ARTICLE · 人工智能
开放通用智能，MiniMax H3 正式开源
一语总结本文宣布 MiniMax H3 全新通用视频生成模型开源，详细介绍模型架构、多模态输入支持、H3-Context-IR 预处理系统、H3-Base 与 H3-Regenerate-2K 模块的技术细节，并提供部署指南与使用案例。
文章全面解析 MiniMax H3 开源模型的技术架构与应用场景。H3 支持多模态输入（文本、图像、视频、音频），可生成最高 2K 分辨率的视频，包含立体声音频。模型由三大模块构成：H3-Context-IR（多模态上下文处理）、H3-Base（基础生成）、H3-Regenerate-2K（高分辨率优化）。文中详细说明了 H3-VisualVAE 与 H3-AudioVAE 的设计创新，H3-Omni-Transformer 的多模态序列处理机制，以及基于 in-context regeneration 的 2K 生成方法。同时提供了本地部署方案、推理框架支持（SGLang/vLLM 等）、三类典型使用场景（T2VA/FL2VA/Ref2VA）的复现指南，并附有 API 接口与许可协议信息。
- MiniMax H3 是一个通用型多模态生成系统，支持复杂输入与高质量视频输出。
模型能统一处理文本、图像、视频、音频输入，生成最高 2K 分辨率、15 秒时长的视频，包含立体声音频，支持多种宽高比与帧率。
- H3 架构分为三大模块：H3-Context-IR、H3-Base 和 H3-Regenerate-2K。
H3-Context-IR 负责多模态上下文理解与表示，H3-Base 执行基础生成，H3-Regenerate-2K 通过 in-context regeneration 提升分辨率至 2K。
- H3-Base 采用多模态序列处理架构，包含 H3-Encoder、H3-VisualVAE 和 H3-AudioVAE。
文本由 H3-Encoder 编码，视觉输入通过 H3-VisualVAE 和 H3-Encoder 双编码，音频仅由 H3-AudioVAE 处理，所有模态表示联合输入 H3-Omni-Transformer 生成结果。
- H3-Regenerate-2K 通过再生成机制提升分辨率，同时保留原始上下文信息。
该模块将 H3-Base 的 768p 输出与原始上下文联合输入模型，通过 in-context regeneration 生成更高保真度的 2K 视频，避免传统超分辨率方法的信息丢失。
- 提供完整的开源支持与部署指南，支持多种推理框架和使用场景。
模型以 Hugging Face 模型仓库发布，支持 SGLang/vLLM 等框架，并提供 T2VA/FL2VA/Ref2VA 三类使用案例及 API 接口说明。
开放通用智能，MiniMax H3 正式开源
文章全面解析 MiniMax H3 开源模型的技术架构与应用场景。H3 支持多模态输入（文本、图像、视频、音频），可生成最高 2K 分辨率的视频，包含立体声音频。模型由三大模块构成：H3-Context-IR（多模态上下文处理）、H3-Base（基础生成）、H3-Regenerate-2K（高分辨率优化）。文中详细说明了 H3-VisualVAE 与 H3-AudioVAE 的设计创新，H3-Omni-Transformer 的多模态序列处理机制，以及基于 in-context regeneration 的 2K 生成方法。同时提供了本地部署方案、推理框架支持（SGLang/vLLM 等）、三类典型使用场景（T2VA/FL2VA/Ref2VA）的复现指南，并附有 API 接口与许可协议信息。
MiniMax 以 H3-Base 为核心开放视频生成模型，支持文本、图像、视频和音频输入，可生成 4 至 15 秒、最高 2K 且带立体声的内容。文章把视觉与音频 VAE、单流 Omni-Transformer 以及上下文再生成方案连成一条完整技术链，也给出本地部署和推理框架适配信息。需要注意，H3-Context-IR 目前仅提供托管 API，H3-Regenerate-2K 尚未开放，因此更适合按组件理解其开放边界。对自托管团队来说，许可、显存成本、组件依赖和可复现效果需要分别评估，不能只看「开源」二字。
文章金句
"H3-Context-IR 对最终输出质量非常重要。因此我们强烈建议将 H3-Context-IR API 接入生成流程。
"H3-Omni-Transformer 是一个拥有 33B 参数的 dense、single-stream Transformer，其中约 13B 参数位于与 AdaLN 相关的分支中。
"In-context regeneration 也是任务泛化的一个例子。