MiniMax H3 הוא מודל יצירה רב-מודאלי כללי שפותח על ידי MiniMax. הוא מקבל הקשר יצירתי מטקסט, תמונות, וידאו ואודיו, מבין את הקשרים בין הקלטים האלה, ומפיק וידאו עם סאונד סטריאו מובנה ומסונכרן. MiniMax הכריזה על פלט של עד 15 שניות ברזולוציית 2K, מה שממקם את H3 לשימוש בפרסום, מיתוג, מסחר אלקטרוני, קולנוע, עיצוב מוצר, UI, גיימינג ועבודה יצירתית מסחרית נוספת.
בשונה ממערכות וידאו שמחולקות למודלים נפרדים של טקסט לווידאו, תמונה לווידאו, רפרנס לתנועה, רפרנס לנושא, אודיו ועריכה, H3 נועד לבטא את כל המשימות האלה באמצעות הוראות בשפה טבעית בתוך מערכת כללית אחת. תהליכי העבודה הנתמכים כוללים text-to-audio-video, יצירה לפי פריים ראשון ואחרון, reference-to-audio-video, עריכה רב-מודאלית, העברת תנועה, מודלינג מרובה-שוטים מובנה ויצירה משותפת של קול, אפקטים קוליים ומוזיקה.
MiniMax פרסמה את המשקלים של H3-Base תחת MiniMax H3 Community License. כרטיס המודל הרשמי מתאר Transformer צפוף H3-Omni עם 33B, VAE-ים חזותיים ואודיו של H3, ו-checkpoints נפרדים למשימות של פריים ראשון או אחרון ולמשימות reference-to-audio-video. דף זה ב-VisionStory הוא פרופיל מודל עצמאי: MiniMax בנתה את H3, בעוד VisionStory עוזרת ליוצרים לחקור תהליכי עבודה של וידאו בינה מלאכותית ולהשוות בין מודלי וידאו מובילים.
