AnswersPublished20 sources
MiniMax H3 Buka Pemberat: Apa Sebenarnya Yang Termasuk dalam Keluaran H3-Base
Keluaran Hugging Face pada 3 Ogos 2026 membuka H3 Base: model Transformer padat 33B aliran tunggal untuk video 768p dengan audio stereo terselaras. Sistem H3 penuh menerima gabungan teks, imej, video dan audio, serta menyokong klip sehingga 15 saat dan output sehingga 2K—namun bukan semua peringkat itu tersedia seba...
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Keluaran Hugging Face pada 3 Ogos 2026 membuka H3 Base: model Transformer padat 33B aliran tunggal untuk video 768p dengan audio stereo terselaras.
- Sistem H3 penuh menerima gabungan teks, imej, video dan audio, serta menyokong klip sehingga 15 saat dan output sehingga 2K—namun bukan semua peringkat itu tersedia sebagai pemberat terbuka.
- Pemberat terbuka memberi pilihan untuk inferens sendiri dan penyesuaian, tetapi pasukan perlu menilai lesen, perkakasan, serta ketiadaan Context IR dan penjana semula 2K sebelum menganggapnya sebagai sistem 2K setempa...
AI Prompt
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
MiniMax menerbitkan pemberat H3 di Hugging Face pada 3 Ogos 2026, tetapi yang dibuka ialah H3-Base—peringkat penjanaan dalam sistem video H3—bukan keseluruhan aliran kerja hos MiniMax. Ini perbezaan penting: H3-Base menjana video dan audio yang diselaraskan pada 768p, manakala pemprosesan konteks dan peringkat penjanaan semula 2K kekal sebagai komponen berasingan. 1
5
Apa yang dibuka oleh MiniMax
Keluaran itu berpusat pada H3-Base, termasuk pemberat tugasan FL2VA dan Ref2VA yang dilaporkan. 1
13
Terasnya ialah H3-Omni-Transformer, sebuah Transformer padat 33 bilion parameter dengan aliran tunggal. Audio bukan sekadar ditambah selepas video siap: model ini melakukan penyahhingaran bagi video dan audio bersama-sama dalam proses penjanaan yang sama. Sistem H3 yang lebih luas boleh memahami konteks gabungan daripada teks, imej, video dan audio, lalu menghasilkan video dengan bunyi stereo asli. 5
10
Namun, angka 33B merujuk kepada teras penjanaan Omni-Transformer, bukannya semestinya semua komponen yang perlu dimuatkan untuk menjalankan sistem lengkap. Saluran pemprosesan turut menggunakan pengekod H3, VisualVAE dan AudioVAE. 10
13
Tiga bahagian dalam sistem H3
MiniMax membahagikan H3 kepada tiga modul:
- H3-Context-IR menafsir dan memperhalusi arahan multimodal yang rumit kepada perwakilan perantaraan konteks untuk penjanaan. MiniMax menyatakan peringkat ini penting kepada mutu hasil akhir.
5
- H3-Base menjana hasil video dan audio terselaras pada resolusi 768p daripada konteks yang telah diproses. Inilah komponen yang dibuka sebagai pemberat.
13
- H3-Regenerate-2K menjalankan langkah penjanaan semula seterusnya untuk output 2K. Ia tidak termasuk dalam keluaran pemberat terbuka.
9
Jadi, pemasangan H3-Base secara setempat tidak sepatutnya disamakan dengan produk H3 penuh yang dipamerkan dalam demo 2K. Sistem penuh menyokong output sehingga 2K dan klip sehingga 15 saat, tetapi penjana asas yang dikeluarkan ialah peringkat 768p. 5
9
Seni bina: satu aliran generatif untuk gambar dan bunyi
Reka bentuk utama H3 menggunakan satu aliran untuk penjanaan video dan audio multimodal. H3-Omni-Transformer 33B itu menggunakan seni bina Transformer padat. Repositori MiniMax menyatakan kira-kira 13B parameter berada dalam cabang berkaitan AdaLN; keluarannya boleh dikira awal dan dicache. 10
Saluran perwakilan pula merangkumi pengekod, VAE visual dan VAE audio. Huraian teknikal yang diterbitkan menyebut VAE visual memampatkan video sebanyak 16× secara ruang dan 4× secara masa, manakala reka bentuk tokenisasi menghasilkan pengurangan ruang efektif 32×. Pemampatan ini penting untuk menjadikan penjanaan video lebih praktikal, tetapi ia juga menunjukkan bahawa angka 33B sahaja tidak cukup untuk menggambarkan saiz saluran penuh atau keperluan masa jalan. 1
14
Keupayaan H3—dan had keluaran terbuka
Sistem H3 penuh dibina untuk arahan serta rujukan yang menggabungkan teks, imej pegun, klip video dan audio. Ia boleh menjana klip dengan audio stereo asli, resolusi sehingga 2K dan tempoh sehingga 15 saat. 5
10
Bagi pembangun, pemberat H3-Base membuka ruang untuk inferens setempat, kuantisasi, adapter, pendekatan penalaan halus dan alatan kreatif tersuai. Namun, keluaran itu tidak menyertakan sistem Context-IR MiniMax atau model penjanaan semula 2K. Pasukan yang menggunakan rujukan rumit mungkin perlu membina lapisan penyediaan arahan atau konteks sendiri; pasukan yang memerlukan output 2K pula tidak boleh mengandaikan H3-Base sahaja akan menghasilkan keputusan yang sama seperti perkhidmatan hos. 5
9
Harga API dan tuntutan penggunaan setempat
Laporan yang diterbitkan menyatakan kadar API 2K sebanyak 0.8 yuan sesaat, dengan input audio dan lima imej rujukan pertama percuma dalam tawaran yang dirujuk. 14
27 Harga API boleh berubah mengikut perkhidmatan dan rantau, jadi angka ini wajar dilihat sebagai kadar yang dilaporkan pada waktu tersebut, bukannya senarai harga global yang kekal.
