MODEL

MiniMax H3

MiniMax 发布的通用音视频生成模型。它接受文本、图像、视频和音频上下文，生成带原生双声道音频的视频；公开的 H3-Base 提供 FL2VA 与 Ref2VA 两类检查点。

发布日期：

2026-07-31

参数量：

33B（H3-Omni-Transformer）

架构：

由 H3-Context-IR、H3-Base 和 H3-Regenerate-2K 组成；H3-Base 使用 H3-Omni-Transformer、视觉 VAE、音频 VAE 和基于 Qwen3-VL-32B 的编码器。

输入输出：

文本 + 图像 + 音频 + 视频 → 音频 + 视频

开放方式：

部分开源

组织：

MiniMax