minimax-h3 · 视频

MiniMax 开源的全模态视频生成系统，统一理解文本、图像、视频和音频四种输入，可直接输出带原生 32kHz 立体声音频的视频，最高 2K 分辨率、4 至 15 秒时长，支持 21:9 至 9:16 多种画幅。多模态参考模式最多可混合输入 9 张图像、3 段视频和 3 段音频，稳定支持中英日韩等 11 种对话语言。开源版本附带完整推理代码与权重，可直接部署或微调。