Нейросеть MiniMax H3 — третья видеомодель китайской компании Минимакс, известной по сервису Хайлуо. Этим летом она наделала шума сразу по двум причинам: H3 генерирует ролики до 15 секунд в 2K со стереозвуком и репликами персонажей, а еще компания впервые выложила веса своей видеомодели в открытый доступ. Модель можно запустить через браузер, через API или на своей видеокарте в ComfyUI.
В этой статье разберем, что умеет эта нейросеть, чем она отличается от H3 Max и Turbo-версий, как пользоваться нейросетью в России без VPN, как запустить ее локально и как писать промпты. Отдельно — карта всех продуктов Минимакс, чтобы не путать H3 с M3, Speech и Music.
Бесплатно попробовать MiniMax H3 и другие нейросети для видео, фото, музыки и текста можно на агрегаторе Study AI: все на русском, без VPN и с оплатой в рублях.

Нейросеть H3 от Минимакс коротко
-
Что это: видеомодель компании Минимакс, третье поколение линейки Хайлуо (ее также называют Hailuo 3.0).
-
Релиз: 31 июля 2026 года, открытые веса — 3 августа.
-
Ролик: от 4 до 15 секунд, 24 кадра в секунду, до 2K в облачной версии.
-
Звук: стерео 32 кГц, создается вместе с видео: реплики, шумы, музыка.
-
Языки речи: 11, включая русский.
-
На входе: текст, картинки, видео и аудио, до 12 файлов-референсов.
-
Локально: открытые веса, ComfyUI, до 768p.
-
В России: официальный сайт открывается нестабильно, оплата российской картой не проходит; удобнее через агрегатор.
Попробовать нейросеть MiniMax H3
Что такое нейросеть MiniMax H3 и при чем тут Hailuo
Минимакс (MiniMax) — шанхайская компания, основанная в начале 2022 года. С января этого года она торгуется на Гонконгской бирже. У компании несколько направлений: языковые модели серии M, синтез речи Speech, генерация музыки Music и видеомодели, которые раньше выходили под брендом Hailuo.
Hailuo — это одновременно название приложения (hailuoai.video) и прежних видеомоделей: Hailuo 01, 02 и 2.3. H3 продолжает эту линейку, поэтому в сервисах ее можно встретить и как MiniMax H3, и как Hailuo 3.0. Это одна и та же модель.
Главное отличие H3 от предыдущих версий — она «омнимодальная». Предыдущая версия 2.3 делала немое видео по тексту или картинке. Новая нейросеть Минимакс H3 принимает текст, изображения, видео и аудио одновременно, сама создает звук и умеет править готовые ролики по текстовой команде. Сразу после релиза H3 заняла первое место в независимом рейтинге Artificial Analysis по редактированию видео со звуком и вошла в тройку лучших по генерации видео из текста и из картинки.
Возможности MiniMax H3: что умеет нейросеть
Видео со звуком за один проход. Модель создает картинку и стереодорожку одновременно: реплики героев, шаги, шум улицы, музыку. Звук не накладывается поверх, поэтому шаги совпадают с движением, а губы — с речью.
Речь на 11 языках. Это одна из немногих видеонейросетей, где русский есть в официальном списке. Арабский, английский, испанский, итальянский, китайский, корейский, немецкий, португальский, русский, французский и японский. Реплики можно писать прямо в промпте, на русском тоже.
Референсы любых типов. До 9 изображений, 3 видео и 3 аудиофайлов, всего не больше 12. Можно дать фото героя, фото локации, видео с нужным движением и аудио с голосом или музыкой.
Первый и последний кадр. Загружаете стартовую картинку, финальную или обе — нейросеть строит переход между ними.
Правки по тексту. Загружаете готовый ролик и пишете, что изменить: героя, предмет, реплику. Ролик не нужно генерировать заново с нуля.
Длина и качество. От 4 до 15 секунд с шагом в одну секунду, 24 кадра в секунду, 768p или 2K.
Как устроена нейросеть Минимакс H3
Понимать архитектуру нужно не ради теории: от нее зависит, почему облачная и локальная версии дают разный результат. Система H3 состоит из трех частей:
-
H3-Context-IR — модуль, который разбирает ваш запрос и все приложенные файлы и превращает их в подробное структурированное описание для генерации. Он может дописать детали, которые вы не указали, не меняя смысла. Работает только в облаке.
