TL;DR
AI 視訊模型正走出舊有的純文字轉影片範式，邁向能理解完整創意簡報——文字、影像、參考片段、動作、聲音、音樂與音效——並將其轉化為連貫視聽場景的系統。MiniMax 已於 2026 年 7 月 31 日正式發佈 MiniMax H3，這是一個通用的全模態生成模型，能夠共同理解文字、影像、影片與音訊，並生成最長 15 秒、原生立體聲的片段。其關鍵變化是一套統一的架構：將文字轉影片、影像轉影片、首/末幀生成、基於參考的生成、動作遷移、視聽編輯與音訊條件生成視為同一個多模態生成問題的變體，而非彼此獨立的管線。託管產品預設提供 2K 輸出，透過 H3-Base 先以 768p 短邊生成，隨後由 H3-Regenerate-2K 使用原始脈絡重建場景。具有競爭力的視聽品質、靈活的多模態控制、可下載的 H3-Base 權重，以及具脈絡感知的 2K 完成，使 H3 成為 2026 年技術上更具辨識度的影片發佈之一。
Key Takeaways
- 新架構：Contextual Omni Representation、H3-VAE、H3-Omni Transformer 與 In-Context Regeneration 在多模態間統一理解與生成。
- 表現提升：H3 可生成 4–15 秒片段，24 FPS 視訊、32 kHz 立體聲，並透過再生成由託管服務預設輸出 2K。
- API 與開放權重：MiniMax 提供 H3-2K、H3-Context-IR 與 H3-Regenerate-2K 託管 API，同時開放下載 H3-Base-FL2VA 與 H3-Base-Ref2VA 檢查點。
- 主要用例：廣告、品牌、電商、產品設計、UI/UX、遊戲、電影、參考驅動生成、動作遷移與視聽編輯。
- 定價與部署邊界：官方按量計費為 768P 每秒 $0.08、2K 每秒 $0.13；僅 H3-Base 可下載，H3-Context-IR 與 H3-Regenerate-2K 仍為託管服務。
What Is MiniMax H3?
MiniMax H3 是由 MiniMax 開發的通用全模態視聽生成系統。H3 不僅能接受提示詞或單一參考圖片，還能在包含文字、影像、影片與音訊的脈絡中推理，並生成同步的影片與立體聲音訊。
託管版 H3 支援 4–15 秒輸出、24 FPS 視訊與 32 kHz 立體聲。MiniMax 將託管系統標示為預設提供 2K；技術上，H3-Base 先產出 768p 短邊結果，接著 H3-Regenerate-2K 會將該結果與原始脈絡回饋給 H3 以重建 2K。MiniMax 也報告在 11 種語言上具備穩定對話生成能力，包括英文、中文、日文、韓文、法文、德文、西班牙文、葡萄牙文、義大利文、俄文與阿拉伯文。
這項差異很重要。許多較早的影片工作流程實際上是管線式：
prompt -> silent video -> speech -> sound effects -> music -> synchronization
H3 則將音訊與影像視為同一生成過程的組成部分。其 H3-Omni-Transformer 共同預測影像與音訊的潛變量，減少後續再行組裝獨立的影片、配音、音樂與同步階段的需求。
MiniMax H3 Specifications at a Glance
| Specification | MiniMax H3 |
|---|---|
| Developer | MiniMax |
| Model category | 通用全模態影片生成 |
| Input modalities | 文字、影像、影片、音訊 |
| Output | 影片加原生立體聲 |
| Output duration | 4–15 秒 |
| Base resolution | H3-Base 為 768p 短邊 |
| Hosted resolution | 透過 H3-Regenerate-2K 提供最高 2K；預設為 2K，由 H3-Regenerate-2K 在 768p 基礎上產生 |
| Frame rate | 24 FPS |
| Audio | 32 kHz 立體聲 |
| Stable dialogue languages | 11 |
| Aspect ratios | 21:9、16:9、4:3、1:1、3:4、9:16 及其他比例 |
| Reference limits | 最多 9 張圖片、3 段影片、3 段音訊，以及合計 12 個混合檔案 |
| Core generative model | 33B 稠密 H3-Omni-Transformer |
| Position encoding | 3D Multimodal RoPE |
| Open-weight checkpoints | H3-Base-FL2VA 與 H3-Base-Ref2VA |
| Checkpoint precision | BF16 |
| License | MiniMax H3 Community License |
33B 指的是 H3-Omni-Transformer，而非整個託管管線中的所有組件。
What Makes MiniMax H3 Different?
