MiniMax H3

提示未必只得文字，亦可以連同圖片、影片甚至音訊一齊交畀模型處理；MiniMax H3就是朝住呢種工作流而設。頁面未提供 based on、base model 或 fine-tuned from 資訊，所以無法確認它係唔係建基於其他基礎模型微調而成，但已清楚標示為 image-text-to-video，而且屬於可同時理解同生成多模態內容的 generative system。

它處理的重點不只是由文字生片，而係把 text、images、video、audio 放入同一個上下文，再輸出最長 15 秒、最短 4 秒、可到 2K 的影片，並且附帶 native stereo audio。呢種設計的價值，在於畫面、聲音同指令可以一齊對齊，適合做 image-to-video、video-to-video、text-to-audio-video 以至 reference-to-audio-video 等任務，減少要分開串接多個模型的工序。

H3 是 task-generalization-oriented system，意思是模型在 pre-training 階段已經針對廣泛任務泛化而設計，唔係只為單一路徑生成。它強調 unified understanding of multimodal contexts，同時支援多種輸入來源與輸出規格；比例覆蓋 21:9、16:9、4:3、1:1、3:4、9:16 等常見格式，短邊預設 768 像素，最高可到 2K，反映它偏向面向內容製作與跨媒體生成，而不只是研究展示。

支援 text-to-video、image-to-video、video-to-video，同時覆蓋 audio-video-generation
可生成 4 至 15 秒影片，並輸出 native stereo audio
輸入上下文可混合 text、images、video、audio，屬於 omni-modal 路線
Hugging Face 頁面標示 library_name: diffusers，代表可沿用 diffusers 生態整合

官方網站

H3 外掛

項目	網址
LoRA - a little more sharpness	https://huggingface.co/Alissonerdx/Minimax-H3-ComfyUI
TaoMate-H3 3 步加速(Alibaba 開發)	https://github.com/TaoLiveAIGC/TaoMate-H3
MiniMax H3 最新無審查模型！ 8GB 顯存也能跑，INT8 加速產生高品質AI影片！	https://www.youtube.com/watch?v=aJydWxn2zRk
MiniMax-H3-Semantic-Bridge	https://huggingface.co/speach1sdef178/MiniMax-H3-Semantic-Bridge
MiniMax-H3 ComfyUI 工作流合集 2	https://huggingface.co/datasets/stablediffusiontutorials/Minimax-H3/tree/main
MiniMax-H3 ComfyUI 工作流合集 1	https://huggingface.co/javawock7618/comfy-MiniMax-H3-workflows
better-human-motion-h3-lora	https://huggingface.co/vpakarinen/better-human-motion-h3-lora
ComfyUI-H3VAE_TRT 加速 1.7X	https://github.com/lihaoyun6/ComfyUI-H3VAE_TRT
MiniMax-H3 Fused Turbo (INT8 ConvRot)	https://huggingface.co/MATLOWAI/minimax-h3-fused-turbo-int8-convrot
MiniMaxH3時間線導演台！AI長片一鍵製作！	https://youtu.be/efzHY7cr9XA?si=Di-ezdLQ-ukx-fXm
Realistic people faces	fal/MiniMax-H3-Realism-People-LoRA
Minimax-h3-Turbo	https://huggingface.co/lightx2v/Minimax-h3-Turbo