MiniMax H3：视频、声音和参考素材放进同一条链

MiniMax 于 7 月 31 日发布 H3，一款同时理解文字、图像、视频和音频的通用多模态生成模型。官方给出的上限是 2K、15 秒和原生立体声；Reuters 也核实了这些能力，并报道它支持用参考素材编辑内容与迁移动作。12

对创作者来说，值得先测的是「跨媒体修改」：固定一组人物图、运动参考和声音线索，重复改三次，记录关系保持、声画同步、画面文字和细节稳定性。MiniMax 写明开放权重是未来几天的计划，并未在公告中给出完整的普通创作者入口、地区、价格或配额；这些字段先按未知处理。1