MiniMax H3오픈 웨이트
기본 스테레오 오디오를 갖춘 멀티모달 AI 비디오

MiniMax H3는 MiniMax의 범용 멀티모달 AI 비디오 생성 모델입니다. 텍스트, 이미지, 비디오, 오디오를 하나의 컨텍스트에서 이해하며, 동기화된 기본 스테레오 오디오와 함께 2K 해상도로 최대 15초 클립을 생성할 수 있습니다.

MiniMax H3는 공식 모델명입니다. Hailuo는 MiniMax의 소비자용 비디오 제품이기 때문에 일부 사용자는 Hailuo 3.0 또는 Hailuo H3로 검색하지만, MiniMax의 출시 글과 공식 모델 리포지토리에서는 이 모델을 MiniMax H3로 표기합니다.

MiniMax는 H3-Base 전체 웨이트를 공개하고 이를 오픈 소스로 소개합니다. 다만 더 정확히 말하면 H3는 Apache 2.0이나 MIT 같은 표준 퍼미시브 라이선스가 아니라 MiniMax H3 Community License로 배포되는 오픈 웨이트 모델입니다. 상업적 배포 또는 재배포 전에 최신 라이선스를 확인해 주세요.

Hugging Face의 공식 MiniMaxAI MiniMax-H3 리포지토리에서 모델 인덱스와 FL2VA, Ref2VA 체크포인트를 제공받을 수 있습니다. MiniMax는 Diffusers, SGLang, vLLM, ComfyUI를 통한 추론 방법도 문서로 안내합니다. 모델 파일 용량이 크기 때문에 로컬 배포에는 상당한 수준의 호환 하드웨어가 필요합니다.

공식 로컬 H3-Base 워크플로에서 검증된 출력은 768p입니다. MiniMax의 전체 2K 워크플로는 로컬로 배포한 H3-Base 서비스에 공식 H3-Context-IR 및 H3-Regenerate-2K API 단계를 결합합니다. 따라서 완전 로컬 H3-Base와 API 기반의 완전한 2K 워크플로는 동일하지 않습니다.

네. H3는 비디오와 오디오를 함께 예측해, 음성·환경음·효과음·음악을 포함한 기본 스테레오 사운드를 디코딩합니다. MiniMax는 이러한 오디오 요소를 별도의 생성 시스템으로 나누지 않고 함께 모델링하도록 설계했습니다.

H3는 텍스트 지시사항과 함께 레퍼런스 이미지, 비디오, 오디오 입력을 지원합니다. 공식 체크포인트는 텍스트→오디오-비디오, 첫 프레임 또는 마지막 프레임→오디오-비디오, 레퍼런스→오디오-비디오 워크플로를 제공하며, 더 넓은 시스템은 자연어로 표현한 멀티모달 레퍼런스 및 편집 관계도 지원합니다.

피사체, 동작, 카메라 무빙, 샷 시퀀스, 조명, 비주얼 스타일, 대사, 앰비언스, 효과음, 음악, 그리고 각 레퍼런스의 역할을 설명해 주세요. H3는 입력 간의 관계를 이해하도록 설계되어 있으므로, 각 이미지·비디오·오디오 에셋에서 무엇을 가져와야 하는지도 구체적으로 알려주세요.

네. MiniMax H3는 다른 시네마틱 비디오 모델과 함께 VisionStory의 AI 비디오 도구에서 사용할 수 있습니다. H3는 MiniMax가 구축했으며, VisionStory는 모델 자체가 아니라 이를 활용하는 워크플로를 제공합니다.

MiniMax H3, ByteDance Seedance, Kuaishou Kling은 텍스트→비디오와 이미지→비디오 기능이 겹치는 멀티모달 비디오 모델입니다. H3는 공개된 H3-Base 웨이트, 범용적인 레퍼런스·편집 설계, 2K 파이프라인, 기본 스테레오 오디오 지원에서 특히 차별화됩니다. 최적의 선택은 원하는 움직임, 레퍼런스 제어 수준, 오디오 워크플로, 배포 요구사항, 그리고 현재 제품 제공 여부에 따라 달라집니다.