MiniMax H3 מוסבר: וידאו עם אודיו טבעי ומשקלים פתוחים

MiniMax H3 הוא מודל וידאו גנרטיבי אומנימודלי — כלומר, כזה שמבין כמה סוגי מדיה באותו הקשר. הוא יכול לקבל טקסט, תמונות, וידאו ואודיו, ולהפיק סרטון עם קול, מוזיקה ואפקטים באותו תהליך יצירה. המשקלים הפתוחים של H3 פורסמו ב־3 באוגוסט 2026. 12

החידוש המרכזי אינו רק איכות התמונה. H3 מנסה לצמצם את הפיצול שמאפיין כיום הפקת וידאו באמצעות בינה מלאכותית: במקום ליצור תמונה, תנועה, קריינות ואפקטים בכלים נפרדים ואז לסנכרן הכול בעריכה, אפשר לספק למודל כוונה ורפרנסים ולקבל מועמד אודיו־ויזואלי אחד.

זה עדיין לא הופך את H3 לתחליף לבימוי, עריכה או בקרת איכות. אבל הוא עשוי להעביר חלק גדול יותר מהעבודה מאיסוף נכסים וסנכרון שלהם — לניסוח דרישות, בחירת רפרנסים, יצירת וריאציות ובחירת התוצאה הטובה ביותר.

מה MiniMax H3 יודע לעשות?

לפי תיעוד ComfyUI, H3 תומך ביצירת וידאו מטקסט, מפריימים מנחים ומרפרנסים מולטימודליים. השירות המארח מציע פלט של עד 2K, בקצב של 24 פריימים לשנייה ובאורך של כ־15 שניות. קול, מוזיקה ואפקטים נוצרים כאודיו סטריאופוני טבעי באותה הרצה. 2

המשמעות המעשית היא שהאודיו אינו שכבה שמוסיפים רק לאחר יצירת התמונה. המודל מייצר את הרכיב החזותי והקולי יחד, מה שעשוי להפחית בעיות של תזמון וסנכרון. עם זאת, בהפקות מקצועיות עדיין יהיה צורך בעריכה, ניקוי סאונד ובדיקת התוצאה.

FL2VA ו־Ref2VA: שני מסלולי היצירה הפתוחים

ההשקה הפתוחה כוללת שני וריאנטים עיקריים של H3-Base.

FL2VA: מטקסט ומפריימים מנחים

FL2VA מיועד ליצירת וידאו מטקסט ולשליטה באמצעות פריים ראשון, פריים אחרון או שניהם. זהו המסלול המתאים יותר כאשר מתחילים מתיאור מילולי, רוצים לקבוע נקודת פתיחה או סיום, או מבקשים להנחות מעבר בין שני פריימים שסופקו למודל. 158

Ref2VA: יצירה המבוססת על רפרנסים

Ref2VA הוא המסלול שמבוסס על רפרנסים. הוא יכול להשתמש בשילובים של תמונות, וידאו ואודיו כדי להשפיע על זהות הדמות, הסגנון, התנועה, הקול או האווירה של התוצאה. 128

ההבדל פשוט יחסית:

• FL2VA מתאים לעבודה שמובלת בעיקר על ידי פרומפטים ופריימים מנחים.
• Ref2VA מתאים כאשר כמה נכסי מדיה קיימים צריכים להשפיע יחד על הסרטון.

איך H3 מצמצם את הפיצול בתהליך העבודה?

לפני עבודה אומנימודלית, יצירת קליפ קצר עשויה לכלול כמה שלבים נפרדים:

• כתיבה או הרחבה של תסריט;
• יצירת דמות או תמונת פתיחה;
• הפקת תנועה או רקע;
• סינתזה של דיאלוג או קריינות;
• הוספת מוזיקה ואפקטים; וכן
• סנכרון של כל רכיבי האודיו והווידאו בעריכה.