One Model for Multiple Video Tasks
多數影片生成器在歷史上會將文字轉影片、影像轉影片、動作參考、影片編輯、音訊生成與主體參考等能力分離。
MiniMax 採用不同的方法。H3 以多模態脈絡與期望輸出之間的泛化關係進行預訓練，允許用自然語言以指令描述這些關係。
例如，創作者可以概念性地要求 H3：遵循某段影片的鏡頭運動、保留一張圖片中的角色，並使用另一段音訊作為聲線參考。MiniMax 發佈示範正是藉由此類跨模態指令，展示 H3 的廣義參考系統。
這使得 H3 不像是一組生成模式的集合，更像是一個多模態的創意引擎。
Native Video and Stereo Audio Generation
MiniMax 的技術說明指出，H3-Omni-Transformer 會共同預測影像與音訊潛變量。音訊部分由 H3-AudioVAE 運作，它先將 32 kHz 音訊壓縮為 40 Hz 的潛在序列，之後再解碼為立體聲。
這為包含對話、環境聲、音樂或音效的場景帶來實用優勢：聲音是生成脈絡的一部分，而不是完全獨立的後製步驟。
Omni-Reference Inputs
H3-Base-Ref2VA 支援最多 9 張圖片、3 段影片與 3 段音訊，且最多接受 12 個混合輸入檔案。參考影片與音訊各可為 2–15 秒，並對各模態總時長有限制。在 Ref2VA 模式中，音訊不能作為唯一的參考輸入。
重點不只在參考數量。H3 的設計在於推斷這些素材之間的關係。
- 保留一張圖片中的角色；
- 復刻參考片段的動作；
- 遷移某種視覺或電影風格；
- 保留或替換音訊；
- 以某個聲音作為音色參考；
- 使用自然語言指令編輯現有的視聽場景。
In-Context 2K Regeneration
H3 的高解析度方法格外重要。
它並非僅把 768p 輸出丟給傳統超解析網路處理，H3-Regenerate-2K 會將原始多模態脈絡與基礎結果重新輸入 H3，要求在更高解析度下重建場景。
預期優勢在於語義恢復。一般放大器可以插值像素，但無法可靠重建已遺失的資訊——例如小字體、品牌元素或細微物件細節。H3 的再生成階段可以在構建 2K 結果時，再次參考原始提示與參考素材。
How Does the MiniMax H3 Architecture Work?
