MiniMax H3 是什么？多模态视频生成与 Hailuo 的关系
MiniMax H3 可以组合视听参考与文字指令，生成带原生立体声的视频。本文区分 H3 与旧 Hailuo 型号，说明基础权重怎样配合服务生成2K视频，并交代社区许可。
先认识这个模型
MiniMax H3 是 MiniMax 的多模态生成系统，可以理解文字及多种视听参考，并生成带原生立体声的视频。它延续 Hailuo 01 和 02 之后的视频模型研发路线，但 H3 不是旧型号的简单别名。Hailuo AI 是提供创作界面的产品，H3 则是可通过相应服务或开放权重使用的模型系统。
参考素材之间的关系可以用语言表达
H3 的设计把不同模态的上下文关系放在同一生成任务中处理。给出商品图片与动作片段时，可以说明使用图片中的商品外观，但参考视频里的运动方式。输入的作用应明确，不能把不同来源的对象混成一个含糊描述。
这种参考方式适合已有创作材料的改编工作，但不保证外观与动作同时完全复现。输出后应比较遮挡前后的商品部件，并复听声音是否与动作对应。本文没有生成样片，官方演示中的表现不作为本地复现结果。
首尾帧分支和多参考分支输入不同
开放说明列有 FL2VA 与 Ref2VA 两类基础分支。FL2VA 可以接收零到两张图片，分别用于文字生成或首尾帧条件；Ref2VA 面向多模态参考。选择权重或接口时，应按输入形式确认分支，不能把两者的字段直接互换。
输出规格中包含 4 至 15 秒视频以及立体声音频。需要人物说一句完整台词时，应把台词长度与片段时间一起考虑，避免把较长对白强塞进很短的镜头。声音是否清楚仍要实际播放确认，不能由接口提交成功推断。
开放基础模型与完整2K生成流程有区别
H3 开放说明把基础输出的默认短边列为 768 像素，并通过 H3-Regenerate-2K 实现 2K 再生成。完整质量复现还涉及上下文处理等组件，因此下载基础权重后，不宜声称已经获得与托管接口完全相同的完整 2K 流程。
计划本地部署时，应把本机推理步骤与仍依赖官方服务的部分列清，再比较最终文件。这样才能判断所需设备与外部依赖。本文只核对开放说明和仓库，没有启动推理，也未验证离线完成整条流程。
开放权重仍需遵守H3社区许可
H3 使用 MiniMax H3 Community License Agreement，不能只凭开放权重四个字理解为无条件授权。分发模型或对外提供服务时，应阅读对应许可及可接受使用要求，确认义务适用于自己的使用方式。
旧 Hailuo 接口中的型号与新 H3 分支应分别记录。软件迁移时，先用同一组授权素材检查输入是否被接受，再核对生成结果和声音；不能把旧模型任务受理成功的记录，当成新模型已经具备同样行为的证据。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。