H3 API

MiniMax H3는 MiniMax가 2026년 7월 31일 공개한 33B 파라미터 확산 트랜스포머 모델로, 텍스트·이미지·비디오·오디오 입력을 통합적으로 이해하고 비디오와 스테레오 오디오를 하나의 모델에서 생성합니다. 핵심 H3-Base는 텍스트 인코더, 비주얼 VAE, 오디오 VAE, 옴니 트랜스포머로 구성되며 RoPE를 사용해 공간적·시간적 관계를 포착합니다. 480p, 768p, 2K 해상도를 지원하고 24FPS로 5초에서 15초 길이의 비디오를 생성하며, 첫 프레임과 마지막 프레임 제어, 이미지-투-비디오 변환, 비디오-투-비디오 모션 전환을 수행합니다. 오디오 참조로부터 음색을 재현하고 음성, 효과음, 음악을 포함한 네이티브 스테레오 오디오를 만들어 내며, 자연어로 설명된 복잡한 멀티모달 지시를 따릅니다. 광고, 브랜딩, 이커머스, 제품 디자인, UI/UX, 게임 콘텐츠 제작, 참고 자료를 활용한 숏폼 비디오 제작, 지시 기반 전환 등에 적합합니다. 새로운 고압축 토크나이저로 유효 시퀀스 길이를 네 배 확장했고 네이티브 2K 해상도를 지원하며 학습 및 추론 비용을 크게 절감했습니다. 다만 물리적 일관성은 여전히 과제로, 시각적 그럴듯함이 물리적 일관성을 보장하지는 않습니다.

이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다. 실제 생성 비용을 기준으로 과금됩니다. 최종 금액은 청구 내역을 확인하세요.

텍스트, 이미지, 비디오, 오디오 입력을 받아 이들 간의 관계를 이해합니다. 이를 바탕으로 비디오와 스테레오 오디오를 출력합니다.

480p, 768p, 2K 해상도를 지원하며 24FPS로 5초에서 15초 길이의 비디오를 생성합니다.

광고, 브랜딩, 이커머스, 제품 디자인, UI/UX, 게임 콘텐츠 제작, 참고 자료를 활용한 숏폼 비디오 제작, 지시 기반 전환에 적합합니다. 대사에 맞춘 립싱크나 배경 음악 일부 재사용 같은 비디오 편집 작업도 처리합니다.

네이티브 스테레오 오디오를 생성하며 음성, 효과음, 음악을 포함합니다. 오디오 참조로부터 음색을 재현할 수도 있습니다.

MiniMax H3 Max는 빠른 대량 생성에 특화된 480p 또는 768p 변형입니다. MiniMax H3는 2K 해상도까지 지원하는 옴니모달 모델입니다.

H3-Base는 2026년 8월 3일 오픈 가중치로 공개되었으며 MiniMax H3 Community License Agreement를 따릅니다. H3-Context-IR은 오픈소스에 포함되지 않고 API로만 제공됩니다.