完整的 H3 工作流程包含三個主要階段：
H3-Context-IR -> H3-Base -> H3-Regenerate-2K
H3-Context-IR 負責理解可能相當複雜的多模態指令，並轉換為結構化的 Context Intermediate Representation。H3-Base 消費該表示，生成 768p 視訊加音訊。H3-Regenerate-2K 隨後結合生成結果與原始脈絡，構建更高解析度版本。
H3-Contextual Omni Representation and H3-Context-IR
Contextual Omni Representation 是 MiniMax 更廣義的設計概念：語言作為橋樑，描述脈絡、目標與多種模態之間的關係。在已發佈的系統說明中，H3-Context-IR 是託管的前處理與協調層，負責解析指令、關聯各模態、推理時間，並序列化結果以供 H3-Base 使用。
H3-Encoder 則是 H3-Base 內的一個具體組件。它使用 Qwen3-VL-32B 的預訓練權重，並將第 50 層的隱藏狀態傳入 H3-Omni-Transformer。
H3-VAE
發佈用語「H3-VAE」涵蓋此模型家族的視覺與音訊潛表示。開放權重文件將 H3-VisualVAE 與 H3-AudioVAE 區分描述。H3-VisualVAE 採用時間因果編碼，具有 16× 空間壓縮、4× 時間壓縮與 24 個潛通道，隨後進行 1 × 2 × 2 的分塊化（patchification）。H3-AudioVAE 則將 32 kHz 立體聲音訊壓縮為 40 Hz 的潛在 token 序列。
H3-Omni-Transformer
發佈部落格將名稱寫作「H3-Omni Transformer」；開放權重技術文件則使用「H3-Omni-Transformer」。兩者皆指同一核心生成組件。它是一個 330 億參數的稠密、單串流 Transformer。約 130 億參數位於與 AdaLN 相關的分支；其調制輸出可預先計算並快取，因此在僅推理部署時無需全部常駐載入。
與模態相關的組件集中在輸入/輸出層與 AdaLN 分支，而中央 Transformer 在統一的打包序列上運作。三維的 Multimodal RoPE 分別在時間與空間（t, h, w）上表示位置。
H3-In-Context Regeneration
MiniMax 的發佈部落格稱此技術為 H3-In-Context Regeneration；生產模組名為 H3-Regenerate-2K。它將 768p 結果與原始脈絡回饋給 H3，以重建 2K 輸出，讓語義細節得以再生，而不僅是插值。
Is MiniMax H3 Really Open Source?
從比較章節移至此處，因為開放權重邊界是核心架構差異。
「Open-weight」比「完全開源」更精確。MiniMax 提供 H3-Base-FL2VA 與 H3-Base-Ref2VA 檢查點供本地使用，包含所需的處理器、分詞器、文字編碼器、Transformer、視覺 VAE 與音訊 VAE 等組件。
然而，完整的生產管線無法端到端下載。H3-Context-IR 仍為託管，H3-Regenerate-2K 未包含在初始開放權重釋出中。本地的 H3-Base 生成以 768p 短邊為目標；要重現官方完整 2K 工作流程，需要使用託管的脈絡處理與再生成服務。
H3 採用 MiniMax H3 Community License，而非 Apache 2.0 或 MIT 等標準寬鬆授權。組織在部署前應審閱其地域、署名、安全與商業使用條款。
MiniMax H3 Benchmark Performance
MiniMax 的發佈資料主要著重於示範、架構與用例，而非公布傳統的 VBench 類大型基準矩陣。更中立的參考來源之一是 Artificial Analysis 的 Video Arena，使用者會對相同提示的生成結果進行盲測比較。
| Artificial Analysis task | H3 rank | H3 Elo | Leader | Leader Elo |
|---|---|---|---|---|
| Text-to-Video with Audio | #4 | ≈1,228 | Wan 3.0 | 1,242 |
| Image-to-Video with Audio | #3 | 1,185 | H3 Max, post-trained by fal | 1,202 |
| Video Editing with Audio | #2 | 1,129 | Wan 3.0 | 1,190 |
以上排名為 2026 年 9 月 2 日的快照，並非永久分數。H3 與領先的專有系統具備競爭力，尤其在開放權重陣容中表現亮眼。其價值主張在於將具競爭力的品質、原生視聽生成、多模態參考與可下載的基礎權重結合，而非僅追求最高基準分數。
MiniMax H3 Pricing
以下按量計費於 2026 年 9 月 24 日根據 MiniMax 官方定價頁面重新核對。價格可能變動，生產團隊在預算前應再次驗證。
| Usage | Official list price |
|---|---|
