H3 API

MiniMax H3 הוא מודל טרנספורמר דיפוזיה עם 33 מיליארד פרמטרים, שנחשף במשקלים פתוחים ב-3 באוגוסט 2026 תחת רישיון MiniMax H3 Community License Agreement. המודל מורכב מליבת H3-Base, הכוללת מקודד טקסט, VAE חזותי, VAE אודיו וטרנספורמר אומני, וממערכת העיבוד והתזמור H3-Context-IR. הוא מסוגל לקלוט טקסט, תמונה, וידאו ואודיו ולהבין את היחסים ביניהם, ולייצר וידאו ואאודיו סטריאו מקורי הכולל דיבור, אפקטי קול ומוזיקה – הכול ממודל אחד. המודל תומך ברזולוציות פלט של 480p, 768p ו-2K, מייצר וידאו בקצב של 24 פריימים לשנייה ובאורך של 5 עד 15 שניות, ומאפשר שליטה בפריים הראשון ובפריים האחרון. הוא מבצע המרת תמונה לווידאו והעברת תנועה מווידאו לווידאו, משחזר גוון קולי מדגימות אודיו, ועוקב אחר הוראות מולטי-מודליות מורכבות בשפה טבעית. כמו כן, הוא מטפל במשימות עריכת וידאו כגון סנכרון שפתיים לדיאלוג חדש ושימוש חלקי במוזיקת רקע, ומציג טקסט על המסך וביטוי מותג בצורה מדויקת. הוא מתאים למגוון משימות כגון פרסום, מיתוג, מסחר אלקטרוני, עיצוב מוצר, ממשקי משתמש וחוויית משתמש, הפקת תוכן למשחקים, הפקת וידאו קצר עם חומרי ייחוס ומעברים מבוססי הוראות. עם זאת, קיימים אתגרים בעקביות פיזיקלית של העולם, ולעיתים קרובות קיימת אי-התאמה בין קלט מולטי-מודלי לבין הסקה מולטי-מודלית אפקטיבית. כמו כן, H3-Context-IR אינו נכלל בשחרור הקוד הפתוח וזמין רק דרך API.

החיוב שלכם תלוי בספק שאתם משתמשים בו, במחירים שלו ובשימוש שלכם. קלט ארוך יותר או תנאים אחרים עשויים להיות במחיר שונה. החיוב מבוסס על עלות היצירה בפועל. ראו את החשבונית לסכום הסופי.

המודל מקבל קלט טקסט, תמונה, וידאו ואודיו, ומבין את היחסים ביניהם.

המודל תומך ברזולוציות 480p, 768p ו-2K, ומייצר וידאו בקצב 24 פריימים לשנייה ובאורך של 5 עד 15 שניות.

כן, המודל מייצר אאודיו סטריאו מקורי הכולל דיבור, אפקטי קול ומוזיקה, ומשחזר גוון קולי מדגימות אודיו.

המודל תומך במשימות כגון סנכרון שפתיים לדיאלוג חדש ושימוש חלקי במוזיקת רקע, וכן בהמרת תמונה לווידאו והעברת תנועה מווידאו לווידאו.

H3-Context-IR היא מערכת העיבוד והתזמור של המודל. היא אינה נכללת בשחרור הקוד הפתוח וזמינה רק דרך API.

MiniMax H3 Max הוא וריאנט המיועד ליצירה מהירה בנפח גבוה ברזולוציות 480p או 768p, בעוד MiniMax H3 הוא המודל האומני-מודלי המלא.