MiniMax H3

MiniMax H3 是 MiniMax 發布的通用多模態影片生成模型，能同時理解文字、圖片、影片與音訊所提供的情境，再產生帶有原生立體聲音訊的影片。對創作者而言，這代表提示詞不必獨自承擔所有工作：圖片可以說明主體或構圖，影片可以示範動作與鏡頭語言，音訊可以提供節奏或聲音方向。若只有創意可從文生開始；圖生入口可用起始圖片與可選的結尾圖片引導片段，參考生成則可結合圖片、影片和音訊。官方研究資料特別提到複雜指令理解、畫面中文字和品牌元素的呈現，以及以影片為參考的動作轉移，因此模型適用於產品展示、廣告草案、介面概念和有聲敘事片段。多模態輸入提供了更多控制，也要求素材之間保持一致：應先界定每份參考資料的角色，再在提示詞中指出需要保留的元素。生成結果仍應檢視文字、標識、肢體動作與音畫同步是否達到作品要求。