| H3 generation at 768P | $0.08/second |
| H3 generation at 2K | $0.13/second |
| 768P → 2K regeneration output | $0.05/second |
| Standard-generation reference audio | Free |
| Standard-generation reference images | First 5 free; then $0.04/image |
| Regeneration reference images | First 5 free; then $0.025/image |
| Regeneration reference video | $0.05/second of original 768P input |
| H3-Context-IR input | $0.90/M tokens |
| H3-Context-IR output | $3.60/M tokens |
以標價計，10 秒的直接生成在 768P 約 $0.80、在 2K 約 $1.30；15 秒約為 $1.20 或 $1.95。上述範例不含可計費的參考素材、Context-IR tokens 與其他工作流程相關費用。
MiniMax H3 也可透過 CometAPI 使用。其模型頁面在模型 ID 為 minimax-h3 下標示起始費率 $0.064/second。第三方標示價格可能取決於路由、解析度與計費規則，故不應視為通用單價。
MiniMax H3 vs Wan3.0 vs Seedance 2.5 vs Vidu Q3
最有用的競品不一定在紙面規格完全相同。MiniMax H3、Wan3.0、Seedance 2.5 與 Vidu Q3 在專業影片工作流程上各有著力點。
| Dimension | MiniMax H3 | Wan3.0 | Seedance 2.5 | Vidu Q3 |
|---|---|---|---|---|
| Maximum single generation | 15s | 30s | 30s | 16s |
| Video resolution | 託管 2K；開放權重基礎為 768p | 最高 1080P | 視路由而定 | 最高 1080P |
| Native audio-video | Yes | Yes | Yes | Yes |
| Reference inputs | 文字、影像、影片、音訊 | 影像、影片、音訊、文件、網頁 | 影像、影片、音訊 | 影像/參考工作流程 |
| Reference capacity | 12 個混合檔案 | 最多 20 份素材 | 最多 50 份素材 | 主頁未明確說明 |
| Major differentiator | 開放權重 H3-Base 加 2K 再生成 | 30 秒加廣泛輸入 | 30 秒敘事能力與大型參考集 | 短篇敘事與對話控制 |
| Strongest fit | 可自訂的多模態創意管線 | 長時長一站式製作 | 參考素材密集的商業敘事 | 短篇劇情與多人物對話 |
| Strongest fit | 可自訂的創意管線 | 長時長一站式製作 | 參考素材密集的商業敘事 | 短篇劇情與多人物對話 |
Which Model Is Better?
沒有通用的贏家。當開放權重、多模態條件控制、原生立體聲、視聽編輯與 2K 完成比最長片長更重要時，選擇 MiniMax H3。當 30 秒輸出、1080P、廣泛的文件/網頁參考與強勢的擂台表現最重要時，選擇 Wan 3.0。若需要非常大的參考集、30 秒的敘事結構、身份一致性或精準編輯，選擇 Seedance 2.5。若追求短篇敘事、多人物對話、節奏與如同導演般的鏡頭控制，選擇 Vidu Q3。
負責任的評估應在所有候選 API 上跑同一組內部提示。公開榜單不一定揭示可直接比較的版本，以舊版或 turbo 變體替代會扭曲結果。
What Are MiniMax H3's Main Limitations?
- 時長：H3 上限為 15 秒，而部分競品已支援 30 秒生成。
- 開放權重範圍：僅 H3-Base 可下載；Context-IR 與 2K 再生成仍為託管。
- 硬體需求：33B 的稠密影片模型即便有推理優化，本地部署成本仍高。
- 定價複雜度：生成、再生成、參考影片與圖片、以及 Context-IR 可能產生分離計費。
- 授權條款：Community License 較標準寬鬆授權需要更嚴謹的法務審查。
- 基準波動：擂台排名會變動，且不能取代針對工作負載的測試。
Who Should Use MiniMax H3?
H3 非常適合構建多模態影片工作流程的開發者與創意團隊，當他們需要一致的主體、動作或聲音參考、原生立體聲、編輯能力與高解析度完成時。也適合希望自訂或自託管基礎模型、僅在必要時使用託管階段的團隊。
主要需求是最長單次生成、最輕量本地部署或完整寬鬆授權端到端堆疊的團隊，可能會偏好其他模型。MiniMax 強調廣告、品牌、電商、產品設計、UI/UX、遊戲與電影等商業創作場景。
How Can Developers Access MiniMax H3?
