H3 API
MiniMax H3 adalah model difusi omnimodal 33B parameter yang menyatukan input teks, gambar, video, dan audio untuk menghasilkan video serta audio stereo asli dalam satu model.
MiniMax H3 adalah model transformer difusi 33B parameter yang dirilis sebagai open weights pada 3 Agustus 2026 di bawah MiniMax H3 Community License Agreement. Model ini terdiri dari model inti H3-Base yang menggabungkan text encoder, visual VAE, audio VAE, dan omni transformer, serta sistem praproses dan orkestrasi H3-Context-IR. Dengan RoPE untuk menangkap hubungan spasial dan temporal, H3 menerima input teks, gambar, video, dan audio sekaligus memahami keterkaitan antar modalitas tersebut.
Keluaran model mencakup video dan audio stereo asli yang memuat suara, efek suara, serta musik. Video dapat dihasilkan pada resolusi 480p, 768p, dan 2K dengan 24FPS dan durasi 5 hingga 15 detik, lengkap dengan kontrol frame pertama dan terakhir, konversi image-to-video, serta transfer gerak video-to-video. H3 juga mereproduksi timbre suara dari referensi audio dan menangani penyuntingan video seperti lip sync ke dialog baru dan penggunaan ulang sebagian musik latar.
Model ini cocok untuk periklanan, branding, e-commerce, desain produk, UI/UX, produksi konten game, produksi video pendek berbasis materi referensi, dan transisi berbasis instruksi. Tokenizer baru dengan kompresi tinggi memperpanjang panjang sekuens efektif hingga empat kali lipat, memungkinkan dukungan resolusi 2K asli sekaligus menekan biaya pelatihan dan inferensi. Meski demikian, konsistensi fisik dunia nyata masih menjadi tantangan, dan input multimodal tidak selalu menghasilkan penalaran multimodal yang efektif.
Diperbarui:
ID MODEL
hailuo-3- Masukan
- text / image / video
- Keluaran
- video
Sorotan
- Model difusi omnimodal 33B parameter
- Video dan audio stereo dalam satu model
- Resolusi hingga 2K asli
- Durasi video 5–15 detik pada 24FPS
- Kontrol frame pertama dan terakhir
- Open weights di bawah lisensi komunitas
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
Spesifikasi video
- Rasio aspek
- 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- Audio · Keluaran
- Ya
- Durasi · Minimal
- 5 detik
- Durasi · Maksimal
- 15 detik
- Durasi · Langkah
- 1 detik
- Resolusi
- 2K
Referensi API
Detail protokol model ini belum dipublikasikan. Lihat referensi API untuk persyaratan integrasi.
Referensi API →Pertanyaan umum
Mengenal H3?
MiniMax H3 adalah model transformer difusi 33B parameter yang dirilis sebagai open weights pada 3 Agustus 2026 di bawah MiniMax H3 Community License Agreement. Model ini terdiri dari model inti H3-Base yang menggabungkan text encoder, visual VAE, audio VAE, dan omni transformer, serta sistem praproses dan orkestrasi H3-Context-IR. Dengan RoPE untuk menangkap hubungan spasial dan temporal, H3 menerima input teks, gambar, video, dan audio sekaligus memahami keterkaitan antar modalitas tersebut. Keluaran model mencakup video dan audio stereo asli yang memuat suara, efek suara, serta musik. Video dapat dihasilkan pada resolusi 480p, 768p, dan 2K dengan 24FPS dan durasi 5 hingga 15 detik, lengkap dengan kontrol frame pertama dan terakhir, konversi image-to-video, serta transfer gerak video-to-video. H3 juga mereproduksi timbre suara dari referensi audio dan menangani penyuntingan video seperti lip sync ke dialog baru dan penggunaan ulang sebagian musik latar. Model ini cocok untuk periklanan, branding, e-commerce, desain produk, UI/UX, produksi konten game, produksi video pendek berbasis materi referensi, dan transisi berbasis instruksi. Tokenizer baru dengan kompresi tinggi memperpanjang panjang sekuens efektif hingga empat kali lipat, memungkinkan dukungan resolusi 2K asli sekaligus menekan biaya pelatihan dan inferensi. Meski demikian, konsistensi fisik dunia nyata masih menjadi tantangan, dan input multimodal tidak selalu menghasilkan penalaran multimodal yang efektif.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda. Ditagih berdasarkan biaya pembuatan sebenarnya. Lihat tagihan Anda untuk jumlah akhir.
Input apa saja yang didukung MiniMax H3?
MiniMax H3 menerima input teks, gambar, video, dan audio, serta memahami hubungan antarmodalitas tersebut. Model ini juga mengikuti instruksi multimodal kompleks dalam bahasa alami.
Apakah MiniMax H3 menghasilkan audio?
Ya. Model ini menghasilkan video dan audio stereo asli dalam satu model, termasuk suara, efek suara, dan musik. Timbre suara dapat direproduksi dari referensi audio.
Resolusi dan durasi video seperti apa yang didukung?
MiniMax H3 mendukung resolusi keluaran 480p, 768p, dan 2K. Video dihasilkan pada 24FPS dengan durasi 5 hingga 15 detik.
Apa perbedaan MiniMax H3 dengan MiniMax H3 Max?
MiniMax H3 Max adalah varian yang dikhususkan untuk generasi 480p atau 768p secara cepat dan bervolume tinggi. MiniMax H3 sendiri merupakan model omnimodal dengan dukungan resolusi hingga 2K.
Apa saja keterbatasan MiniMax H3?
Konsistensi fisik dunia nyata masih menjadi tantangan, dan plausibilitas visual tidak menjamin konsistensi fisik. Kegagalan yang dilaporkan mencakup landasan bukti yang salah, realisasi peristiwa yang tidak lengkap, serta pelanggaran mekanika kontak dan geometri objek.
Apakah H3-Context-IR tersedia dalam rilis open-source?
Tidak. H3-Context-IR tidak disertakan dalam rilis open-source dan hanya tersedia melalui API.
