MiniMax H3: 2K-Text-to-Video mit Stereo-Audio | RunComfy

Warum MiniMax H3?#

MiniMax H3 ist die multimodale Modellfamilie von MiniMax zur Generierung und Bearbeitung von Bildern, Video und Audio mithilfe natürlichsprachlicher Anweisungen. Auf dieser Seite steht MiniMax H3 Text-to-Video bereit: Ein einzelner schriftlicher Prompt wird zu einem 5–15 Sekunden langen 2K-Video mit 24 FPS und nativem Stereo-Ton, der gemeinsam mit dem Bild entsteht. Das Tool akzeptiert ausschließlich Text; wenn Sie Bild-, Video- oder Audioreferenzen benötigen, verwenden Sie die verlinkten H3-Workflows.

Vorteil von MiniMax H3	Ihr Nutzen
Gemeinsam erzeugtes 2K-Video und natives Stereo-Audio	Erzeugen Sie detailreiche Bilder, Dialoge, Effekte, Atmosphäre und Musik in einem Durchgang und reduzieren Sie getrennte Schritte für Upscaling, Sounddesign und Synchronisierung.
Sprachgesteuerte Omni-Reference-Funktion	Weisen Sie Bildern, Video und Audio in den MiniMax H3-Workflows unterschiedliche Rollen zu – etwa Identität, Produktdarstellung, Bewegung, Kamerastil, Stimme oder Musik –, sodass mehrere Quellen ein zusammenhängendes Ergebnis steuern.
V2V-Übertragung und gezielte Bearbeitung	MiniMax H3 kann Bewegungen oder Kamerasprache übernehmen und ausgewählte visuelle oder akustische Elemente verändern, während der Rest erhalten bleibt. Produktionsteams müssen eine Einstellung dadurch nicht vollständig neu generieren.
Ausgabefertige Dauer und Bildformate	Erzeugen Sie 5–15 Sekunden bei 24 FPS in sechs Seitenverhältnissen, damit Hooks, Produktenthüllungen und mehrteilige Szenen mit weniger Neuschnitt und Beschnitt in Kino-, Web-, Feed-, Hochformat- oder vertikale Platzierungen passen.

Beste Anwendungsfälle#

• Werbung und Produkteinführungen: Nutzen Sie MiniMax H3 für Hero Shots, Produktenthüllungen, Kampagnenkonzepte und kurze Werbespots, bei denen Kameraführung und Ton gemeinsam gestaltet werden sollen.
• Social-Media-Inhalte: Erstellen Sie mit MiniMax H3 Shorts, Reels und Stories in 9:16 oder Feed-Inhalte in 1:1 – mit einem klaren Einstieg und plattformgerechtem Bildformat.
• Film- und Werbe-Previsualisierung: Testen Sie mit MiniMax H3 Kamerabewegungen, Lichtkonzepte, Handlungsabläufe, Szenenübergänge oder eine temporäre Tonspur, bevor Sie in die Produktion gehen.
• Marken- und stilisiertes Storytelling: Erkunden Sie mit MiniMax H3 Titelsequenzen, animierte Poster, Charaktermomente und grafische Looks, wenn eine schriftliche Idee eine ausgearbeitete audiovisuelle Umsetzung benötigt.

So funktioniert es#

1. Einstellung beschreiben: Teilen Sie MiniMax H3 mit, was zu sehen ist, was sich im Zeitverlauf verändert, wie sich die Kamera bewegt, wie die Szene aussehen und was zu hören sein soll.
2. Ausgabeformat wählen: Legen Sie Seitenverhältnis und Dauer zwischen 5–15 Sekunden fest. MiniMax H3 verwendet eine feste 2K-Auflösung, sodass keine Qualitätsstufe konfiguriert werden muss.
3. Generieren und verfeinern: Das Modell erzeugt Video und Stereo-Audio gemeinsam. Prüfen Sie Bewegung, Text, Gesichter, Lippensynchronität und Ton-Timing und ändern Sie anschließend jeweils nur eine Anweisung.

Parameter#

Die erste Tabelle enthält die Bedienelemente, die das Tool MiniMax H3 Text-to-Video auf dieser Seite bereitstellt.

