MiniMax H3 (Hailuo H3): apa yang bisa dilakukan model video MiniMax — 2K, stereo, dan 12 referensi

Apa itu MiniMax H3

MiniMax H3 adalah model video dari perusahaan Tiongkok MiniMax, pembuat layanan Hailuo AI. Ia keluar pada 31 Juli 2026 dan menggantikan Hailuo 2.3 — karena itu sering disebut Hailuo 3 atau Hailuo H3. Ikhtisar seluruh keluarga dan perbandingan dengan 2.3 yang lama ada di halaman Hailuo AI.

MiniMax menyebut H3 “model multimodal serbaguna”. Dulu, teks ke video, video dari gambar, pemindahan gerak, dan pengisian suara butuh model yang berbeda. Di H3 ini satu model: ia memahami teks, gambar, video, dan audio, lalu menghasilkan gambar dan suara stereo bersama-sama.

Pada 3 Agustus 2026 MiniMax membuka bobot H3. Intinya transformer padat dengan 33 miliar parameter. Sekitar 13 miliar di antaranya bisa dihitung lebih dulu dan tidak perlu dimuat saat generasi.

Di peringkat Arena pada 21 September 2026, H3 berada di peringkat 8 dari 48 model video — di atas Veo 3.1 dan Sora 2 Pro.

Apa yang bisa dilakukan MiniMax H3

Klip bersuara hingga 15 detik. Panjangnya 4 sampai 15 detik, dengan langkah satu detik, 24 bingkai per detik. Ucapan, derau, dan musik dibuat bersama gambar, dalam stereo.

2K lewat generasi ulang. Resolusi dasar adalah 768p. Permintaan Regeneration terpisah mengambil klip yang sudah jadi dan semua referensi asli, lalu membuatnya lagi dalam 2K. MiniMax menegaskan ini bukan upscaler: model menggambar ulang teks kecil, detail produk, dan susunan bingkai.

Hingga 12 referensi. Dalam mode referensi, H3 menerima:

• hingga 9 gambar;
• hingga 3 video berdurasi 2–15 detik, total tidak lebih dari 15 detik;
• hingga 3 audio dengan batas durasi yang sama.

Totalnya tidak lebih dari 12 berkas. Video referensi menentukan gerak atau kamera; audio menentukan suara, lagu, atau irama. Audio hanya bekerja bersama gambar atau video.

Bingkai pertama dan terakhir. Anda bisa memberi satu gambar sebagai awal, satu sebagai akhir, atau keduanya — model membangun gerak di antaranya. Tanpa gambar, permintaan menjadi generasi dari teks.

Ucapan dalam 11 bahasa. H3 mengisi suara kalimat dalam tanda kutip dan menyelaraskannya dengan bibir tokoh. MiniMax menyatakan dukungan stabil untuk 11 bahasa, termasuk bahasa Rusia.

Teks dan merek dalam bingkai. MiniMax menyebut penggambaran teks dan merek yang tepat sebagai salah satu kekuatan utama H3, dan mengarahkannya ke iklan, e-commerce, serta poster animasi.

Rasio gambar: 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16; untuk video dari gambar, rasio mengikuti sumbernya.

Versi MiniMax H3 dan harga

	MiniMax H3	H3 + Regeneration	MiniMax H3 Max
Pembuat	MiniMax	MiniMax	fal.ai, berbasis H3
Resolusi	768p	2K	480p, 768p
Durasi	4–15 dtk	sama seperti sumber	5–15 dtk
Mode	teks, bingkai, referensi, suntingan	pembuatan ulang klip yang sudah jadi	teks, gambar, referensi
Harga API per detik	$0,08	+$0,05 di atas klip 768p, atau $0,13 jika 2K langsung	$0,08 dalam 768p, $0,05 dalam 480p
Gambar referensi gratis	5	—	2

Daftar harga MiniMax juga punya varian yang lebih ringan: H3 Highspeed $0,06 per detik dalam 768p, H3 Lite $0,04 dalam 768p dan $0,025 dalam 480p. Video masukan ditagih menurut durasinya dengan tarif yang sama; audio masukan gratis.

MiniMax H3 cocok untuk apa

• Iklan dan e-commerce — produk dengan tulisan, logo, poster animasi.
• Klip tokoh dari foto — 9 gambar cukup untuk menjaga wajah, pakaian, dan benda.
• Pemindahan gerak — video referensi menentukan gerak tubuh tokoh atau gerak kamera.
• Klip lagu — audio referensi menentukan vokal dan irama.
• Server sendiri — bobot terbuka memungkinkan menjalankan H3 di mesin Anda; caranya di ComfyUI ada di panduan MiniMax H3 di ComfyUI.

