjointement les représentations de l’image et du son, plutôt que d’ajouter l’audio après la génération vidéo. Le système H3, dans son ensemble, accepte un contexte combinant texte, images, vidéo et audio, et vise une sortie vidéo accompagnée d’un son stéréo natif. 5
10
Le chiffre de 33 milliards ne décrit toutefois que ce cœur de génération. Une exécution complète implique aussi un encodeur H3, un VisualVAE et un AudioVAE. 10
13
Les trois étages de H3 : l’essentiel à retenir
MiniMax décrit une architecture en trois modules :
- H3-Context-IR interprète et affine les instructions multimodales complexes afin de les convertir en représentation intermédiaire exploitable par le générateur. MiniMax le présente comme déterminant pour la qualité finale.
5
- H3-Base produit la vidéo et l’audio synchronisés en 768p à partir de ce contexte préparé. C’est le module dont les poids ont été publiés.
13
- H3-Regenerate-2K effectue l’étape de régénération utilisée pour la sortie 2K. Il n’était pas inclus dans la publication des poids.
9
Autrement dit, installer H3-Base localement ne revient pas à installer le produit H3 complet montré dans les démonstrations 2K. Le système complet annonce des clips jusqu’à 15 secondes et une sortie allant jusqu’à la 2K, mais le générateur ouvert est l’étage 768p. 5
9
Une même chaîne générative pour l’image et le son
L’originalité technique de H3 est d’unifier la génération vidéo et audio dans un seul flux. Le H3-Omni-Transformer est un modèle dense de 33 milliards de paramètres ; le dépôt MiniMax indique qu’environ 13 milliards sont situés dans des branches liées à AdaLN, dont les sorties peuvent être précalculées et mises en cache. 10
Le pipeline de représentation comprend également un encodeur, un VAE visuel et un VAE audio. Les descriptions techniques publiées indiquent une compression vidéo de 16× dans l’espace et de 4× dans le temps par le VAE visuel ; la tokenisation aboutit à une réduction spatiale effective de 32×. Ces mécanismes rendent la génération vidéo plus praticable, mais montrent aussi pourquoi le nombre de paramètres du Transformer ne suffit pas à évaluer l’encombrement total ou les besoins réels d’exécution. 1
14
Ce que permet H3-Base — et ce qu’il ne permet pas seul
Le système H3 complet est conçu pour exploiter des prompts et des références mélangeant texte, images fixes, extraits vidéo et audio. Il peut produire des séquences avec audio stéréo natif, jusqu’en 2K et sur une durée maximale de 15 secondes. 5
10
Les poids ouverts de H3-Base donnent aux équipes techniques une base pour l’inférence locale, la quantification, les adaptateurs, les approches de réglage fin et des outils créatifs sur mesure. En revanche, ils n’incluent ni Context-IR ni le modèle de régénération 2K. Pour des références complexes, il peut donc être nécessaire de construire sa propre couche de préparation du contexte ; et une installation de H3-Base ne doit pas être considérée comme une reproduction automatique du rendu 2K du service hébergé. 5
9
Prix API et promesses de déploiement local
Des publications ont rapporté un tarif API de 0,8 yuan par seconde pour la génération en 2K, avec l’audio de référence gratuit et les cinq premières images de référence sans frais dans l’offre concernée. 14
27 Il s’agit d’un tarif API publié à un moment donné : il ne constitue pas une grille mondiale ou permanente, les prix pouvant varier selon le service et la région.
MiniMax et SGLang ont également avancé un coût d’environ un tiers de celui de Seedance 2.0 dans une comparaison donnée, ainsi qu’une exécution locale possible avec deux RTX 5090 ou une RTX 6000. 28
31 Ces indications dépendent toutefois d’une configuration précise — logiciel, précision numérique et éventuel déport de calcul — et ne doivent pas être lues comme des prérequis matériels universels. La charge totale comprend aussi l’encodeur et les VAE, en plus du Transformer de 33 milliards de paramètres.
13
Pourquoi cette publication intéresse les équipes de production
Davantage de maîtrise sur les contenus sensibles
Un pipeline auto-hébergé peut conserver au sein d’une organisation les visuels produit, rushes non publiés, éléments vocaux et prompts, au lieu de les transmettre à une API de génération tierce. C’est un atout pour les projets qui manipulent des actifs confidentiels. Cela ne dispense pas des contrôles d’accès, de la vérification des droits sur les entrées, de l’examen des sorties ni d’une gouvernance interne.
Une base pour des pipelines sur mesure
Les poids ouverts permettent d’envisager des connexions avec des bibliothèques d’actifs, des outils de validation créative, des logiciels de rendu et des chaînes de post-production. Ils permettent aussi d’explorer la quantification et l’adaptation à des tâches spécifiques. Avant tout déploiement, la licence doit néanmoins être examinée : des sources tierces font état de restrictions géographiques sur l’usage local aux États-Unis, dans l’Union européenne, au Royaume-Uni et en Corée du Sud. 4
Un usage particulièrement adapté aux itérations courtes
L’intérêt pratique paraît le plus net pour produire de nombreuses variantes courtes : créations publicitaires, vidéos de fiches produit pour le commerce en ligne, recherches visuelles, animatiques et essais de contenus pour les réseaux sociaux. Un générateur local 768p avec audio intégré peut accélérer les premières itérations, surtout pour les structures disposant déjà de capacités GPU adaptées.
Ce n’est pas pour autant un remplacement clé en main de tous les besoins de production vidéo. Les étages Context-IR et 2K ne sont pas ouverts, et un modèle de clips courts exige toujours validation humaine, montage et gestion des droits. L’enjeu de H3-Base n’est pas seulement qu’il soit téléchargeable : c’est la possibilité d’intégrer une étape de génération audio-vidéo avancée dans un environnement contrôlé, là où la licence et le matériel le permettent.
À retenir
MiniMax a ouvert une partie importante de H3 : H3-Base, animé par un Transformer dense à flux unique de 33 milliards de paramètres qui génère ensemble vidéo et audio stéréo natif à partir de données multimodales. Mais la publication est plus restreinte que le produit H3 dans son ensemble : Context-IR et la régénération 2K restent fermés. H3-Base est donc une fondation 768p personnalisable, non un système 2K complet et entièrement ouvert. 5
9
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « MiniMax H3 : ce que contient réellement la publication des poids de H3-Base » ?
Le 3 août 2026, MiniMax a publié sur Hugging Face les poids de H3 Base : un générateur dense à flux unique de 33 milliards de paramètres pour produire vidéo et audio stéréo synchronisés en 768p.
Quels sont les points clés à valider en premier ?
Le 3 août 2026, MiniMax a publié sur Hugging Face les poids de H3 Base : un générateur dense à flux unique de 33 milliards de paramètres pour produire vidéo et audio stéréo synchronisés en 768p. Le système H3 complet traite des contextes mêlant texte, images, vidéo et audio et peut aller jusqu’à 15 secondes et 2K, mais les briques Context IR et Regenerate 2K ne font pas partie de la publication ouverte.
Que dois-je faire ensuite en pratique ?
Pour l’auto hébergement et l’intégration en production, il faut évaluer la licence, les composants complémentaires du pipeline et les besoins matériels, au delà du seul chiffre de 33 milliards de paramètres.