MiniMax H3 — видео сразу со звуком

MiniMax H3 — видеомодель компании MiniMax, вышедшая 31 июля 2026 года. Её главное отличие от предыдущего поколения в том, что изображение и звук генерируются одновременно, в одном проходе: готовый MP4 сразу содержит стереодорожку. Модель работает в двух режимах — из текстового описания и из загруженного изображения, выдаёт ролики длительностью от 5 до 15 секунд в разрешении 480p или 768p.

Звуковая дорожка создаётся тем же проходом, что и видеоряд, и приходит внутри готового MP4 — стереозвук 32 kHz. Отдельной кнопки «добавить звук» нет: он генерируется всегда. Разработчик отдельно подчёркивает, что речь, шумы и музыка моделируются совместно, без разделения на отдельные домены — поэтому звук совпадает с движением в кадре: гром звучит на вспышке молнии, всплеск слышен в момент удара жидкости.

Доступны 480p и 768p. 768p — родное разрешение модели, в формате 16:9 это кадр 1344×768 пикселей. Режим 480p работает заметно быстрее и стоит вдвое дешевле, поэтому его удобно использовать для черновых прогонов и подбора промпта, а финальный вариант снимать в 768p.

Да. В режиме «изображение в видео» кроме первого кадра можно загрузить второй — модель построит переход от одного к другому. Это удобно для превращений, смены сцены и зацикленных роликов, где начало и конец должны совпасть.

Звук описывают в том же тексте, что и картинку — отдельного поля для него нет. Работают формулировки уровня «раскаты грома и глубокая оркестровая партитура», «тихий джаз и приглушённый гул кофейни», «шум прибоя и крики чаек». Если звук не описан, модель подберёт его сама, исходя из содержания сцены. Русский язык модель поддерживает официально, промпт — до 7000 символов.