Parameter	Erforderlich	Typ	Standard	Bereich / Optionen	Auswahlhilfe
prompt*	Ja (*)	String	Beispiel-Prompt	1–4,000 Zeichen	Geben Sie MiniMax H3 ein strukturiertes Briefing mit Motiv, einer Haupthandlung, Kamera, Umgebung und Beleuchtung, visuellem Stil, Audio und gewünschtem Schluss. Eine klare Struktur ist wichtiger als die vollständige Nutzung des Limits.
aspect_ratio	Nein	String	16:9	21:9, 16:9, 4:3, 1:1, 3:4, 9:16	Stimmen Sie die Ausgabe von MiniMax H3 auf das Ziel ab: 21:9 für ultraweite Kinoeinstellungen, 16:9 für allgemeine Videos und Werbung, 4:3 für redaktionelle oder Retro-Bildgestaltung, 1:1 für Feeds, 3:4 für Produkte im Hochformat und 9:16 für vertikale Social Videos.
resolution	Nein	String	2k	2k	Für dieses Tool fest vorgegeben und der unten beschriebenen 1440p-Stufe zugeordnet. Wählen Sie MiniMax H3, wenn Sie hochauflösende Details ohne Auswahl einer weiteren Qualitätsstufe benötigen.
duration	Nein	Integer	5	5–15 Sekunden, in Schritten von 1 Sekunde	Verwenden Sie 5–7 Sekunden lange MiniMax H3-Clips für eine einzelne Handlung oder schnelle Iterationen, 8–10 Sekunden für eine einfache Veränderung und 11–15 Sekunden nur, wenn der Prompt einen klaren Anfang, eine Entwicklung und einen Schluss vorgibt.

\* Pflichtfeld.

Die folgende Tabelle fasst die breitere MiniMax H3-Modellfamilie zusammen. Eingaben für Erst-/Letztbild- und Omni-Reference-Modi sind über separate Workflows verfügbar und gehören nicht zu den Bedienelementen dieser Text-to-Video-Seite.

Kerndimension	MiniMax H3
Modell	MiniMax-H3
Ausgabedauer	MiniMax H3 erzeugt 5–15 Sekunden.
Ausgabe-Seitenverhältnis	Erst-/Letztbild-Modus: übernimmt das ursprüngliche Seitenverhältnis des Eingabebildes.<br>Text-to-Video-Modus: verwendet das vom Nutzer gewählte Verhältnis 21:9, 16:9, 4:3, 1:1, 3:4 oder 9:16.<br>Omni-Reference-Modus: verwendet eines dieser sechs Verhältnisse oder Auto, wodurch MiniMax H3 das Ausgabeformat auswählt.
Auflösung	MiniMax H3 unterstützt zwei dokumentierte Stufen. 768p-Modus (später verfügbar): Bei Seitenverhältnissen von 16:9 bis 9:16 beträgt die kurze Seite 768 Pixel; bei breiteren Ausgaben liegt die Gesamtauflösung bei etwa 1 MP – 21:9 entspricht beispielsweise 1536×672. Ein 768p-Ergebnis kann auf 1440p hochgestuft werden.<br>1440p-/2K-Modus: Bei Seitenverhältnissen von 16:9 bis 9:16 beträgt die kurze Seite 1440 Pixel; bei breiteren Ausgaben liegt die Gesamtauflösung bei etwa 3.7 MP – 21:9 entspricht beispielsweise 2976×1248.
Ausgabe-Bildrate	MiniMax H3 gibt mit 24 FPS aus.
Ausgabe-Audio	Jedes Ergebnis von MiniMax H3 enthält nativen Stereo-Ton.
Erst-/Letztbild-Eingabe	Bilder: 0, 1 oder 2; Breite und Höhe jeweils 256–5760 Pixel; Seitenverhältnis von 5:2 bis 2:5 (0.4–2.5). Ohne Bildeingabe läuft MiniMax H3 im Text-to-Video-Modus – dem auf dieser Seite angebotenen Tool.
Omni-Reference-Eingabe	Bilder: bis zu 9; Breite und Höhe jeweils 256–5760 Pixel.<br>Videos: bis zu 3; jeweils 2–15 Sekunden; kombinierte Videodauer bis zu 15 Sekunden; Breite und Höhe jeweils 256–5760 Pixel; Seitenverhältnis von 5:2 bis 2:5 (0.4–2.5).<br>Audio: bis zu 3 Clips; jeweils 2–15 Sekunden; kombinierte Audiodauer bis zu 15 Sekunden. Audio muss zusammen mit einem Bild oder Video verwendet werden und darf nicht die einzige Referenz sein.<br>Gemischte Eingabe: insgesamt bis zu 12 Dateien. Ohne Bild-, Video- oder Audioeingabe wird der Workflow zu Text-to-Video.
Unterstützte Eingabeformate	MiniMax H3 akzeptiert Video: H.264/AVC oder H.265/HEVC; eingebettetes Audio: AAC oder MP3.<br>Bild: JPG, JPEG, PNG, WEBP, HEIC oder HEIF.<br>Audio: WAV oder MP3.
Größenlimits für Eingaben	Je Video: 50 MB; je Bild: 30 MB; je Audiodatei: 15 MB. Über die Limits pro Datei hinaus gibt es kein separates kombiniertes Medienlimit, der API-Anfragekörper ist jedoch auf 64 MB begrenzt; URL-basierte Medieneingaben werden empfohlen.
Prompt-Limit	Das MiniMax H3-Produkthandbuch erlaubt bis zu 7,000 Zeichen. Diese Text-to-Video-Bereitstellung akzeptiert derzeit 1–4,000 Zeichen, wie in der Tabelle mit den Seitenbedienelementen oben angegeben.

