ang kontrol na pagpipilian. Kapag kailangang manatiling pare-pareho ang parehong karakter, produkto, o boses sa isang serye ng mga clip, magsimula dito.
MiniMax H3 — ang modelong tinatawag ng lahat na Hailuo 3.0 — dumating noong Hulyo 31, at binabago nito ang equation ng kontrol: bigyan ito ng hanggang 12 reference file (mga larawan, video clip, kahit mga voice recording) at gagawa ito ng 2K clip na may kasamang dialogue at tunog, habang pinapanatili ang iyong karakter, galaw ng iyong camera, boses mo. Ini-integrate namin ito noong linggo ng paglabas nito.
Libreng draft sa mabibilis na modelo · pinakamurang 2K sa site
Ilang araw pa lang ang modelong ito, kaya ituring ito bilang mga unang impresyon mula sa sarili naming mga test render sa halip na tiyak nang kaalaman. Babaguhin namin ang seksyong ito habang mas lumilinaw ang larawan — feature ito ng page na ito, hindi disclaimer.
• Kontrol ng omni-reference.
Hanggang 9 na larawan, 3 video clip, at 3 audio clip ang gumagabay sa isang pagbuo. Gumagana na sa wakas ang pag-lock ng karakter sa isang serye ng mga clip nang walang pasikot-sikot sa prompt.
• 2K na may tunog, sa isang pasada.
Native 2560×1440 sa 24 fps na may dialogue, effects at ambience na sabay na nabubuo. Maaaring i-publish ang output, hindi ito silent draft.
• Pag-edit batay sa tagubilin.
"Palitan ang kotse ng bisikleta, panatilihin ang lahat ng iba pa" ay ine-edit ang clip sa halip na likhain itong muli. Inilalagay ng mga unang leaderboard ang H3 sa tuktok para sa pag-edit, at sumasang-ayon ang aming mga pagsubok.
• Presyo kada pixel.
Ang maagang pagpepresyo ng platform ay nag-aalok ng 15-segundong 2K clip sa maliit na bahagi lamang ng sinisingil ng mga katulad na modelo. Ang pinakamurang 2K na hina-host namin.
• Ito ay talagang bago.
Hindi pa rin tiyak ang mga score ng mga independent benchmark. Anumang claim na "pinakamahusay na modelo" ngayong buwan — kabilang ang sa amin — ay pansamantala. Subukan muna bago mo ito gawing pamantayan.
• Bukas na weights: ipinangako, hindi naipadala.
Sinasabi ng MiniMax na darating ang mga weight sa ilalim ng isang lisensyang pangkomunidad; pagsapit ng unang bahagi ng Agosto, wala pang nailalabas. Kung self-hosting ang plano mo, hintayin ang link sa pag-download, hindi ang anunsyo.
• Reference curve.
Ang labindalawang input file ay labindalawang paraan para lituhin ito. Ang magkakasalungat na reference (dalawang magkaibang mukha, nagbabanggaang mga istilo) ay nagdudulot ng malabong resulta — magsimula sa 2–3 at magdagdag pa.
• Kaguluhan sa pagpapangalan.
H3 = Hailuo 3.0 = Hailuo 03. Hindi ito MiniMax M3 (isang text model) at hindi rin Kling O3 (Kuaishou, walang kaugnayan). Mabuting malaman bago ka maghambing ng mga page ng presyo.
Ang H3 ay isang modelong inuuna ang reference — kasinghalaga ng mga salita ang mga file na inilalakip mo. Sinusubok ng bawat recipe ang isang kakayahang wala sa ibang mga modelo rito.
I-upload: 3 larawan ng parehong tao (harap, profile, mid-shot)
"[Character] pumasok sa isang ramen bar na naiilawan ng neon, umupo sa counter, at umorder. Sumusunod ang handheld camera mula sa likuran, pagkatapos ay nag-cut sa front shot mula sa kabila ng counter. Mainit na ilaw sa loob, humuhupa ang ingay ng kalye habang nagsasara ang pinto."
