MiniMax 今日釋出新一代開源影片模型 MiniMax H3，主打“Seedance 級別”的全模態精準控制與“AI 原生後期”能力。實測顯示，該模型不僅能基於 7 張產品截圖生成一支宣傳片，還能在保持人物動作與鏡頭運鏡的前提下，精準替換物體、修改背景、調整鏡頭角度，甚至將小提琴換成二胡。在 Artificial Analysis 的全球影片編輯榜上，H3 釋出即超越 Gemini Omni 等模型，拿下榜單第一。
H3 是一款“開放通用多模態影片模型”，支援文字、圖片、影片和音訊混合輸入，一次最多使用 9 張圖片、3 段影片和 3 段音訊，混合檔案上限為 12 個。在測試中，編輯將 7 張產品截圖和一段設計介紹影片交給 H3，僅用一句話提示詞，模型便自動完成轉場與動效，生成兩支風格一致、文字準確的宣傳片，且一次性生成、無需抽卡。不過，當畫面中出現較小且密集的文本時，H3 仍偶發亂碼，上傳圖片的畫質會直接影響生成準確性。
H3 的精準編輯能力是其核心亮點。在 Artificial Analysis 榜單登頂後，編輯復現了 Gemini Omni 釋出時的小提琴案例：將小提琴家在音樂廳演奏的影片，直接修改為在草原和海邊的場景，人物光影、表情、鏡頭視角均完美保留，僅背景被精準替換。更進一步的測試中，H3 將小提琴換成二胡，甚至讓演奏者“彈空氣提琴”，物體替換無縫完成。在雙人畫面中，H3 還能分別處理不同物件的指令，例如將左邊人物的衣服換成參考圖樣式，同時將右邊人物變成一條狗。此外，H3 支援調整攝像機角度，同時保持人物細節與背景一致。
對於專業使用者，H3 相容分鏡工作流。編輯用 GPT Image 2 生成機車圖片和分鏡，H3 能重新佈局畫面，並將文字作為視覺設計元素融入場景，而非簡單疊加。例如，將機車名稱和 Logo 放在機車下方，更符合觀看體驗。H3 還能生成遊戲 HUD 介面、產品廣告片，並結合語音模型實現聲音、畫面與角色動作的對齊。
H3 的另一大優勢是降低使用成本。通過技術積累，MiniMax 為企業客戶和創作者提供更低的使用成本，同時解決了生成“不可控”、“離成片遠”的問題。編輯認為，H3 不僅讓非影片專業使用者能以極低門檻製作 demo 和提案素材，還顯著降低了非專業使用者與專業使用者協作時的溝通障礙。
從產業角度看，AI 影片競爭正從單純追求畫質和電影感，轉向更完整的生產工具能力。H3 將生成、剪輯、字幕、動效、聲音等環節整合進單一模型，並開源，讓內容團隊可以圍繞模型搭建自己的影片生產能力，而非依賴高價 Token 採購。這或許為 AI 影片發展開闢了另一條賽道：持續打磨模型能力，使其更接近真正可交付內容的生產工具。