Bahan promosi MiniMax dan SGLang turut menggambarkan H3 sebagai berharga kira-kira satu pertiga daripada Seedance 2.0 dalam perbandingan tertentu, serta mendakwa ia boleh dijalankan secara setempat dengan dua GPU RTX 5090 atau satu RTX 6000. 28
31 Ini ialah tuntutan penggunaan bagi tetapan perisian, ketepatan pengiraan dan offloading tertentu—bukan spesifikasi minimum sejagat. Beban kerja keseluruhan masih melibatkan pengekod dan komponen VAE selain Transformer 33B itu.
13
Mengapa keluaran ini penting untuk pasukan produksi
Lebih kawalan terhadap bahan sulit
Aliran kerja yang dihos sendiri boleh memastikan imej produk, rakaman belum diterbitkan, aset suara dan arahan kekal dalam organisasi, berbanding dihantar kepada API penjanaan pihak ketiga. Ini boleh menarik bagi pasukan yang mengendalikan aset sulit. Namun, ia tidak menghapuskan keperluan kawalan akses, semakan hak penggunaan input, semakan output dan tadbir urus dalaman.
Asas untuk saluran kerja tersuai
Pemberat terbuka membolehkan pasukan teknikal menghubungkan penjanaan dengan perpustakaan pengurusan aset, sistem semakan kreatif, alat rendering dan aliran kerja pascaproduksi. Mereka juga boleh menguji kuantisasi serta penyesuaian untuk tugasan tertentu. Namun, organisasi perlu menyemak lesen sebelum melabur dalam pelaksanaan: laporan pihak ketiga menyebut sekatan geografi terhadap penggunaan setempat di AS, EU, UK dan Korea Selatan. 4
Paling sesuai untuk kerja kreatif pendek dan berulang
Kegunaan yang paling jelas ialah bagi pasukan yang menghasilkan banyak variasi klip pendek—seperti kreatif iklan, video produk e-dagang, kerja konsep, animatik dan eksperimen kandungan media sosial. Penjana 768p setempat dengan audio terbina dalam boleh mengurangkan geseran pada peringkat awal idea, khususnya bagi pasukan yang sudah mempunyai kapasiti GPU sesuai.
Ia bukan pengganti siap guna untuk semua keperluan penerbitan video. Keluaran terbuka tidak mengandungi peringkat konteks penuh dan 2K, manakala model klip pendek tetap memerlukan semakan manusia, penyuntingan serta pengurusan hak. Nilai sebenar bukan sekadar kerana H3 boleh dimuat turun; sebaliknya, peringkat penjanaan audio-video yang berkeupayaan boleh dimasukkan ke dalam aliran kerja yang lebih terkawal—jika lesen dan perkakasan mengizinkannya.
Rumusannya
MiniMax telah membuka bahagian penting H3: H3-Base, yang dikuasakan oleh Transformer aliran tunggal 33B untuk menjana video dan audio stereo asli secara bersama daripada input multimodal. Tetapi keluaran ini lebih sempit daripada produk H3 penuh. Context-IR dan penjanaan semula 2K kekal tertutup, menjadikan H3-Base asas penjanaan 768p yang boleh disesuaikan, bukannya sistem 2K terbuka yang lengkap. 5
9
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "MiniMax H3 Buka Pemberat: Apa Sebenarnya Yang Termasuk dalam Keluaran H3-Base"?
Keluaran Hugging Face pada 3 Ogos 2026 membuka H3 Base: model Transformer padat 33B aliran tunggal untuk video 768p dengan audio stereo terselaras.
What are the key points to validate first?
Keluaran Hugging Face pada 3 Ogos 2026 membuka H3 Base: model Transformer padat 33B aliran tunggal untuk video 768p dengan audio stereo terselaras. Sistem H3 penuh menerima gabungan teks, imej, video dan audio, serta menyokong klip sehingga 15 saat dan output sehingga 2K—namun bukan semua peringkat itu tersedia sebagai pemberat terbuka.
What should I do next in practice?
Pemberat terbuka memberi pilihan untuk inferens sendiri dan penyesuaian, tetapi pasukan perlu menilai lesen, perkakasan, serta ketiadaan Context IR dan penjana semula 2K sebelum menganggapnya sebagai sistem 2K setempa...