H3 דוחס חלק מהשלבים האלה לאינטראקציה אחת. היוצר יכול לספק פרומפט, פריים פתיחה או סיום, רפרנס לתנועה ורפרנס אודיו — ולבקש מועמד אודיו־ויזואלי במקום לנהל כל נכס בנפרד. 28

התוצאה אינה בהכרח סרט מוגמר. השינוי החשוב יותר הוא במיקום של המאמץ היצירתי: פחות זמן בחיפוש אחר כל חומר גלם, ויותר זמן בהגדרת מגבלות, השוואת גרסאות, שיפור הפרומפטים ועריכת התוצאות שנבחרו. זהו יתרון אפשרי של העיצוב המולטימודלי — לא הבטחה לדמויות עקביות, לתזמון מושלם או לסאונד מוכן לשידור.

משקלים פתוחים לא אומר שכל מערכת ה־2K פועלת מקומית

זו ההסתייגות החשובה ביותר למי שבוחן את H3.

ההורדה הפתוחה כוללת את H3-Base, ובה FL2VA ו־Ref2VA. מדריכי התקנה ותיעוד של המודל מציינים שגרסאות ה־Base מפיקות וידאו ב־768p, בעוד שלב השחזור ל־2K, המכונה H3-Regenerate-2K, אינו פתוח וזמין דרך השירות המארח של MiniMax. 6912

לכן יש להבחין בין שתי טענות שונות:

• "H3 תומך ב־2K" — טענה שמתארת את השירות המארח הרחב יותר.
• "המשקלים הפתוחים מפיקים את כל צינור ה־2K מקומית" — טענה רחבה מדי שאינה נתמכת במידע הקיים.

האם אפשר להריץ את MiniMax H3 על חומרה ביתית?

כן, אך מדובר בפרויקט הנדסי מוגבל ולא בהתקנה פשוטה למחשב שולחני.

קבצים מכווצים, שימוש בזיכרון המערכת והעברת שכבות בין המעבד הגרפי לזיכרון ה־RAM עשויים לאפשר הרצות מסוימות גם על כרטיסים עם כ־12GB זיכרון גרפי, לפי דיווחי קהילה. השילוב הקטן ביותר שתואר דורש כ־42.5GB של קבצים, כך שגם שטח האחסון וזיכרון המערכת חשובים לצד ה־VRAM. 710

לדיוק: ל־RTX 5070 Ti יש 16GB של VRAM, ולא 12GB. גרסאות ניסיוניות של H3 נבדקו על הכרטיס הזה, אך התוצאה תלויה בתצורה המדויקת, ברזולוציה, במספר הצעדים, בשיטת העברת השכבות ובגרף העבודה. 333439

גם זמני הריצה שפורסמו אינם benchmark כללי ל־H3. בדיקה קהילתית אחת דיווחה על כ־160 שניות לקליפ באורך 5 שניות וברזולוציית 480p, וכ־560 שניות ב־720p על מערכת עם RTX 5070 Ti. דיווחים אחרים מציגים תוצאות שונות, ואחד המקורות מציין במפורש שאין לו זמן מדוד ומאומת לכרטיס הזה. 453438

לכן יש להתייחס למספרים האלה כאל דוגמאות שתלויות בתצורה — לא כהבטחה למהירות שכל משתמש יקבל.

למי שמעדיף מהירות על פני שליטה מקומית, API בענן חוסך את הורדת המודל ואת הפעלת הגרף הכבד עם offloading. ComfyUI תומך גם בזרימות עבודה של H3 דרך API מארח, כך שהבחירה אינה מוגבלת להרצה מקומית מלאה או לעבודה באפליקציה יצירתית נפרדת. 48

ComfyUI והפקה אוטומטית בסגנון סוכני AI

ComfyUI הוסיף תמיכה טבעית ב־H3 עם פרסום המשקלים הפתוחים, כולל זרימות עבודה מטקסט לווידאו, שליטה באמצעות תמונות או פריימים ויצירה מווידאו ורפרנסים. 12

הגישה המבוססת על צמתים מקלה גם על חיבור המודל לסקריפטים ולאוטומציות יצירתיות. סוכן תכנות יכול, עקרונית, לשלוח פרומפטים קצרים רבים עם seeds או שילובי רפרנסים שונים, לסדר את הקבצים, ליצור דפי תצוגה מקדימה ולעזור לאדם להשוות בין המועמדים.