-
H3-Base — сама генеративная модель на 33,1 млрд параметров. Видео и звук кодируются отдельными автокодировщиками (VAE), поэтому качество звука не страдает от сжатия картинки. Создает ролик в 768p. Именно эта часть выложена в открытый доступ.
-
H3-Regenerate-2K — повышение до 2K. Вместо обычного апскейлера модель заново генерирует свой же ролик в высоком разрешении, сверяясь с исходным контекстом. Тоже доступно только в облаке.
Отсюда практический вывод: через облачные сервисы вы получаете полный конвейер с 2K и умной обработкой запроса, а локально — только H3-Base в 768p и с вашими собственными промптами.
Режимы работы H3
|
Режим |
Что загрузить |
Для чего |
|
Текст в видео |
Только промпт |
Сцена с нуля, реклама, клип |
|
Фото в видео |
Первый кадр |
Оживить фото, сделать видео из картинки |
|
Первый и последний кадр |
Две картинки |
Переход, трансформация, «до и после» |
|
Референсы (Ref2VA) |
До 9 фото, 3 видео, 3 аудио |
Свой персонаж, товар, локация, голос |
|
Редактирование |
Готовое видео + команда |
Заменить героя, предмет или реплику |
В открытых весах режимы разделены на две модели: FL2VA (текст, первый и последний кадр) и Ref2VA (генерация по референсам).
MiniMax H3, H3 Max и Turbo: в чем разница
По запросам видно, что эти названия часто путают. Разбираем:
-
MiniMax H3 — основная модель: все режимы, референсы, правки, 768p и 2K, ролики 4–15 секунд.
-
H3 Max — версия, дообученная из открытых весов H3 совместно с партнерской лабораторией fal ради скорости и точного следования промпту. Выдает 480p и 768p, генерирует заметно быстрее. Подходит для быстрых черновиков и большого объема роликов, а для 2K и работы с референсами берут основную H3.
-
H3 Turbo — не официальная модель, а дополнения от сообщества (LoRA), которые ускоряют локальную генерацию: ролик получается за 4 или 8 шагов вместо десятков. Работают в ComfyUI поверх открытых весов.
-
H3 Latent Upscaler и Open-H3-Regenerate-2K — тоже проекты сообщества для повышения разрешения локальных роликов, частичная замена облачного модуля 2K.
Как пользоваться MiniMax H3 в России
Есть четыре пути, у каждого свои условия.
1. Официальное приложение Hailuo (hailuoai.video). Бесплатный тариф работает без карты, но платные тарифы оплачиваются только зарубежной картой. Сайт minimax.io из России открывается не у всех, а регистрация по российскому номеру часто не проходит.
2. API Минимакс. Для разработчиков: модель вызывается по идентификатору MiniMax-H3, оплата в долларах. Российские карты не принимаются.
3. Агрегатор. Самый простой вариант: нейросеть открывается в браузере на русском, без VPN, оплата рублями. Вот как это выглядит в Study AI:
-
Откройте страницу модели H3.
-
Загрузите медиа: картинку для первого кадра, последнего или обоих. Для генерации по тексту ничего загружать не нужно.
-
Напишите промпт: сцена, действие, камера, звук, реплики в кавычках.
-
Выберите формат кадра (адаптивный подстроится под картинку), длительность и разрешение 2K.
-
Отправьте запрос и скачайте ролик в MP4.
Попробовать нейросеть MiniMax H3
4. Локально на своей видеокарте. Разбираем в следующем разделе.
MiniMax H3 локально: запуск в ComfyUI
Открытые веса — главная причина интереса к H3 среди энтузиастов. ComfyUI поддержал модель в день выхода весов, а в шаблонах появились готовые рабочие процессы для текста, картинки и референсов.
Что понадобится:
-
ComfyUI версии 0.30.0 или новее (поддержка H3 встроена, отдельные узлы не нужны).
-
Модель FL2VA в формате int8 — около 19,5 ГБ, для режима по референсам — модель Ref2VA.
-
Два VAE: видео (около 4,9 ГБ) и аудио (около 0,6 ГБ), оба обязательны.
-
Текстовый энкодер на базе Qwen3-VL-32B: полная версия весит около 48 ГБ, есть облегченные.
Как запустить:
-
Обновите ComfyUI.
-
Откройте Workflow, затем Browse Templates, раздел Video, и выберите шаблон MiniMax H3.
