MiniMax H3 (Hailuo H3): что умеет видеонейросеть MiniMax — 2K, стереозвук и 12 референсов

Что такое MiniMax H3

MiniMax H3 — видеомодель китайской компании MiniMax, создателя сервиса Hailuo AI. Она вышла 31 июля 2026 года и сменила Hailuo 2.3 — поэтому её часто называют Hailuo 3 или Hailuo H3. Обзор всего семейства и сравнение со старой 2.3 — на странице Hailuo.

MiniMax называет H3 «универсальной мультимодальной моделью». Раньше для текста в видео, видео по картинке, переноса движения и озвучки нужны были разные модели. В H3 это одна модель: она понимает текст, изображения, видео и аудио и генерирует картинку и стереозвук вместе.

3 августа 2026 года MiniMax открыла веса H3. В основе — плотный трансформер на 33 млрд параметров. Около 13 млрд из них можно предвычислить и не загружать при генерации.

В рейтинге Arena на 21 сентября 2026 года H3 на 8-м месте из 48 видеомоделей — выше Veo 3.1 и Sora 2 Pro.

Что умеет MiniMax H3

Ролик со звуком до 15 секунд. Длина — от 4 до 15 секунд с шагом в секунду, 24 кадра в секунду. Речь, шумы и музыка генерируются вместе с картинкой, в стерео.

2K повторной генерацией. Базовое разрешение — 768p. Отдельный запрос Regeneration берёт готовый ролик и все исходные референсы и генерирует его заново в 2K. MiniMax подчёркивает, что это не апскейлер: модель заново прорисовывает мелкий текст, детали товара и структуру кадра.

До 12 референсов. В режиме по референсам H3 принимает:

• до 9 изображений;
• до 3 видео длиной 2–15 секунд, суммарно не больше 15 секунд;
• до 3 аудио с теми же ограничениями по длине.

Всего — не больше 12 файлов. Видео в референсе задаёт движение или камеру, аудио — голос, песню или ритм. Аудио работает только вместе с картинкой или видео.

Первый и последний кадр. Можно дать одну картинку как старт, одну как финал или обе — модель построит движение между ними. Без картинок запрос превращается в генерацию по тексту.

Речь на 11 языках. Реплику в кавычках H3 озвучивает и синхронизирует с губами героя. MiniMax заявляет стабильную поддержку 11 языков, включая русский.

Текст и бренды в кадре. MiniMax называет точную отрисовку текста и брендов одной из главных сильных сторон H3 и прямо целится в рекламу, e-commerce и анимированные постеры.

Форматы кадра: 21:9, 16:9, 4:3, 1:1, 3:4 и 9:16, а для видео по картинке — автоматически по исходнику.

Версии MiniMax H3 и цены

	MiniMax H3	H3 + Regeneration	MiniMax H3 Max
Кто сделал	MiniMax	MiniMax	fal.ai на основе H3
Разрешение	768p	2K	480p, 768p
Длина	4–15 с	как у исходника	5–15 с
Режимы	текст, кадры, референсы, правка	повтор готового ролика	текст, картинка, референсы
Цена API за секунду	$0,08	+$0,05 к ролику 768p, или $0,13 при 2K сразу	$0,08 в 768p, $0,05 в 480p
Бесплатных картинок-референсов	5	—	2

В прайсе MiniMax есть и облегчённые варианты: H3 Highspeed — $0,06 за секунду в 768p, H3 Lite — $0,04 в 768p и $0,025 в 480p. Видео на входе оплачивается по его длительности по той же ставке, аудио — бесплатно.

Для каких задач подходит MiniMax H3

• Реклама и e-commerce — товар с надписью, логотип, анимированный постер.
• Ролик с героем по фото — 9 картинок хватает, чтобы держать лицо, одежду и предметы.
• Перенос движения — видео в референсе задаёт пластику героя или движение камеры.
• Клип под песню — аудио в референсе задаёт вокал и ритм.
• Свой сервер — открытые веса позволяют запускать H3 у себя; как это сделать в ComfyUI, разобрано в гайде MiniMax H3 в ComfyUI.

