MiniMax lancerede 31. juli 2026 videomodellen H3, der genererer 2K-klip på 4 til 15 sekunder med native stereolyd. Ifølge den citerede gennemgang læser H3 tekst, billeder, video og lyd som én samlet kontekst og leverer video tilbage (kilde). Modellen er tilgængelig i platformens API under model-ID’et MiniMax-H3 og i Hailuo-appen. On‑premise-brug fremgår ikke som understøttet i de offentliggjorte oplysninger (kilde).
Det centrale er konkret: 2K-output, varighed 4–15 sekunder i hele sekunder, og en API-overflade med tre indgange bag ét endpoint samt et asynkront forløb. De tekniske værdier og API-detaljer er dokumenteret i den nævnte gennemgang og gengives nedenfor med direkte henvisning for verificering.
Hvad er MiniMax H3
H3 beskrives som en generel multimodal genereringsmodel og ikke blot en tekst-til-video-stack med tilføjelser. Ifølge kilden læser modellen tekst, billeder, video og lyd som én fælles kontekst og returnerer video med stereolyd. Beskrivelsen anfører, at tidligere video-stacks ofte var delt op i flere “ekspertmodeller”, mens H3 foldes ind i én prætræningsparadigme med relationer udtrykt i naturligt sprog (kilde).
Lanceringen er dateret 31. juli 2026, modellen er live i API’et under MiniMax-H3 og synlig i Hailuo-appen. Ifølge de offentliggjorte oplysninger er deployment via API mulig, men ikke på eget hardware (kilde).
Specifikationer til implementering
Følgende værdier fremgår af den primære kilde og er relevante ved integration (kilde):
- Output: 2K-opløsning; varighed 4–15 sekunder, heltal.
- Formater: Video H.264/H.265; billeder JPG/PNG/WEBP/HEIC/HEIF; lyd WAV/MP3.
- Filstørrelser pr. aktiv: video ≤50 MB; billede ≤30 MB; lyd ≤15 MB.
- Prompt og payload: prompt ≤7.000 tegn; request body ≤64 MB. Store aktiver anbefales sendt via URL.
- Referencegrænser: op til 9 billeder; op til 3 videoer à 2–15 s og ≤15 s samlet; op til 3 lydklip. Lyd kan ikke sendes alene uden billede eller video. Maks. 12 filer samlet pr. job.
De nævnte fil- og formatkrav sætter klare rammer for, hvordan input skal sammensættes, og hvornår URL-input er nødvendigt.
API og arbejdsgang
Ifølge kilden ligger API’et bag ét endpoint og kører asynkront i tre trin: opret en opgave, poll på task_id, og hent indhold fra content.url, når status er fuldført. Der eksponeres tre entry-modes bag samme endpoint: tekst-til-video, billede-til-video med første eller sidste frame fastlagt, samt referencegenerering med blandede inputtyper (kilde).
Asynkroniteten og de dokumenterede caps betyder, at klienter må håndtere jobstatus og nedlæsning af output, og at input holdes inden for de oplyste grænser.
Hvad grænserne betyder i praksis
Kliplængden på 4–15 sekunder peger mod kortformater. Ifølge positioneringen i kilden favner det bl.a. ad-varianter, titelsekvenser og website-heroer. Længere fortællinger eller instruktioner ligger uden for det dokumenterede interval og kræver derfor andre værktøjer eller opdeling i flere bidder (kilde).
Referencecaps og loftet på 12 filer pr. job betyder, at store referencebiblioteker ikke kan indgå i ét kald. Det kræver prioritering af materialet, når man designer kaldet (kilde).
Anvendelser ifølge MiniMax
Ifølge den primære kilde positionerer MiniMax H3 til bl.a. reklame, branding, e-handel, produktdesign, UI/UX, gaming, filmisk pre-vis og retail-katalogmedier. Dokumenterede eksempelapplikationer omfatter ad-variantgenerering, produkt- og listing-videoer, animerede plakater, titelsekvenser, website-heroer, karakter-konsistente mellemsekvenser i spil og video-til-video bevægelsesoverførsel (kilde). Dette er producentens positionering.
Stereo fremgår som en del af modeloutputtet. Det kan forenkle korte produktioner, hvis målformatet passer til de understøttede codecs (kilde).
Pris og tilgængelighed
Ifølge den anvendte gennemgang er deployment mulig via API i dag, mens deployment på eget hardware ikke fremgår som understøttet i de offentliggjorte oplysninger. På prissiden gengiver kilden et fabriksoplyst løfte om lavere pris pr. sekund end “mainstream”-modeller ved samme opløsning samt estimerede tal omkring 0,13 USD pr. sekund for 2K (ca. 1,95 USD for 15 s). Dette er sekundær rapportering i artiklen og ikke fra en officiel prisside på udgivelsestidspunktet; tal bør derfor verificeres direkte hos MiniMax, før de bruges i budgetter (kilde).
Kilden beskriver desuden, at flere modaliteter er foldet ind i én model via samme prætræningsparadigme. Eventuelle fordele eller ulemper ved det kan ikke udledes yderligere af de tilgængelige oplysninger (kilde).
EU’s mærkningskrav
Ifølge Unite.ai bliver EU’s regler for mærkning af AI-genereret indhold bindende 2. august 2026. Fra den dato skal udbydere, der bygger generative systemer, markere billeder, lyd, video og tekst, så output kan genkendes som kunstigt, og udgivere af dybt manipuleret indhold eller AI-tekst om emner af offentlig interesse skal oplyse det for slutbrugerne (kilde).
Hvor meget mærkning der kræves i forskellige kanaler, og hvordan den skal implementeres, fremgår ikke af de anvendte kilder. Organisationer må afklare krav og praksis op mod de officielle regler og vejledninger.
Ukendte faktorer
De anvendte kilder dokumenterer ikke træningsdata, ophavsretlige detaljer eller persondatahåndtering for H3. Der fremgår heller ikke uafhængige benchmarks for kvalitet, latency eller fejltyper. Det efterlader åbne spørgsmål om performance og robusthed, som bør afklares gennem egne tests før brug i brand-kritiske sammenhænge (kilde).
Lipsync-kvalitet, komplekse kamerabevægelser og adfærd på scener med occlusion er ikke dokumenteret i kilderne. Det samme gælder indbyggede sikkerhedsforanstaltninger og eventuel watermarking. Brugere må teste og vurdere egnethed i egne miljøer (kilde).
Bundlinjen lige nu
H3 beskrives i den primære gennemgang som en multimodal genereringsmodel, der leverer korte 2K-klip med stereolyd og tre dokumenterede API-tilgange i et asynkront flow. Tilgængelig via API og i Hailuo-appen, mens on‑premise ikke fremgår som understøttet i de offentliggjorte oplysninger. Tekniske caps og formater er klart oplyst og sætter rammer for integration. EU’s kommende mærkningskrav ligger tæt på i kalenderen ifølge den sekundære kilde. Resten kræver verifikation i praksis: kvalitet, hastighed, stabilitet – og om prisbilledet matcher de rapporterede estimater.
