H3 API
MiniMax H3 je omnimodální difuzní transformer s 33 miliardami parametrů, který z textu, obrázků, videa a zvuku generuje video s nativním stereo zvukem až do rozlišení 2K.
MiniMax H3 je otevřený omnimodální model pro generování videa, který vznikl 31. července 2026 a jehož váhy byly zveřejněny 3. srpna 2026 pod licencí MiniMax H3 Community License Agreement. Jádro H3-Base tvoří textový kodér, vizuální VAE, audio VAE a omni transformer; model používá RoPE pro zachycení prostorových a časových vztahů. Přijímá textové, obrazové, video a audio vstupy a rozumí jejich vzájemným souvislostem, takže z jednoho modelu vzniká video i zvuk. Nový tokenizer s vysokou kompresí čtyřnásobně prodlužuje efektivní délku sekvence a výrazně snižuje náklady na trénink i inferenci.
Model generuje video rychlostí 24FPS v délce 5 až 15 sekund a podporuje rozlišení 480p, 768p a 2K. Nabízí řízení prvním a posledním snímkem, převod obrázku na video a přenos pohybu z videa na video. Ze zvukových referencí dokáže reprodukovat zabarvení hlasu a vytváří nativní stereo zvuk včetně hlasu, zvukových efektů a hudby. Řídí se složitými multimodálními pokyny v přirozeném jazyce a zvládá úpravy videa, jako je synchronizace rtů s novým dialogem nebo částečné opětovné použití hudebního podkladu. Vykresluje přesný text na obrazovce a věrné vyjádření značky.
Hodí se pro reklamu, budování značky, e-commerce, produktový design, UI/UX, tvorbu obsahu do her, krátká videa s referenčními materiály a přechody řízené instrukcemi. Mezi silné stránky patří sjednocení všech modalit a úloh v jednom modelu, nativní podpora 2K rozlišení a cinematografické výsledky s nativním zvukem. Omezením zůstává konzistence s fyzikálním světem: vizuální uvěřitelnost nezaručuje fyzikální správnost a mezi hlášené chyby patří nesprávné ukotvení důkazů, neúplné uskutečnění událostí a porušování kontaktní mechaniky a geometrie objektů. H3-Context-IR navíc není součástí open-source vydání a je dostupný pouze přes API.
Aktualizováno:
MODEL ID
hailuo-3- Vstup
- text / image / video
- Výstup
- video
Hlavní body
- Omnimodální vstupy text, obraz, video a audio
- Nativní stereo zvuk včetně hlasu a hudby
- Rozlišení až 2K při 24FPS
- Video dlouhé 5 až 15 sekund
- Otevřené váhy od 3. srpna 2026
- Difuzní transformer s 33 miliardami parametrů
Poskytovatelé
Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.
Specifikace videa
- Poměry stran
- 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- Zvuk · Výstup
- Ano
- Délka · Minimum
- 5 sekund
- Délka · Maximum
- 15 sekund
- Délka · Krok
- 1 sekund
- Rozlišení
- 2K
Reference API
Podrobnosti o protokolu tohoto modelu nejsou zveřejněny. Požadavky na integraci najdete v referenci API.
Reference API →Časté dotazy
Co je H3?
MiniMax H3 je otevřený omnimodální model pro generování videa, který vznikl 31. července 2026 a jehož váhy byly zveřejněny 3. srpna 2026 pod licencí MiniMax H3 Community License Agreement. Jádro H3-Base tvoří textový kodér, vizuální VAE, audio VAE a omni transformer; model používá RoPE pro zachycení prostorových a časových vztahů. Přijímá textové, obrazové, video a audio vstupy a rozumí jejich vzájemným souvislostem, takže z jednoho modelu vzniká video i zvuk. Nový tokenizer s vysokou kompresí čtyřnásobně prodlužuje efektivní délku sekvence a výrazně snižuje náklady na trénink i inferenci. Model generuje video rychlostí 24FPS v délce 5 až 15 sekund a podporuje rozlišení 480p, 768p a 2K. Nabízí řízení prvním a posledním snímkem, převod obrázku na video a přenos pohybu z videa na video. Ze zvukových referencí dokáže reprodukovat zabarvení hlasu a vytváří nativní stereo zvuk včetně hlasu, zvukových efektů a hudby. Řídí se složitými multimodálními pokyny v přirozeném jazyce a zvládá úpravy videa, jako je synchronizace rtů s novým dialogem nebo částečné opětovné použití hudebního podkladu. Vykresluje přesný text na obrazovce a věrné vyjádření značky. Hodí se pro reklamu, budování značky, e-commerce, produktový design, UI/UX, tvorbu obsahu do her, krátká videa s referenčními materiály a přechody řízené instrukcemi. Mezi silné stránky patří sjednocení všech modalit a úloh v jednom modelu, nativní podpora 2K rozlišení a cinematografické výsledky s nativním zvukem. Omezením zůstává konzistence s fyzikálním světem: vizuální uvěřitelnost nezaručuje fyzikální správnost a mezi hlášené chyby patří nesprávné ukotvení důkazů, neúplné uskutečnění událostí a porušování kontaktní mechaniky a geometrie objektů. H3-Context-IR navíc není součástí open-source vydání a je dostupný pouze přes API.
Jak se využití účtuje?
Faktura závisí na zvoleném poskytovateli, jeho cenách a vašem využití. Delší vstupy nebo jiné podmínky mohou mít jiné ceny. Účtováno podle skutečných nákladů na generování. Konečnou částku najdete ve faktuře.
Jaké vstupy MiniMax H3 přijímá?
Přijímá textové, obrazové, video a audio vstupy a rozumí jejich vzájemným vztahům. Na jejich základě generuje video a stereo zvuk.
Jaká rozlišení a délky videa model podporuje?
Podporuje rozlišení 480p, 768p a 2K. Video generuje rychlostí 24FPS v délce od 5 do 15 sekund.
Jaké úpravy videa model zvládne?
Mezi úpravy patří synchronizace rtů s novým dialogem a částečné opětovné použití hudebního podkladu. Model také provádí převod obrázku na video a přenos pohybu z videa na video.
Jaký zvuk model vytváří?
Produkuje nativní stereo zvuk včetně hlasu, zvukových efektů a hudby. Ze zvukových referencí dokáže reprodukovat zabarvení hlasu.
Čím se liší MiniMax H3 Max?
MiniMax H3 Max je varianta specializovaná na rychlé generování velkého objemu v rozlišení 480p nebo 768p.
Je H3-Context-IR součástí otevřeného vydání?
Není. H3-Context-IR není součástí open-source vydání a je dostupný pouze přes API.
