MiniMax H3是MiniMax推出的通用全模态生成模型，能同时处理文本、图片、视频和音频，并直接生成最高2K分辨率、24 FPS、15秒的视频。它统一了文生视频、图生视频、参考生视频和视频编辑等任务，采用音画联合生成机制，一次生成画面、语音、音效和音乐，强化了指令遵循和品牌渲染能力，适用于广告营销和多模态创作。