MiniMax H3: Model AI Video Generasi Baharu dengan Audio Stereo Asli

2. Bina Konteks Multimodal

Tidak seperti model terdahulu yang menganggap video dan audio sebagai tugas berasingan, H3 mentafsir teks, imej, video, dan audio sebagai satu konteks kreatif secara bersama. Sesetengah antara muka yang dihoskan membolehkan anda menghantar sehingga 9 imej, 3 klip video, dan 3 trek audio dalam satu permintaan penjanaan. Model membaca identiti, persembahan, pergerakan kamera, komposisi, landskap bunyi, dan irama suntingan daripada apa sahaja yang anda berikan.

Penjana dalam talian (minimaxh3.org, minimax-h3.app, dan lain-lain) bertindak sebagai antara muka hadapan berasaskan pelayar: mereka mengumpul gesaan dan rujukan yang dimuat naik, menghantarnya ke perkhidmatan inferens H3 yang dihoskan, dan mempersembahkan media yang terhasil. Laman-laman ini tidak mengendalikan model itu sendiri.

3. Jana Kandungan Visual dan Audio Bersama-sama

Inilah inovasi teras. H3 menghasilkan "audio stereo asli" — bunyi adalah sebahagian daripada output penjanaan model, bukan trek audio yang dilampirkan secara automatik selepas itu. Ini bermakna dialog, bunyi tapak kaki, suasana persekitaran, dan muzik dijana berhubung dengan aksi visual dan dimasa mengikut potongan.

MiniMax menerangkannya sebagai "pemodelan bersatu suara, kesan bunyi, dan muzik," menunjukkan model mengendalikan foley, nada bilik, dan juga skor asli dalam satu laluan penjanaan.

4. Render dalam Kekangan Output Tetap

Model menyokong:

• Tempoh: 4 hingga 15 saat, biasanya dalam kenaikan saat penuh.
• Resolusi: Sehingga 2K (2560×1440), ditawarkan secara lalai dalam pengumuman rasmi MiniMax.
• Nisbah aspek: Pelbagai, termasuk 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16.
• Kadar bingkai: 24 fps dalam kebanyakan pelaksanaan yang dihoskan.

Antara muka pihak ketiga individu mungkin mendedahkan kawalan resolusi, nisbah aspek, atau tempoh tambahan.

5. Pratonton dan Eksport

Antara muka web mengembalikan video yang dijana dengan audio stereo yang terbenam dalam fail yang sama. Ciri-ciri yang diiklankan oleh penjana yang dihoskan termasuk kawalan nisbah aspek, pemilihan tempoh yang fleksibel, muat naik rujukan, dan aliran kerja untuk teks-ke-video, animasi imej, dan gesaan multimodal.

Ciri Utama yang Membezakan H3

• Audio stereo asli: Bunyi dijana bersama video, bukan ditambah sebagai langkah alih suara berasingan.
• Output sehingga 2K: Resolusi 2560×1440, ditawarkan sebagai lalai dalam pengumuman MiniMax.
• Sehingga 15 saat setiap penjanaan: Direka untuk kandungan bentuk pendek: iklan, tangkapan produk, klip media sosial, detik cerita.
• Input multimodal bersatu: Teks, imej, video, dan audio membekalkan konteks kreatif yang digabungkan.
• Kawalan rujukan: Pelbagai imej, klip video, dan trek audio boleh membimbing identiti watak, pergerakan, tingkah laku kamera, dialog, dan reka bentuk bunyi.
• Aliran kerja berasaskan pelayar: Laman seperti minimaxh3.org membungkus model di belakang antara muka gesaan-dan-muat-naik.
• API dan pemberat terbuka: H3 tersedia melalui API MiniMax sendiri (ID model MiniMax-H3), platform inferens yang dihoskan seperti fal.ai, dan sebagai pemberat terbuka di Hugging Face untuk penggunaan sendiri.

Kaveat Penting

"Audio stereo asli" adalah tuntutan keupayaan yang jelas, tetapi bahan awam tidak mendedahkan seni bina neural tepat yang menguatkuasakan penyegerakan bingkai-audio. Sumber mengesahkan tingkah laku input/output dan keupayaan, tetapi mereka tidak mendedahkan butiran pelaksanaan yang mencukupi untuk menjelaskan bagaimana model secara dalaman mencapai ketepatan itu — sama ada melalui jadual resapan tertentu, tokenisasi codec audio, transformer yang dilatih bersama, atau pendekatan lain.

Apa yang pasti: model mengeluarkan audio dan video yang koheren dan disegerakkan dalam satu laluan penjanaan. Kejuruteraan yang memungkinkannya kekal — buat masa ini — di dalam dokumentasi teknikal MiniMax.

Ketersediaan

• API: MiniMax melancarkan H3 pada 31 Julai 2026, dengan model aktif dalam API platform dan dalam aplikasi pengguna Hailuo AI.
• Pemberat terbuka: Tersedia di Hugging Face di bawah repositori MiniMaxAI/MiniMax-H3, dengan penggunaan yang boleh diakses oleh komuniti di bawah lesen yang permisif.
• Inferens dihoskan: Platform seperti fal.ai dan media.io menawarkan penjanaan H3 siap guna tanpa memerlukan GPU tempatan.
• Antara muka web pihak ketiga: Laman seperti minimaxh3.org, minimax-h3.app, dan minimaxh3.online membungkus model di belakang antara muka gesaan-dan-muat-naik.