MiniMax H3 Max 技術規格
| 規格 | MiniMax H3 Max |
|---|---|
| 模型 ID | minimax-h3-max |
| 模型家族 | MiniMax H3 |
| 模型類型 | 生成式影片模型 |
| 模型來源 | 基於 MiniMax H3 開源權重進行後訓練 |
| 後訓練 | fal Research |
| 主要優化 | 提示遵從、審美品質、推理吞吐量 |
| 輸入 | 文字、圖像;透過 H3 Max 系列可用的參考轉影片支援 |
| 輸出 | 具同步/原生音訊的影片 |
| 時長 | 5–15 秒 |
| 解析度 | 480p 和 768p;1080p 精修的可用性取決於當前端點 |
| 幀率 | 24 FPS |
| 音訊 | 同步立體聲音訊 |
| 文字轉影片 | 是 |
| 圖像轉影片 | 是 |
| 首幀至末幀 | 透過圖像轉影片並提供末幀予以支援 |
| 參考轉影片 | 可透過 H3 Max 系列/API 使用 |
| 長寬比 | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 |
| 主要 API 端點 | api.cometapi.com/v1/videos |
| 基礎模型 | MiniMax H3 |
MiniMax H3 Max 是 MiniMax H3 的後訓練版本,而非具更高能力上限的獨立後繼模型。fal Research 表示其以額外資料對 H3 的開源權重進行後訓練,重點聚焦於提示遵從與審美品質,同時其推理團隊圍繞最終模型共同設計了服務架構。
在將 H3 Max 與標準版 MiniMax H3 比較時,這一差異很重要。H3 本身是一個通用型全模態影片系統,支援文字、圖像、影片與音訊理解,以及生成具原生立體聲音訊的影片。MiniMax 的開源 H3 文件指出,其 H3 變體的輸出時長為 4–15 秒,解析度最高可達 2K。
H3 Max 則著重於不同的運作點:更快的生成速度、較強的提示遵從,以及在 480p/768p 輸出下的視覺品質。fal 報告稱,在其基礎設施上,可在三秒內生成一段 5 秒的 768p 片段。
什麼是 MiniMax H3 Max?
MiniMax H3 Max 是透過對開源權重的 MiniMax H3 模型進行後訓練而打造的 AI 影片生成模型。fal Research 表示,該模型專門針對更強的提示遵從與審美品質進行調校,而其推理堆疊也針對高吞吐量進行了最佳化。
該模型支援文字轉影片與圖像轉影片,其中圖像轉影片端點在提供結尾圖像時亦支援首幀至末幀的生成。H3 Max API 系列另外提供了參考轉影片功能。
因此,其最具辨識度的特性並非更大的參數量或更長的上下文視窗,而是「影片品質、提示遵從與低生成延遲」三者的結合。
MiniMax H3 Max 的主要特性
- 「後訓練的 MiniMax H3 基礎」:H3 Max 源自 MiniMax H3 的開源權重,而非無關的影片模型。fal Research 加入了針對提示遵從與審美的後訓練資料。
- 「快速影片生成」:fal 報告在其基礎設施上,約 2.78 秒即可生成一段 5 秒、768p 的片段,大幅降低迭代式影片生成的等待時間。
- 「強提示遵從」:後訓練過程專注於更好地遵從細緻指令,包括場景構圖、動作、鏡頭運動與視覺風格。
- 「文字轉影片與圖像轉影片」:開發者可直接從文字提示生成影片,或以圖像作為起始幀。圖像端點也可接受末幀以進行首幀至末幀的生成。
- 「原生同步音訊」:H3 Max 生成具同步音訊的影片,適合需要對白、環境聲或視聽協同的短場景。
- 「多種長寬比」:支援常見的橫式、直式、方形與電影級格式,包括 21:9、16:9、4:3、1:1、3:4 與 9:16。
MiniMax H3 Max 的基準表現
| 評估項目 | MiniMax H3 Max 結果 | 評估類型 | 樣本量/置信度 | 衡量內容 |
|---|---|---|---|---|
| Design Arena – 以圖生影片 | 1,341 Elo | 人類偏好 Elo | 擂台式比較 | 用戶對生成影片品質的整體偏好 |
| Artificial Analysis – 以圖生影片 + 音訊 | 1,201 Elo | 人類偏好 Elo | 2,177 個樣本;在 95% 置信區間為 ±11 | 對帶音訊的圖像轉影片生成的偏好 |