Preise#

MiniMax H3 kostet auf dieser Seite in 2K $0.13 USD pro generierter Sekunde.

Dauer	Preis pro Video
5 Sekunden	$0.65
10 Sekunden	$1.30
15 Sekunden	$1.95

Berechnen Sie den Gesamtpreis für Batches mit 1–4 Ausgaben als duration × $0.13 × output count.

Prompt-Tipps & Beispiele#

Verwenden Sie diese wiederverwendbare Prompt-Struktur für MiniMax H3:

[subject + defining details] + [one action over time] + [camera framing and movement] + [setting + lighting] + [visual treatment] + [dialogue / effects / ambience / music] + [ending frame or constraint]

• Bewegungen trennen: Beschreiben Sie die Bewegung des Motivs und die Kamerabewegung unabhängig voneinander.
• Ablauf zeigen: Verwenden Sie „beginnt mit“, „dann“ und „endet auf“, wenn der Clip mehr als einen Handlungsschritt enthält.
• Tonquellen benennen: Teilen Sie MiniMax H3 mit, wer spricht, wodurch jedes Geräusch entsteht, welche Atmosphäre gewünscht ist und ob die Musik führen oder dezent bleiben soll.
• Konkurrierende Ideen begrenzen: Ein Hauptmotiv, eine zentrale Handlung und ein einheitlicher Stil sind für MiniMax H3 leichter umzusetzen.

Schwacher Prompt

> Ein Werbespot für eine Luxusuhr, filmisch und dynamisch, mit Musik.

Verbesserter MiniMax H3-Prompt

> Eine Automatikuhr aus gebürstetem Stahl liegt auf schwarzem Vulkangestein. Ein schmaler Streifen Studiolicht wandert über das Saphirglas, während sich der Sekundenzeiger bewegt und sich Kondenswassertropfen auf dem Gehäuse bilden. Beginne mit einer extremen Makroaufnahme, führe dann eine langsame 30-Grad-Kreisfahrt aus und ende auf dem Zifferblatt. Kontrastreicher Luxuswerbestil, tiefschwarzer Hintergrund. Audio: leises mechanisches Ticken und ein einzelner tiefer filmischer Impuls; kein Dialog.

Die verbesserte Version gibt MiniMax H3 ein eindeutig erkennbares Motiv, eine zeitlich definierte Handlung, eine separate Kameraregie, Beleuchtung, visuelle Ausarbeitung, Tonquellen und ein überprüfbares Schlussbild vor.

