H3 API

MiniMax H3 là mô hình khuếch tán transformer 33 tỷ tham số do MiniMax phát triển, ra mắt ngày 31 tháng 7 năm 2026 và phát hành trọng số mở ngày 3 tháng 8 năm 2026 theo MiniMax H3 Community License Agreement. Mô hình gồm hai phần: H3-Base, kết hợp bộ mã hóa văn bản, VAE thị giác, VAE âm thanh và omni transformer dùng RoPE để nắm bắt quan hệ không gian – thời gian; và H3-Context-IR, hệ tiền xử lý và điều phối. H3-Context-IR không nằm trong bản mã nguồn mở mà chỉ có qua API. Về khả năng, MiniMax H3 nhận đầu vào văn bản, hình ảnh, video và âm thanh, hiểu mối quan hệ giữa chúng và tạo video cùng âm thanh từ một mô hình duy nhất. Mô hình hỗ trợ độ phân giải đầu ra 480p, 768p và 2K, tạo video 24FPS dài 5 đến 15 giây, điều khiển khung đầu và khung cuối, chuyển hình ảnh thành video và chuyển động video sang video. Nó tái tạo âm sắc giọng nói từ tham chiếu âm thanh, tạo âm thanh stereo gốc gồm giọng nói, hiệu ứng âm thanh và nhạc, đồng thời xử lý các tác vụ chỉnh sửa video như khớp khẩu hình với lời thoại mới và tái sử dụng một phần nhạc nền. Mô hình cũng hiển thị chính xác văn bản trên màn hình và biểu đạt thương hiệu. MiniMax H3 phù hợp với quảng cáo, xây dựng thương hiệu, thương mại điện tử, thiết kế sản phẩm, UI/UX, sản xuất nội dung game, sản xuất video ngắn có tư liệu tham chiếu và các chuyển cảnh theo chỉ dẫn. Nhờ tokenizer nén cao giúp mở rộng độ dài chuỗi hiệu dụng gấp bốn lần và hỗ trợ 2K gốc, mô hình giảm đáng kể chi phí huấn luyện và suy luận, được xem là hàng đầu trong các mô hình tạo video mã nguồn mở. Tuy vậy, tính nhất quán với thế giới vật lý vẫn là thách thức: đầu vào đa phương thức không phải lúc nào cũng dẫn tới suy luận đa phương thức hiệu quả, và các lỗi được báo cáo gồm neo bằng chứng sai, sự kiện chưa hoàn thiện, vi phạm cơ học tiếp xúc và hình học vật thể.

Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác. Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.

Mô hình nhận đầu vào văn bản, hình ảnh, video và âm thanh, đồng thời hiểu mối quan hệ giữa các phương thức này để tạo video kèm âm thanh stereo gốc.

MiniMax H3 hỗ trợ độ phân giải đầu ra 480p, 768p và 2K, tạo video 24FPS với thời lượng từ 5 đến 15 giây.

Có. Mô hình xử lý các tác vụ chỉnh sửa video như khớp khẩu hình với lời thoại mới và tái sử dụng một phần nhạc nền, đồng thời hỗ trợ điều khiển khung đầu và khung cuối.

Mô hình phù hợp với quảng cáo, xây dựng thương hiệu, thương mại điện tử, thiết kế sản phẩm, UI/UX, sản xuất nội dung game, video ngắn có tư liệu tham chiếu và chuyển cảnh theo chỉ dẫn.

Không. H3-Context-IR không được đưa vào bản phát hành mã nguồn mở mà chỉ có thể truy cập qua API, trong khi H3-Base là mô hình lõi.

MiniMax H3 Max là biến thể chuyên cho việc tạo nhanh, khối lượng lớn ở 480p hoặc 768p, còn MiniMax H3 là mô hình đa phương thức đầy đủ với đầu ra lên tới 2K.