本地部署，视频音画一体开源大模型MiniMax H3

MiniMax（稀宇科技）2026‑07‑31 发布的全模态 AI 视频生成大模型，国内主打音画一体生成，可 API 调用、部分权重开源MiniMax。

核心规格

• 参数：33.1B 稠密 Transformer 架构
• 输出：4‑15 秒视频，24fps；默认 768P，可输出原生 2K；原生 32kHz 立体声（视频、音频同一轮生成，不是后期拼接）MiniMax
• 画幅：9:16、16:9、1:1 等多种比例，适配短视频、广告MiniM…
• 输入：同时支持文本、多张图片、参考视频、参考音频做条件控制，支持动作迁移、角色参考、风格参考minimaxh3….
• 语言：稳定支持中文、英语等 11 门语言MiniMax

最大特点

1. 音视频同生：生成画面同时直接出音效 / 人声，不用分开跑 TTS + 视频再合成，很适合做科普短片、产品短视频、广告片。
2. 强参考控制：喂图、参考片段、参考音频，就能锁定人物、动作、风格、声音，对做系列化短视频友好minimaxh3….。
3. 商用性价比高：API 单价显著低于海外同类视频模型，面向广告、电商、短视频创作者、开发者MiniMax。
4. 支持视频局部重绘、指令式编辑成片视频；部分权重开源（社区许可，不是完全无限制开源）火山引擎开…。

适合场景

• 短视频 / 科普动画、产品演示、广告短片、故事短片；
• 开发者通过 API 批量生产带配音的短视频内容。

局限

• 单次最长15 秒，不能直接生几分钟长片；
• 2K 是二次重生成模式，速度会变慢；完整本地部署对显存要求很高。

链接：https://pan.quark.cn/s/3c4f5a30f6b7