-
Скачайте модели по подсказкам во всплывающем окне.
-
Запустите генерацию.
Железо. Разработчики ComfyUI пишут, что оптимизированная версия запускается даже на RTX 3060, хотя и медленно. На RTX 5090 с 32 ГБ сжатая версия делает 10-секундный ролик примерно за три минуты. Полная BF16-версия весит около 134 ГиБ и рассчитана на серверы с несколькими GPU. Если видеопамяти мало, ищите GGUF-сборки от сообщества.
Ограничения локальной версии:
-
потолок качества — 768p, модуля 2K в открытом доступе нет;
-
облачного модуля обработки запроса тоже нет, поэтому промпты придется писать подробнее по официальному руководству разработчика;
-
не устанавливайте сторонний узел ComfyUI-MiniMaxH3-Cache: он подменяет код модели и ломает генерацию;
-
выложенные веса уже дистиллированы, поэтому обучать на них свои LoRA сложнее, чем на других открытых видеомоделях.
Лицензия. Веса распространяются по MiniMax H3 Community License, это не классическая открытая лицензия. Локальный запуск запрещен без отдельного разрешения в США, Евросоюзе, Великобритании и Южной Корее. Россия в список исключений не входит. Коммерческое использование разрешено с условиями: в интерфейсе продукта нужно указывать «MiniMax H3», а при выручке больше 20 млн долларов в год требуется отдельное разрешение компании.
Промпты для MiniMax H3: формула и примеры
Формула, которая хорошо работает с H3:
кто и где + что происходит + движение камеры + свет и стиль + звук и реплики + длительность и формат
Реплики пишите в кавычках, на нужном языке. Звук описывайте отдельной фразой: модель создает его сама, и чем точнее описание, тем лучше результат.
Реклама товара:
Крупный план: термокружка стоит на деревянном столе у окна,
утренний свет, пар поднимается из открытой крышки.
Камера медленно облетает кружку по кругу.
Звук: тихий шум кофемашины, капли дождя по стеклу.
Мужской голос за кадром на русском: «Горячий кофе до самого вечера».
10 секунд, 9:16.
Персонаж говорит в камеру:
Девушка-бариста в фартуке за стойкой кофейни смотрит в камеру
и улыбается. Говорит на русском: «Сегодня у нас тыквенный латте,
заходите погреться!» Фон: гул посетителей, звон чашек.
Камера статична, мягкий теплый свет, 8 секунд.
Режим по референсам (свой герой):
Персонаж с фото 1 идет по улице с фото 2 под дождем, держит зонт.
Движение как на видео-референсе. Музыка из аудио-референса
звучит тихо на фоне. Камера ведет героя сбоку, вечерний неон.
Первый и последний кадр:
Плавный переход от первого кадра (пустая комната) к последнему
(та же комната с мебелью). Мебель появляется по очереди,
камера неподвижна. Звук: легкие щелчки и шорох.
Правка готового ролика:
Замени куртку героя на красную, остальное оставь без изменений:
движение, фон и звук.
Частые ошибки при работе с H3
Слишком много действий в одном ролике. За 6–10 секунд модель уверенно показывает одно-два действия. Если в промпте герой заходит, садится, пьет кофе, смотрит в окно и уходит, часть действий потеряется или смешается. Длинный сюжет делите на сцены.
Нет описания звука. Нейросеть создает звук в любом случае, но без подсказки подбирает его сама. Одна фраза про фон, музыку или реплику заметно улучшает результат.
Реплика длиннее ролика. Спокойная речь — примерно 2–2,5 слова в секунду. В 8 секунд помещается 14–16 слов, в 15 секунд — около 30. Длинная фраза либо ускоряется, либо обрывается.
Противоречивые референсы. Если на фото героя дневной свет, а на фото локации ночь, модель будет метаться между ними. Подбирайте референсы в одном освещении и стиле или прямо пишите в промпте, какой свет главный.
Ожидание 2K от локальной версии. Открытые веса дают 768p. Для 2K нужен облачный вариант или проекты сообщества для повышения разрешения.
Плюсы и минусы нейросети MiniMax H3
Сильные стороны:
-
видео и звук за одну генерацию, речь на русском;
-
до 12 референсов разных типов в одном запросе;
-
правки готового видео без генерации с нуля;
-
2K в облачной версии;
-
открытые веса для локального запуска и дообучения.
