Imagifly — MiniMax H3

MiniMax H3 は MiniMax が 2026 年 7 月 31 日に公開したマルチモーダル生成モデルで、Hailuo 系とは別系統です。Hailuo 01〜2.3 が従来の動画製品であるのに対し、H3 はテキスト/画像から音声付き動画を生成する新しい汎用モデルで、MiniMax の動画モデルとしては初めて重みが公開されました。

  • 画像
  • 動画
  • 音声

1本あたり 22 クレジット〜

MiniMax H3 の参照動画とネイティブ音声サンプル
作例: MiniMax H3 の参照動画とネイティブ音声サンプル

MiniMax H3 について

MiniMax H3 は MiniMax が 2026 年 7 月 31 日に公開したマルチモーダル生成モデルで、Hailuo 系とは別系統です。Hailuo 01〜2.3 が従来の動画製品であるのに対し、H3 はテキスト/画像から音声付き動画を生成する新しい汎用モデルで、MiniMax の動画モデルとしては初めて重みが公開されました。

中身は 33B の dense な単一ストリーム Omni-Transformer で、テキストエンコーダは Qwen3-VL-32B です。公開 checkpoint は CFG 蒸留済みで H3-Base-FL2VA と H3-Base-Ref2VA の 2 系統。テキストからの音声付き動画、先頭・末尾フレーム、画像・動画・音声の参照入力に対応し、32kHz ステレオ、1 回 4〜15 秒、既定 768p、2K は API 側の H3-Regenerate-2K モジュールが必要です。

重みは BF16 で Hugging Face に公開され、diffusers / SGLang / vLLM / ComfyUI に対応します。ただしライセンスは一般的なオープンソースではなく MiniMax H3 Community License(2026 年 8 月 2 日発効)で、EU・英国・韓国・米国は対象外となり、別途申請が必要です。H3-Context-IR と 2K 再生成モジュールは API 専用です。

主な特徴

  • 音声と映像を同時生成、32kHz ステレオ
  • 1 回 4〜15 秒、24 FPS、既定 768p、2K は API モジュール経由
  • 33B dense 単一ストリーム Omni-Transformer、BF16 重み公開
  • コミュニティライセンスは EU・英国・韓国・米国を除外

モデル仕様

開発元
MiniMax
公開日
2026-07-31
最新バージョン
MiniMax-H3 (API: H3 / Highspeed / Lite / Max)
ライセンス
MiniMax H3 Community License (excludes EU, UK, South Korea, USA)
アーキテクチャ
33B dense 単一ストリーム Omni-Transformer(テキストエンコーダ Qwen3-VL-32B)
パラメータ数
33B(BF16 重み公開)
タスク
テキストから音声付き動画、先頭・末尾フレーム、参照素材による生成
推奨設定
API は MiniMax-H3(768P/2K、4〜15 秒)、MiniMax-H3-Highspeed、MiniMax-H3-Lite、MiniMax-H3-Max(5〜15 秒)。参照素材は画像 9 枚・動画 3 本(合計 15 秒以内)・音声 3 本・合計 12 ファイル程度が上限です。サンプリングステップ数は公表されていません。

出典:MiniMaxAI/MiniMax-H3 model card