Ang maraming anggulo ng parehong mukha ay nagbibigay sa model ng mala-3D na pag-unawa sa karakter. Ito ang setup para sa paggawa ng serye — gamitin muli ang parehong tatlong larawan sa bawat clip at mananatiling pare-pareho ang karakter sa lahat ng ito.
Magsimula sa: isang clip na nagawa mo na
"Palitan ang pulang sedan ng cargo bike. Panatilihing eksakto tulad ng dati ang damit ng rider, ang galaw ng camera, ang ulan, at lahat ng ambient sound."
Itinuturing ng H3 ang umiiral na clip bilang materyal na maaaring i-edit sa halip na isang nabigong pagtatangka. Ang pagtukoy kung ano ang HINDI dapat magbago ay kalahati ng tagubiling nalilimutan ng karamihan — ito ang nagpapanatiling eksakto at maingat ang pag-edit na parang operasyon.
I-upload: 1 larawan ng produkto + 1 maikling recording ng boses
"Hawak ng isang presenter ang eksaktong produktong ito sa harap ng camera sa isang maliwanag na studio at sinasabi, sa reference voice: 'Tatlumpung araw. Walang tanong. Subukan ito.' Cut sa close-up ng produkto sa puti. Masiglang room tone."
Nila-lock ng audio reference ang boses tulad ng pag-lock ng mga image reference sa isang mukha — isang kakayahang natatangi sa H3 sa aming lineup. Ang dalawang shot sa isang 15-segundong generation ay isa ring bagay na hindi talaga kayang gawin ng mga 5–8-segundong model.
Parehong mga prompt sa lahat ng tatlo, hinusgahan batay sa kung ano ang ilalabas namin — na may paalala na sapat na bago ang H3 kaya maaaring mabilis maluma ang mga pagtatantyang ito. Mananatili pa rin ang workflow: gumawa ng draft nang mura, ihambing, pagkatapos ay i-commit ang credits, lahat mula sa isang prompt box.
Lahat sa kategoryang ito ay nag-a-advertise ng "libre at walang limitasyon". May mga hangganan ang sa amin, at narito ang mga iyon:
na-preview sa WAIC noong Hulyo 17, inilunsad noong Hulyo 31. Native 2K, one-pass na audio na may diyalogo, omni-reference, pag-edit gamit ang tagubilin, mga multi-shot na clip. Ang bersyon sa pahinang ito.
ang 1080p, ~10-segundong maaasahang modelo na bumuo sa reputasyon ng Hailuo para sa kalidad ng galaw. Walang omni-reference, walang native audio; tungkol dito isinulat ang karamihan sa mga review ng "Hailuo" na makikita mo.
ang henerasyong nagpatingin sa komunidad sa MiniMax nang seryoso: ang mga bagay ay nahulog, tumalbog, at nagsaboy nang kapani-paniwala sa presyong kayang abutin ng mga hobbyist. Nakikita pa rin ang DNA sa H3.
Iisang modelo, dalawang pangalan. MiniMax H3 ang opisyal na pangalan; Hailuo 3.0 (minsan isinusulat na Hailuo 03) ang tawag dito ng komunidad, mula sa Hailuo app kung saan ito tumatakbo. Ito ang ikatlong henerasyon ng video line ng MiniMax, inilunsad noong Hulyo 31, 2026. Dalawang bagay na hindi ito: MiniMax M3, na siyang text model ng kumpanya, at Kling O3, isang ganap na ibang modelo mula sa Kuaishou na napagkakamalan dahil sa baybay na 'Hailuo 03'.
Ang realista. Kapag kailangang magmukhang aktuwal na footage ang clip, na may audio.
Ang koreograpo. Pinakamahusay na galaw ng tao at ekspresyon ng mukha.
Ang sketchpad. Pinakamabilis at pinakamurang mga draft — dito muna bumuo ng mga prompt.