Ограничение: максимум 15 секунд на ролик. Для кого-то это минус, а для Reels, Shorts, рекламных роликов и поздравлений это как раз рабочая длина; длинное видео собирается из нескольких сцен.
Минимакс H3 и другие видеонейросети
|
Модель |
Длина ролика |
Свой аудиофайл |
Русская речь по тексту |
Лучше всего для |
|
4–15 сек |
До 3 файлов |
Есть в списке языков |
Ролики с репликами и референсами |
|
|
Seedance 2.5 Max |
До 30 сек |
До 10 файлов |
Через аудиофайл |
Длинные сцены, свой голос |
|
Google Veo 3.1 |
До 8 сек |
Нет |
Проверять на тесте |
Кинематографичные короткие ролики |
|
Kling 4.0 |
3–30 сек |
Нет |
Через другие языки |
Ключевые кадры, управление камерой |
Если нужен длинный цельный ролик — смотрите Seedance 2.5 Max, если важна кинокартинка в коротком формате — Google Veo 3.1, если нужны ключевые кадры и сложная камера — Kling 4.0.
Карта продуктов Минимакс: что есть что
Запросы «minimax ai», «minimax m3», «minimax audio» и «minimax music» часто ведут к разным продуктам. Коротко:
-
MiniMax M3 — языковая модель (вышла 1 июня): программирование, агенты, работа с документами, контекст до 1 млн токенов, понимает текст, картинки и видео. Около 428 млрд параметров, из них активны около 23 млрд. Веса открыты. Видео не генерирует.
-
MiniMax M3.1 Flash — облегченная модель для программирования из той же серии (осень этого года), работает в приложении Code и через API.
-
MiniMax Speech 2.8 — синтез речи и клонирование голоса (январь). Это и есть «minimax audio».
-
MiniMax Music 3.0 — генерация песен до 5 минут по тексту и описанию (август), с открытыми весами.
-
MiniMax Agent (Mavis) — ИИ-агент для долгих задач.
-
Code и Design — приложения для программирования и коммерческого дизайна; в Design встроена H3 Max.
-
Hailuo (hailuoai.video) — потребительское приложение для видео на моделях H3.
Для генерации видео из всего списка нужна именно нейросеть H3.
Частые вопросы
Что такое MiniMax H3 и Hailuo — это одно и то же?
Минимакс — компания, Хайлуо — ее видеоприложение и прежние видеомодели. H3 — новая нейросеть, которую в сервисах называют и Hailuo 3.0.
Можно ли пользоваться MiniMax H3 бесплатно?
У приложения Hailuo есть бесплатный тариф с ограниченными генерациями. Открытые веса бесплатны, но для них нужна мощная видеокарта. На агрегаторах можно попробовать модель на стартовых генерациях.
Говорит ли нейросеть Минимакс по-русски?
Да. Русский входит в 11 языков, на которых модель создает речь. Реплику пишите в промпте в кавычках.
Можно ли скачать MiniMax H3 и запустить локально?
Да. Веса выложены на Hugging Face и поддерживаются в ComfyUI. Локальная версия ограничена 768p, а лицензия не разрешает локальный запуск без отдельного разрешения в США, ЕС, Великобритании и Южной Корее.
Сколько длится видео в Минимакс H3?
От 4 до 15 секунд за одну генерацию, 24 кадра в секунду. Длинное видео собирается из нескольких роликов.
Чем MiniMax H3 отличается от H3 Max?
H3 Max — ускоренная версия, дообученная из H3: быстрее, но в 480p и 768p. Основная H3 дает 2K, работает с референсами и правит готовые ролики.
Как пользоваться MiniMax H3 в России без VPN?
Через агрегатор с оплатой в рублях: модель открывается в браузере, на русском. Официальное приложение доступно не у всех, и платные тарифы в нем оплачиваются зарубежной картой.
Итоги
MiniMax H3 — одна из самых универсальных видеонейросетей 2026 года: ролики до 15 секунд в 2K, звук и речь на русском за один проход, до 12 референсов, правки по тексту и открытые веса для локального запуска. Для большинства задач — рекламы, коротких роликов, говорящих персонажей — достаточно облачной версии. Локальный запуск нужен, если вы хотите дообучать модель или генерировать без ограничений сервиса и готовы мириться с 768p.
Попробовать модель в России проще всего через Study AI: без VPN, на русском и с оплатой в рублях.
ссылка на оригинал статьи https://habr.com/ru/articles/1108918/