MiniMax H3 и аналоги

	MiniMax H3	Wan 3.0	Kling 3.0	Seedance 2.5
Разработчик	MiniMax	Alibaba	Kuaishou	ByteDance Seed
Длина	4–15 с	до 30 с	до 15 с	4–30 с
Максимальное разрешение	2K	1080p	4K	1080p
Референсы	9 фото, 3 видео, 3 аудио	10 фото, 5 видео, 5 аудио, документ	до 7 картинок или элементов	до 50 файлов
Открытые веса	да	нет	нет	нет
Место в Arena (21.09.2026)	8	6	—	7
В AI2Face	да	да	да	да

H3 — единственная модель топ-10 Arena с открытыми весами и самым гибким набором входов: фото, видео и аудио в одной генерации. Если нужен ролик длиннее 15 секунд — берите Wan 3.0 или Seedance 2.5, если 4K — Kling 3.0.

Как писать промпты для MiniMax H3

1. Опишите связь входов и результата обычными словами. MiniMax прямо советует так делать: «героиня с первого фото поёт под аудио, камера двигается как в видео».
2. Добавляйте метки камеры. H3 понимает теги вроде [pan], [zoom] и [static] — они задают движение без длинных описаний.
3. Реплики — в кавычках с указанием, кто говорит.
4. Звук — отдельной фразой: «Звук: дождь по брусчатке, саксофон, далёкий трамвай».
5. Не экономьте на тексте. Промпт может быть до 7000 символов.

Пример для доски референсов выше:

Героиня из картинок 1–3 в жёлтом дождевике едет на зелёном велосипеде с картинки 5
по мокрой брусчатке с картинки 7, держа красный зонт с картинки 4. Останавливается
у кафе с картинки 8, снимает капюшон и улыбается в камеру: "Наконец-то дома."
[pan] камера ведёт её сбоку, затем [static] на крупном плане.
Звук: дождь, шуршание шин, тихий аккордеон из кафе.

Как использовать MiniMax H3 в AI2Face

MiniMax H3 доступна в генераторе AI2Face рядом с Wan 3.0, Kling и Veo 3.1.

1. Зарегистрируйтесь — новым аккаунтам начисляют стартовые кредиты.
2. Откройте генератор, перейдите в видео и выберите MiniMax H3.
3. Загрузите кадры или референсы, напишите промпт, выберите длину и разрешение.
4. Стоимость в кредитах видна до запуска. Кредиты не сгорают, оплата — картой РФ, по СБП или криптовалютой, VPN не нужен.

Референсы удобно подготовить в том же генераторе — лист ракурсов героя, как на этой странице, делается в Nano Banana Pro.

Ограничения

• 15 секунд за генерацию. Длиннее — только склейкой.
• 2K — отдельным шагом. Сначала 768p, потом повторная генерация.
• H3 Max без 2K и без роликов короче 5 секунд.
• Аудио-референс не работает один — только вместе с картинкой или видео.
• Лимиты файлов: видео до 50 МБ, картинка до 30 МБ, аудио до 15 МБ; стороны картинки — от 256 до 5760 px, соотношение — от 2:5 до 5:2.
• Открытые веса — тяжёлые. Пример запуска MiniMax рассчитан на 4 видеокарты, а этап 2K открыт только через API.
• Мелкие детали. MiniMax сама пишет, что в некоторых сценах детализацию ещё можно улучшить.

Выводы

MiniMax H3 — лучший выбор, когда ролик собирается из многих исходников: фото героя, видео с движением и аудио с голосом в одной генерации, плюс честное 2K и стереозвук. Это единственная модель из топ-10 Arena с открытыми весами — её можно запустить у себя. Для роликов длиннее 15 секунд берите Wan 3.0 или Seedance 2.5, для раскадровки с героями-элементами — Kling 3.0. Все они сравниваются на одном промпте в AI2Face.