| fal 人類偏好評估 – 整體品質 | 在受評模型中排名 #1 | 逐對比較的人類評估 | 與 12 個領先影片模型比較 | 整體視覺品質 |
| fal 人類偏好評估 – 提示理解 | 在受評模型中排名 #1 | 逐對比較的人類評估 | 與 12 個領先影片模型比較 | 生成影片對提示的遵從準確度 |
| fal 人類偏好評估 – 審美 | 在受評模型中排名 #1 | 逐對比較的人類評估 | 與 12 個領先影片模型比較 | 視覺美感與感知品質 |
| 生成速度 – 5 秒 768p 影片 | <3 秒 | 推理速度測量 | fal 基礎設施 | 端到端生成速度 |
| 與官方 MiniMax H3 的生成速度對比 | ~35× 更高吞吐量 | 供應商回報的吞吐量比較 | fal 基礎設施 | 相對推理吞吐量 |
目前最強的公開量化結果是「1,341 Elo 的 Design Arena 分數」與「1,201 Elo 的 Artificial Analysis 分數」。然而,兩者皆為「人類偏好 Elo 指標」,而非傳統的準確度基準。Artificial Analysis 的結果在 2,177 個樣本上報告了 95% 置信區間為 ±11。
對於 CometAPI 內容,較安全的表述方式是區分:
「能力證據」:提示遵從、審美、影音生成與圖像/影片條件約束能力。
「性能證據」:供應商回報的生成延遲與第三方偏好評估。
避免將「#1」的人類偏好結果表述為客觀的整體排行榜名次。
MiniMax H3 Max 與 MiniMax H3 對比
| 能力 | MiniMax H3 Max | MiniMax H3 |
|---|---|---|
| 來源 | H3 開源權重 + fal 後訓練 | 原始 MiniMax H3 |
| 主要聚焦 | 提示遵從 + 審美 + 速度 | 通用型全模態影片生成 |
| 典型輸出時長 | 5–15 秒 | 4–15 秒 |
| 標準輸出 | 480p / 768p | 透過已文件化的 H3 變體最高可達 2K |
| 原生音訊 | 是 | 是 |
| 文字轉影片 | 是 | 是 |
| 圖像轉影片 | 是 | 是 |
| 首/末幀流程 | 支援 | 支援 |
| 參考流程 | 提供 H3 Max 參考端點 | 廣泛的參考轉影片功能 |
| 生成速度 | 為高吞吐量而優化 | 標準 H3 推理 |
| 最清楚記載的區別 | 快速迭代生成 | 更廣的能力/解析度上限 |
最重要的差異在於「運作點」而非「模型世代」。標準版 H3 被設計為更廣泛的全模態系統,且在 MiniMax 的文件中支援最高 2K 的輸出;而 H3 Max 則圍繞其支援的輸出解析度,重點打造更快的生成與更好的提示遵從。
MiniMax H3 Max 的代表性用例
快速創意迭代
H3 Max 非常適合創作者反覆生成、檢視與修訂短片段的流程。更低延遲使得嘗試多個提示變體變得實用,而無需為每次迭代等待數分鐘。
社群媒體影片
其短時長、直式長寬比支援、同步音訊與快速生成,使 H3 Max 適用於短影音內容與廣告概念。
產品可視化
圖像轉影片可將產品靜態圖轉為短促銷序列,同時讓來源圖像引導構圖與外觀。
電影感概念開發
可使用描述鏡頭運動、主體動作、環境、光線與視覺風格的細緻提示,於昂貴的製作流程前先行打樣電影級鏡頭。
首尾幀轉場
當提供開頭與結尾圖像時,H3 Max 可用於受控的轉場序列,而非完全依賴不受限的文字轉影片生成。
如何透過 CometAPI 存取 MiniMax H3 Max API
CometAPI 可作為統一的 API 層,用於整合受支援的 AI 模型,而無需為每個模型分別維護供應商特定的整合。
步驟 1:建立 CometAPI API 金鑰
登入 CometAPI,並從開發者主控台建立 API 權杖。
步驟 2:選擇 minimax-h3-max
當你的 CometAPI 帳戶可用該模型時,使用 minimax-h3-max 作為模型識別符。
步驟 3:發送影片生成請求
透過 CometAPI 的影片 API 介面提交你的提示與受支援的生成參數。依據當前公開的 CometAPI 結構定義,參數可能包括時長、解析度、長寬比、圖像輸入與其他影片生成控制項。
在發布整合範例之前,請核對最新的 CometAPI 模型頁與 API 文件,以確認精確的端點、參數名稱、支援的解析度,以及非同步任務處理行為。這些細節可能會獨立於底層的 H3 Max 模型而變動。