MiniMax H3正式开源，支持2K视频与原生立体声的全模态生成系统

2026年8月3日，据AIHOT报道，MiniMax正式开源新一代通用视频模型H3。该模型可统一理解文本、图像、视频和音频，能生成最高2K分辨率、最长15秒、带32kHz原生立体声音频的视频。

此前开源视频模型多在分辨率、时长或音频能力上有所取舍，H3同时支持2K分辨率、15秒时长和32kHz原生立体声，且统一处理多模态输入，标志着开源模型在多模态生成能力上的新水平。

MiniMax通过统一模型架构处理文本、图像、视频和音频，使各模态间信息可交互，降低多步生成误差。开源策略可吸引开发者测试反馈，加速模型迭代，并扩大生态影响力。

对产品与研发团队，H3开源提供了可直接集成的高质量视频生成能力，可降低自研多模态模型的技术门槛与成本，缩短功能上线周期，同时需评估其部署资源消耗与现有产品技术栈的兼容性。

• 集成H3到短视频创作工具，提供2K、15秒内的一键生成服务。
• 基于H3开发多模态内容理解与生成功能，如自动生成带背景音乐的解说视频。
• 针对H3推出云端API服务，按调用量收费，向中小企业售卖。

• H3的模型参数量与训练数据规模尚未披露。
• 开源许可证类型与商用条款未说明。
• H3生成视频的具体推理速度与硬件要求未知。
• 是否有独立第三方评测验证2K与立体声效果尚待确认。