MiniMax H3 uitgelegd: hoe open videogenere­atie tekst, beeld, video en audio samenbrengt

MiniMax H3 is een open-weight, omni­modaal videomodel dat op 3 augustus 2026 werd uitgebracht. De kern van het model is dat tekst, afbeeldingen, video en audio in dezelfde context kunnen worden gebruikt. H3 genereert vervolgens video en native stereogeluid in één proces, in plaats van beeld, stem, muziek en geluidseffecten standaard in losse tools te laten maken. 12

Dat maakt H3 niet tot een vervanger voor montage, regie of menselijke kwaliteitscontrole. Wel verschuift een groter deel van het creatieve proces van losse assets verzamelen en tracks synchroniseren naar intentie beschrijven, referenties aanleveren, varianten genereren en de beste uitkomst selecteren.

Wat kan MiniMax H3?

H3 ondersteunt videoproductie vanuit een tekstprompt, keyframes en multimodale referenties. Volgens de ComfyUI-documentatie gaat het om uitvoer tot 2K, 24 beelden per seconde en ongeveer 15 seconden per clip. Stem, muziek en geluidseffecten worden daarbij als native stereo-audio in dezelfde generatie meegenomen. 2

Voor makers is vooral die audio-integratie relevant. In een traditionele AI-videoworkflow worden beeld en geluid vaak als twee afzonderlijke opdrachten behandeld. H3 probeert het audiovisuele resultaat gezamenlijk te modelleren. Voor professioneel gebruik blijven montage, opschoning en controle echter noodzakelijk.

FL2VA en Ref2VA: twee manieren om H3 te gebruiken

De open release bevat twee belangrijke varianten van H3-Base.

FL2VA: werken vanuit prompts en frames

FL2VA is bedoeld voor tekst-naar-video en conditionering met een eerste frame, laatste frame of beide frames. Dit is de meest directe keuze wanneer je vanuit een prompt wilt beginnen, een visueel begin- of eindpunt wilt vastleggen of een overgang tussen aangeleverde beelden wilt sturen. 158

Ref2VA: genereren vanuit multimodale referenties

Ref2VA is de referentiegestuurde variant. Deze kan combinaties van afbeeldingen, video en audio als context gebruiken. Zo kunnen bestaande bestanden tegelijk invloed uitoefenen op bijvoorbeeld uiterlijk, identiteit, stijl, beweging, cameragedrag of stem. 128

Praktisch komt het onderscheid hierop neer: FL2VA past vooral bij prompt- en keyframegestuurde opdrachten, terwijl Ref2VA bedoeld is voor producties waarin meerdere bestaande media de uitkomst moeten beïnvloeden.

Minder versnippering in de AI-videoworkflow

Een korte AI-clip bestaat vaak uit meerdere losse stappen:

• een script schrijven of uitbreiden;
• een personage of stijlbeeld maken;
• beweging of achtergrondbeelden genereren;
• dialoog of voice-over synthetiseren;
• muziek en geluidseffecten toevoegen; en
• beeld en geluid achteraf synchroniseren.

H3 brengt verschillende van die stappen samen in één modelinteractie. Een maker kan een prompt, begin- of eindframe, bewegingsreferentie en audio- of stemreferentie aanleveren en vervolgens om een audiovisuele kandidaat vragen, zonder elk onderdeel eerst afzonderlijk te hoeven produceren. 28

De uitkomst is daarmee niet automatisch een afgewerkte film. De belangrijkste verandering zit in de verdeling van het werk: minder tijd gaat naar het verzamelen van ieder ruwe onderdeel, en meer naar het vastleggen van beperkingen, het vergelijken van varianten, het aanscherpen van prompts en het monteren van geselecteerde resultaten. Dat is een gevolg van H3's multimodale opzet, geen garantie op consistente personages, perfecte timing of uitzendklare audio.

Open gewichten betekenen niet dat het volledige 2K-systeem lokaal beschikbaar is

Dit is de belangrijkste kanttekening voor wie H3 beoordeelt.

De downloadbare release betreft H3-Base, met FL2VA en Ref2VA. Lokale handleidingen en modeldocumentatie melden dat de Base-checkpoints video op 768p genereren. De stap H3-Regenerate-2K is niet open­source en is beschikbaar via MiniMax' gehoste dienst. 6912

“ H3 ondersteunt 2K” en “de open gewichten draaien de volledige 2K-pijplijn lokaal” zijn dus twee verschillende beweringen. De eerste beschrijft het bredere gehoste aanbod; de tweede zou de reikwijdte van de open release overschatten.

Kan H3 op consumentenhardware draaien?

Ja, maar lokaal gebruik is eerder een technisch experiment dan een eenvoudige desktopinstallatie.

