MiniMax H3 est un modèle vidéo multimodal polyvalent construit autour de quatre éléments : des clips de 4 à 15 secondes, une sortie en 2K, une entrée de références mixtes et une édition précise. Images, vidéo et audio sont intégrés ensemble dans une seule requête. H3 lit les personnages, le mouvement, l’émotion, le langage caméra, le style et l’intention créative présents dans chaque référence, puis les fusionne en une scène audiovisuelle cohérente plutôt qu’en matière brute que vous devez encore assembler. L’édition constitue l’autre moitié du modèle. Pointez un personnage, un objet, une scène, un son ou même le rythme lui-même, et H3 modifie exactement cela, en suivant des instructions détaillées tout en laissant le reste intact — vous itérez donc sur des images existantes au lieu de refaire entièrement la prise. Cette combinaison convient à la production commerciale réelle : publicité, films de marque, e-commerce, drame court et contenu de jeu. H3 compose les sous-titres, les marques de la marque et les éléments d’interface comme partie intégrante du design plutôt que de les coller par-dessus, et c’est là qu’il est le plus fort face aux autres modèles.