MiniMax开源H3视频模型，原生立体声
2026 年 8 月 3 日，MiniMax 宣布正式开源新一代通用视频模型 MiniMax H3。H3 此前于 7 月 31 日发布，开源版本公开了完整的模型权重。
模型规格
| 项目 | 规格 |
|---|---|
| 时长 | 4–15 秒 |
| 分辨率 | 短边默认 768 像素，2K 需通过 H3-Regenerate-2K |
| 帧率 | 24 FPS |
| 音频 | 32 kHz 立体声 |
| 对白语言 | 稳定支持中、英、日、韩、法、德、西、葡、意、俄、阿拉伯语 11 种 |
| 比例 | 21:9、16:9、4:3、1:1、3:4、9:16 等 |
开源了两个检查点：FL2VA（文生视频、首尾帧生视频）和 Ref2VA（全能参考模式：最多 9 张图、3 段视频、3 段音频，总数不超过 12 个）。
架构亮点
- 核心是 33B 参数的稠密单流 Transformer（H3-Omni-Transformer），其中约 13B 在 AdaLN 分支，推理时可预计算缓存。
- 文本编码器直接使用 Qwen3-VL-32B 的预训练权重。
- 2K 输出不用传统超分，而是让模型“自己重画”一遍低分辨率结果。
需要注意，预处理模块 H3-Context-IR 和 2K 重生成模块没有开源，只能通过 API 调用；官方推荐用 SGLang、vLLM、diffusers 或 ComfyUI 部署。
许可证：出海项目要特别留意
据第三方报道，H3 社区许可不授权欧盟、英国、美国和韩国地区使用。做海外短剧的团队如果要面向这些市场，需要仔细阅读许可条款，或改用官方 API 等其他授权方式。
分析：开源底座的连锁反应
1. 应用公司开始“站在 H3 上”
9 月 30 日，HeyGen 发布的首个通用视频模型 HeyGen Video，官方文档就写明基于 MiniMax H3 后训练。开源底座正在催生一批垂直场景模型。
2. 多语种对白利好出海
11 种语言稳定对白，意味着同一个镜头可以直接生成不同语言版本，减少译制和对口型的工作量。
3. 部署门槛依然不低
官方示例用 4 卡部署，小团队更现实的选择可能是 API 或社区量化方案。
建议
来源
- MiniMax：Open General Intelligence: MiniMax H3 Is Now Open Source
- Reuters：China's MiniMax releases H3 video model
- PacketNebula：MiniMax H3 open weights: not licensed in the EU, UK or US
来源：MiniMax 官方