MiniMax H3 dan alternatifnya

	MiniMax H3	Wan 3.0	Kling 3.0	Seedance 2.5
Pengembang	MiniMax	Alibaba	Kuaishou	ByteDance Seed
Durasi	4–15 dtk	hingga 30 dtk	hingga 15 dtk	4–30 dtk
Resolusi maksimal	2K	1080p	4K	1080p
Referensi	9 foto, 3 video, 3 audio	10 foto, 5 video, 5 audio, satu dokumen	hingga 7 gambar atau elemen	hingga 50 berkas
Bobot terbuka	ya	tidak	tidak	tidak
Peringkat Arena (21/09/2026)	8	6	—	7
Di AI2Face	ya	ya	ya	ya

H3 adalah satu-satunya model di 10 besar Arena dengan bobot terbuka, dan set masukan yang paling lentur: foto, video, dan audio dalam satu generasi. Jika klip perlu lebih dari 15 detik, pakai Wan 3.0 atau Seedance 2.5; untuk 4K, Kling 3.0.

Cara menulis prompt untuk MiniMax H3

1. Jelaskan kaitan masukan dan hasil dengan kata biasa. MiniMax menyarankan begini: “tokoh dari foto pertama menyanyi mengikuti audio, kamera bergerak seperti di video”.
2. Tambahkan tanda kamera. H3 memahami tag seperti [pan], [zoom], dan [static] — tag itu mengatur gerak tanpa deskripsi panjang.
3. Dialog dalam tanda kutip, sebutkan siapa yang bicara.
4. Suara dalam kalimat terpisah: “Suara: hujan di atas batu, saksofon, trem yang jauh”.
5. Jangan menghemat teks. Prompt boleh sampai 7.000 karakter.

Contoh untuk papan referensi di atas:

Tokoh dari gambar 1–3 dengan jas hujan kuning mengayuh sepeda hijau dari gambar 5
di atas batu basah dari gambar 7, sambil memegang payung merah dari gambar 4. Ia berhenti
di kafe dari gambar 8, menurunkan tudung dan tersenyum ke kamera: "Akhirnya di rumah."
[pan] kamera mengikutinya dari samping, lalu [static] pada close-up.
Suara: hujan, desisan ban, akordeon pelan dari kafe.

Cara memakai MiniMax H3 di AI2Face

MiniMax H3 ada di generator AI2Face, di samping Wan 3.0, Kling, dan Veo 3.1.

1. Daftar — akun baru mendapat kredit sambutan.
2. Buka generator, pindah ke video, dan pilih MiniMax H3.
3. Unggah bingkai atau referensi, tulis prompt, pilih durasi dan resolusi.
4. Biaya dalam kredit terlihat sebelum dimulai. Kredit dari paket tidak hangus. Pembayaran bisa dengan kartu atau kripto.

Referensi mudah disiapkan di generator yang sama — lembar sudut pandang tokoh, seperti di halaman ini, dibuat di Nano Banana Pro.

Keterbatasan

• 15 detik per generasi. Lebih panjang hanya dengan menyambung klip.
• 2K adalah langkah terpisah. Pertama 768p, lalu generasi ulang.
• H3 Max tanpa 2K dan tanpa klip lebih pendek dari 5 detik.
• Referensi audio tidak bekerja sendiri — hanya bersama gambar atau video.
• Batas berkas: video hingga 50 MB, gambar hingga 30 MB, audio hingga 15 MB; sisi gambar dari 256 sampai 5.760 px, rasio dari 2:5 sampai 5:2.
• Bobot terbuka berat. Contoh jalankan MiniMax dirancang untuk 4 kartu grafis, dan tahap 2K hanya lewat API.
• Detail halus. MiniMax sendiri menulis bahwa di beberapa adegan detail masih bisa ditingkatkan.

Kesimpulan

MiniMax H3 adalah pilihan terbaik saat klip disusun dari banyak sumber: foto tokoh, video gerak, dan audio suara dalam satu generasi, plus 2K yang sungguhan dan suara stereo. Ini satu-satunya model di 10 besar Arena dengan bobot terbuka — Anda bisa menjalankannya sendiri. Untuk klip lebih dari 15 detik, pakai Wan 3.0 atau Seedance 2.5; untuk storyboard dengan tokoh sebagai elemen, Kling 3.0. Semuanya bisa dibandingkan pada prompt yang sama di AI2Face.