MiniMax H3Poids ouverts
Vidéo IA multimodale avec audio stéréo natif

MiniMax H3 est un modèle de génération de vidéos IA multimodal, polyvalent, développé par MiniMax. Il comprend le texte, les images, la vidéo et l’audio dans un même contexte, et peut générer des clips jusqu’à 15 secondes en résolution 2K, avec un audio stéréo natif synchronisé.

MiniMax H3 est le nom officiel du modèle. Certains utilisateurs recherchent Hailuo 3.0 ou Hailuo H3, car Hailuo est le produit vidéo grand public de MiniMax, mais l’annonce de lancement de MiniMax et le dépôt officiel du modèle l’appellent MiniMax H3.

MiniMax publie les poids complets de H3-Base et décrit la sortie comme open source. Plus précisément, H3 est un modèle en poids ouverts, distribué sous la MiniMax H3 Community License, plutôt que sous une licence permissive standard comme Apache 2.0 ou MIT. Vérifiez la licence en vigueur avant tout déploiement commercial ou toute redistribution.

Le dépôt officiel MiniMaxAI MiniMax-H3 sur Hugging Face fournit l’index du modèle ainsi que les checkpoints FL2VA et Ref2VA. MiniMax documente aussi l’inférence via Diffusers, SGLang, vLLM et ComfyUI. Les fichiers du modèle sont volumineux ; le déploiement local nécessite donc du matériel compatible conséquent.

Le workflow officiel H3-Base en local valide une sortie en 768p. Le workflow 2K complet de MiniMax combine un service H3-Base déployé localement avec des étapes d’API officielles H3-Context-IR et H3-Regenerate-2K. H3-Base entièrement en local et le workflow 2K complet appuyé sur les API ne sont donc pas identiques.

Oui. H3 prédit conjointement la vidéo et l’audio, et décode un son stéréo natif, incluant la voix, l’ambiance, les effets et la musique. MiniMax a conçu ces types audio pour être modélisés ensemble, au lieu de les séparer en systèmes de génération distincts.

H3 prend en charge des instructions texte, ainsi que des images, des vidéos et de l’audio de référence. Les checkpoints officiels couvrent les workflows texte-vers-audio-vidéo, première-ou-dernière-image-vers-audio-vidéo et référence-vers-audio-vidéo, tandis que le système plus large prend en charge des relations de référence multimodales et de montage exprimées en langage naturel.

Décrivez le sujet, l’action, les mouvements de caméra, la séquence des plans, l’éclairage, le style visuel, les dialogues, l’ambiance, les effets sonores, la musique, ainsi que le rôle de chaque référence. H3 est conçu pour comprendre les relations entre les entrées ; expliquez donc ce qu’il doit reprendre de chaque image, vidéo ou ressource audio.

Oui. MiniMax H3 est disponible via les outils de Vidéo IA de VisionStory, aux côtés des autres modèles vidéo cinématographiques. MiniMax a créé H3 — VisionStory fournit le workflow autour, pas le modèle lui-même.

MiniMax H3, Seedance de ByteDance et Kling de Kuaishou sont des modèles vidéo multimodaux avec des capacités qui se recoupent en texte vers vidéo et image vers vidéo. H3 se distingue particulièrement par la publication de ses poids H3-Base, sa conception généralisée de référence et d’édition, son pipeline 2K et son audio stéréo natif. Le meilleur choix dépend du mouvement recherché, du contrôle par références, du workflow audio, des besoins de déploiement et de la disponibilité actuelle des produits.