Door quantisatie, gebruik van systeemgeheugen en layer offloading kunnen sommige H3-workflows volgens communityrapporten binnen bereik komen van videokaarten met ongeveer 12 GB VRAM. De kleinste werkende combinatie wordt beschreven als ongeveer 42,5 GB aan bestanden. Naast videogeheugen zijn dus ook opslagruimte en RAM belangrijke factoren. 71043

Een RTX 5070 Ti heeft 16 GB VRAM, niet 12 GB. Experimentele H3-quantisaties zijn op deze kaart getest, maar de uitkomst hangt sterk af van de configuratie, resolutie, het aantal stappen, de offloadingstrategie en de gekozen workflow. 333439

Gerapporteerde doorlooptijden moeten daarom worden gezien als configuratiegebonden ervaringen, niet als algemene H3-benchmarks. Een communitytest meldde ongeveer 160 seconden voor een clip van vijf seconden op 480p en ongeveer 560 seconden op 720p met een RTX 5070 Ti. Andere rapporten noemen andere resultaten en wijzen expliciet op het ontbreken van een geverifieerde timing voor deze kaart. 453438

Wie vooral snelheid zoekt en minder waarde hecht aan lokale controle, kan de gehoste API gebruiken. Daarmee vervallen de grote downloads en de complexe offloaded workflow. Ook ComfyUI ondersteunt gehoste H3-API-workflows; de keuze is dus niet beperkt tot volledig lokaal draaien of overstappen naar een aparte creatieve applicatie. 48

ComfyUI en agentgestuurde productie

ComfyUI voegde bij de release van de open gewichten native H3-ondersteuning toe, met workflows voor tekst-naar-video, beeld- of frameconditionering en reference-to-video-generatie. 12

Die node­gebaseerde toegang maakt H3 bovendien geschikt voor scripts en creatieve automatisering. Een coding agent zou bijvoorbeeld veel korte prompts met verschillende seeds of referentiecombinaties kunnen versturen, de bestanden kunnen ordenen, contact sheets kunnen maken en een maker kunnen helpen om kandidaten te beoordelen.

Dat onderscheid is belangrijk: parallel genereren en beoordelen zijn mogelijkheden van het omliggende automatiseringssysteem. H3 zelf kiest niet zelfstandig welke clip artistiek of inhoudelijk het beste is. Menselijke controle blijft nodig voor continuïteit, compositie, dialoogkwaliteit en de geschiktheid van het resultaat.

Wat kost MiniMax H3?

In de officiële pay-as-you-go-documentatie staat H3 op $0,08 per outputseconde voor 768p en $0,13 per outputseconde voor 2K. Dezelfde documentatie noemt voor regeneratie van 768p naar 2K een tarief van $0,05 per seconde. 17

Een generatie van 10 seconden komt daarmee uit op:

• $0,80 bij 768p;
• $1,30 bij 2K; en
• mogelijk extra kosten wanneer regeneratie of factureerbare referentie-inputs van toepassing zijn.

De vaak herhaalde bewering dat een standaardclip van 10 seconden in 2K ongeveer $0,60 zou kosten, wordt niet ondersteund door de hier aangeleverde officiële tarieventabel. Het kan gaan om een promotie, een berekening op basis van abonnementscredits of een andere dienst, maar het moet niet zonder sterker bewijs als de standaardprijs van de MiniMax-API worden gepresenteerd.

MiniMax Design staat bovendien los van de downloadbare H3-gewichten. Derdepartijrapportages beschrijven Design als een gesloten creatief product dat op of rond H3 is gebouwd, met eigen credits en aanbiedingen. Het is dus niet hetzelfde als H3-Base lokaal draaien. 18

Wat betekent H3 voor makers?

De betekenis van MiniMax H3 ligt minder in het schrappen van elke productiestap dan in het samenbrengen van inputs die voorheen over meerdere tools verspreid waren. Tekst kan de scène beschrijven, afbeeldingen kunnen het uiterlijk bepalen, video kan beweging sturen en audio kan stem of geluid beïnvloeden — waarna het model een gesynchroniseerde audiovisuele kandidaat oplevert. 2

Voor makers kan dat korte-formaat­ideeën iteratiever en sterker referentiegestuurd maken. Voor ontwikkelaars bieden open gewichten en ComfyUI een basis voor eigen pipelines, batchgeneratie en agentondersteunde beoordeling. Voor kopers draait de praktische keuze om de afweging tussen lokale controle en experimenten enerzijds, en de aanzienlijke hardware- en installatiekosten anderzijds. Wie vooral snel 2K-uitvoer wil, kan de gehoste dienst aantrekkelijker vinden.

De meest nauwkeurige samenvatting is daarom ook de eenvoudigste: H3 vermindert versnippering tijdens de generatiefase, maar neemt productieel inzicht niet weg. Bovendien is de open-weight-release slechts een deel van het volledige gehoste 2K-systeem.