MiniMax开源H3视频模型：33B参数支持2K分辨率+原生立体声，成本仅为竞品1/3

发布概况

MiniMax于7月31日正式发布H3视频模型，并于8月2日将权重上传至Hugging Face。H3是少数同时支持视频生成与原生音频同步的可下载模型之一。

模型规格

技术参数

• 参数量：33B
• 架构：统一理解文本/图像/视频/音频四模态
• 输出分辨率：最高2K（2048×2048）
• 帧率：24fps
• 视频时长：4-15秒
• 音频：32kHz立体声，原生同步

定价

• 2K分辨率下每秒价格仅为竞品1/3
• 托管API无使用限制

生态整合

H3已上线十余个平台：

• ComfyUI
• Runway
• Leonardo.ai
• Topview
• 以及更多AI创作平台

许可证限制

MiniMax社区许可证

许可证并非完全开放，存在以下限制：

• 地域限制：禁止在美国、欧盟、英国、韩国直接使用权重
• 收入门槛：年收入超过2000万美元的企业须书面授权
• 署名要求：须在屏幕使用中标注来源
• 托管API无限制：通过MiniMax官方API使用则不受地域限制

能力特点

四模态统一理解

H3能够同时处理文本、图像、视频和音频输入，在单一上下文中理解多模态信息：

• 文本描述生成视频
• 图像+文本生成视频
• 视频+音频联合生成
• 视频编辑与风格迁移

原生音频同步

不同于大多数需要后期配音的视频生成模型，H3原生生成与视频内容匹配的立体声音频，大幅降低了视频制作的工作流复杂度。

行业影响

视频生成领域的竞争

H3以极低价格和开源策略进入市场，对视频生成领域形成冲击：

• 被业界称为"视频界的DeepSeek"
• 打破字节跳动等企业的定价体系
• 推动视频生成技术向更广泛的创作者群体开放

开源与商业化的平衡

H3的许可证策略代表了开源AI领域的一种新平衡：

• 通过开源权重建立技术影响力
• 通过地域限制保护核心市场
• 通过API提供无限制使用渠道

后续观察

H3在社区中的采用率、竞品的价格跟进策略、以及MiniMax后续模型的迭代方向，将是关键观察点。