有三條主要路徑：
- 使用 MiniMax 的託管產品，包括 Hailuo 與 MiniMax Design。
- 使用第一方 MiniMax Open Platform 的 H3-2K、H3-Context-IR 與 H3-Regenerate-2K API。
- 下載 H3-Base 檢查點，透過官方倉庫與支援的推理框架在本地部署。
實作細節請參考來源清單所連結的官方 API 與部署文件；本文聚焦於產品評估。
Conclusion
MiniMax H3 的重要性不在於它在每一項指標上都領先，而在於它將分散的製作鏈壓縮為一個可編程的多模態系統。可下載的 H3-Base 權重讓開發者能在本地原型化、自訂與迭代，而託管的 H3-Context-IR 與 H3-Regenerate-2K 階段提供了生產所需的更豐富指令處理與高解析度完成。這種混合模式也帶來取捨：15 秒上限、本地基礎設施需求、對託管服務的依賴、工作流程層面的成本，以及 Community License 條款，皆需對照團隊的真實提示與交付約束進行評估。對於優先重視多模態參考控制、同步原生音訊、視聽編輯與 2K 成片的團隊，H3 是一個引人注目的平台；而主要需要更長片段或完全自成一體且寬鬆授權堆疊的團隊，應在承諾前對替代方案進行基準測試。
FAQ
How should a production team divide work between local H3-Base and MiniMax’s hosted services?
一個可行的混合流程是：用本地 H3-Base 進行快速探索、提示迭代、參考測試，以及任何需要基礎設施控制或資料在地性的階段；有前景的輸出再移交給託管的 H3-Context-IR 以獲得更豐富的指令處理，並用 H3-Regenerate-2K 產出最終解析度。最佳分工取決於 GPU 能力、交付時效、治理需求，以及託管階段帶來的品質提升是否能抵銷額外的傳輸、延遲與計費。
What should an internal evaluation set measure before a team adopts H3?
不要只用視覺上華麗的提示評估 H3。請使用可重複的真實生產簡報集合，並評分指令遵循度、主體與品牌一致性、時間穩定性、文字渲染、鏡頭運動準確性、音畫同步、對話品質、再生成保真度、延遲、失敗率，以及每支可接受片段的總成本。將相同素材與驗收標準套用到競爭模型，避免以擂台排名取代團隊實際工作負載的證據。
How should multimodal reference assets be prepared to improve controllability?
參考素材應具備清晰且不衝突的角色：一張圖定義身份、一段片定義動作、一段音訊定義聲音或氛圍。移除低品質或矛盾的參考，將片段修剪至相關動作，並在指令中明確說明各素材與目標輸出的關係。從最小且足夠的參考集合開始，更易診斷哪個素材改善結果、哪個引入歧義。
Which production costs are easy to miss when comparing H3 with another API?
每秒生成價格只是可見的基線。實際成本模型應包含可計費的參考影片與額外圖片、Context-IR tokens、2K 再生成、重試、被拒生成、本地 GPU 能力、媒體儲存與傳輸、審核處理、整合工程與人工審閱。更有用的比較是「達標解析度下每支通過作品的成本」，而非「每次原始生成成本」。
How should teams interpret “2K by default” when H3-Base itself generates at 768p?
這兩個說法描述的是不同層次的產品。「預設 2K」指的是託管商業體驗；而 768p 指可下載的 H3-Base 階段的短邊輸出；隨後由 H3-Regenerate-2K 使用基礎結果與原始脈絡重建最終輸出。因此，品質測試應將本地 768p 與託管最終 2K 視為兩個獨立工作階段，比較再生成是否確實恢復文字、品牌、人臉與細節，而非僅僅提升像素尺寸。
When is MiniMax H3 unlikely to be the best first choice?
當專案需要大幅更長的單次片段、完全本地 2K 完成、標準寬鬆授權、極低 GPU 投入，或極其簡單且幾乎不需要多模態參考的文字轉影片流程時，H3 可能不是最佳首選。在此情況下，H3 泛化架構的價值未必能抵銷額外的營運複雜度。用具代表性的提示進行短期概念驗證，是判斷其控制力與音畫整合是否實質改善最終交付的最安全方式。