リアルタイム動画モデル

MiniMax H3

オープンウェイト33Bビデオモデル(Hailuo 3.0)— ネイティブステレオ音声つき15秒クリップ。この波の土台。

huggingface.co · 掲載≠推奨 · 2026-09-03 再確認

パラメータ: 33B dense · open base weights (H3-Base)
出力: 4–15s clips; 2K via API only (local ≈768p)
Audio: Native stereo — a property of the model
重み公開: Aug 3, 2026
ライセンス: Regional exclusions incl. US / EU / UK / KR

MiniMax H3 とは?

このリアルタイム生成の波の土台になっているオープンウェイトの33Bビデオモデル(Hailuo 3.0)。オープンなのは base のみ(ローカルは約768p)で、2K と参照モジュールはAPI限定。ライセンスにも地域制限あり。MiniMax公式APIはリアルタイムではない—fal のリアルタイム向けビルドが配信基盤にしている。

MiniMax H3 のできること

33B dense open-weight model (H3-Base) released Aug 3, 2026
Generates 4–15 second clips with native 32kHz stereo audio — audio is in the model, not post-processed
Omni-modal: text, image and video in; video and audio out
2K upscale and context-reference modules are API-only — local open-weight generation is around 768p
Day-zero ecosystem support from Hugging Face, ComfyUI, ModelScope and many chip vendors

MiniMax H3 は誰向け?

Self-hosting open-weight video generation on a local GPU
Building video pipelines that need native, controllable audio
Running realtime or near-realtime generation via fal’s H3 Max build

MiniMax H3 の長所と短所

長所

One of the first flagship open-weight video models with native audio
Runs locally — ComfyUI shipped day-zero support and cites RTX-3060-class GPUs
Day-one adaptation across major open-source tooling and silicon vendors

短所

Only the base is open; the 2K pass and reference modules are API-only
Licence carries regional exclusions (incl. US, EU, UK, South Korea)
MiniMax’s own API is not realtime — the streaming use case runs through fal’s tuned build