ההבחנה כאן חשובה: יצירה מקבילית והערכת תוצאות הן יכולות של מערכת האוטומציה שמסביב למודל — לא תכונה של H3 ששופטת באופן עצמאי איזה סרטון הוא הטוב ביותר. בדיקה אנושית עדיין נדרשת כדי להעריך המשכיות, קומפוזיציה, איכות דיאלוג והתאמת התוכן.

כמה עולה MiniMax H3?

תיעוד התשלום הרשמי של MiniMax לפי שימוש מציג את המחירים הבאים:

• 0.08 דולר לשנייה עבור פלט ב־768p;
• 0.13 דולר לשנייה עבור פלט ב־2K; וכן
• 0.05 דולר לשנייה עבור שחזור מ־768p ל־2K. 17

לכן יצירה של סרטון באורך 10 שניות עולה:

• 0.80 דולר ב־768p;
• 1.30 דולר ב־2K; וכן
• ייתכן חיוב נוסף עבור שחזור או קלטי רפרנס המחויבים לפי תנאי השירות.

הטענה שחוזרת במקומות שונים, ולפיה סרטון 2K באורך 10 שניות מתחיל בכ־0.60 דולר, אינה נתמכת במחירון ה־API הרשמי שסופק כאן. ייתכן שמדובר במבצע, בחישוב של קרדיטים במסגרת מנוי או בשירות אחר — אך אין להציג אותה כמחיר API רגיל של MiniMax ללא ראיות חזקות יותר.

גם MiniMax Design הוא מוצר נפרד מהמשקלים להורדה. דיווחים מצד שלישי מתארים אותו כמוצר יצירתי סגור שנבנה על בסיס H3 או סביבו, עם מערכת קרדיטים והצעות משלו. אין לבלבל בין שימוש ב־Design לבין הרצה מקומית של H3-Base. 18

מה H3 משנה עבור יוצרי תוכן?

החשיבות של MiniMax H3 אינה בכך שהוא מבטל את כל שלבי הפקת הווידאו, אלא בכך שהוא מאחד את הקלטים שבעבר היו מפוזרים בין כלים שונים. טקסט יכול לתאר את הסצנה, תמונות יכולות לקבוע את המראה, וידאו יכול להנחות תנועה ואודיו יכול להשפיע על קול או סאונד — והמודל מפיק מועמד אודיו־ויזואלי מסונכרן. 2

עבור יוצרים, הדבר עשוי להפוך פיתוח רעיונות קצרים לתהליך מהיר ואיטרטיבי יותר, המבוסס על רפרנסים. עבור מפתחים, המשקלים הפתוחים והתמיכה ב־ComfyUI מספקים בסיס לצינורות עבודה מותאמים אישית, יצירה בכמות גדולה ובחינה בסיוע סוכנים.

עבור מי ששוקל להשתמש במודל, השאלה המעשית היא האם שליטה מקומית וניסוי חופשי מצדיקים את דרישות החומרה וההתקנה — או ששירות ענן עם פלט 2K מציע יחס נוח יותר בין מהירות, עלות ונוחות.

השורה התחתונה פשוטה: H3 מצמצם את הפיצול בשלב היצירה, אך אינו מבטל את הצורך בשיקול דעת ובהפקה אנושית. בנוסף, המשקלים הפתוחים הם רק חלק ממערכת ה־2K המלאה שמוצעת דרך השירות המארח.