ChainThink 消息，7 月 31 日，据官方消息，MiniMax 发布全模态生成模型 H3，可同时理解文字、图片、视频和声音，并根据一条自然语言指令生成或编辑视频。

H3 支持将动作迁移、人物参考、声音参考和视频编辑放入同一次任务。例如，用户可让模型参考一段视频的镜头运动、另一张图片中的人物以及第三段音频的声音。

该模型最长可生成 15 秒视频，支持 2K 分辨率和原生双声道声音。官方 API 价格方面，2K 为每秒 0.13 美元，生成 15 秒视频约 1.95 美元；

768P 为每秒 0.09 美元。单次任务最多可输入 9 张图片、3 段视频和 3 段音频，总数不超过 12 个文件。

MiniMax 计划未来几天开放模型权重，官方尚未公布其与 Seedance、Veo 等模型的统一评测。