MiniMax H3 im Vergleich#

Nutzen Sie diesen MiniMax H3-Vergleich als Orientierung für die Modellfamilie. Maximale Auflösung und Dauer stehen möglicherweise nicht gleichzeitig zur Verfügung, und RunComfy-Workflows können unterschiedliche Eingaben, Auflösungsstufen und Audiooptionen bereitstellen.

Modell	Auflösung	Maximale Dauer	Audio	Besonderheit
MiniMax H3	Bis zu 2K	15s	Natives Stereo-Audio (Stimme, SFX, Musik)	Verknüpft Text-, Bild-, Video- und Audioreferenzen per Sprache für V2V-Bewegungsübertragung und produktionsorientierte Bearbeitung; öffentliche Gewichte sind geplant, wurden aber noch nicht veröffentlicht.
Hailuo 02	1080p	~10s	Kein Audio	Starke Prompt-Treue und physikorientierte Bewegung eignen sich für Gymnastik, Tanz, Produktbewegungen und andere stumme Actionszenen, die später in der Produktion vertont werden.
Kling 3.0	Bis zu 4K	15s	Natives Audio mit Lippensynchronisation	Koordiniert Kamerwechsel über mehrere Einstellungen mit mehrsprachigen, bestimmten Sprechern zugewiesenen Dialogen und Lippensynchronität – nützlich für geskriptete Werbung, Storyboards und charaktergeführte Szenen.
Seedance 2.0	1080p	15s	Gemeinsam erzeugtes Audio und Video	Verbindet umfangreiche Bild-, Video- und Audioreferenzen mit gemeinsamer audiovisueller Generierung und präziser Lippensynchronität für identitätssensible Werbung, Markengeschichten und referenzintensive Bearbeitungen.
Veo 3.1	4K	8s	Native Dialoge und Effekte	Kombiniert vorgegebene Dialoge und Effekte mit Erst-/Letztbild-, Referenzbild- und Szenenverlängerungs-Steuerung – geeignet für filmische Übergänge und zusammengesetzte Sequenzen.

Für Hailuo 02 gelten die angegebenen Maximalwerte je nach Modus: 1080p-Ausgabe ist auf 6 Sekunden begrenzt, während 10 Sekunden Ausgabe bei 512p oder 768p verfügbar sind.

Bei MiniMax H3 gehören Omni-Reference- und V2V-Funktionen zu Schwester-Workflows; das Text-to-Video-Tool auf dieser Seite bleibt ausschließlich promptbasiert.

Das Besondere an MiniMax H3 ist die Kombination: eine universelle Modellfamilie, die Text, Bild, Video und Audio miteinander in Beziehung setzt, nativen Stereo-Ton erzeugt und auf dieser Seite 2K für $0.13 pro generierter Sekunde erreicht. Wählen Sie MiniMax H3, wenn Sie mit einem Textbriefing beginnen und den Weg zu referenzgesteuerter Erstellung oder Bearbeitung in Schwester-Workflows offenhalten möchten. Führen Sie auf Grundlage öffentlich verfügbarer Informationen dasselbe Briefing mit jedem Modell aus, bevor Sie sich auf eine Pipeline festlegen.

Weitere Modelle zum Ausprobieren#

Wenn MiniMax H3 nicht der richtige Ausgangspunkt für ein Projekt ist, vergleichen Sie diese spezialisierten Workflows auf RunComfy:

• MiniMax H3 Image-to-Video: Beginnen Sie mit einem Bild und steuern Sie optional das Schlussbild, wenn Komposition, Identität oder Produktdarstellung verankert bleiben müssen.
• MiniMax H3 Reference-to-Video: Kombinieren Sie Bilder mit optionalem Video und Audio, wenn Bewegung, Kamerastil, Stimme, Musik oder andere Quelldetails übernommen werden sollen.
• Hailuo 02 Image-to-Video: Testen Sie eine frühere MiniMax-Generation, wenn Sie einen fokussierten Workflow für Bildanimation wünschen.
• Hailuo 2.3 Pro: Animieren Sie ein Standbild in 1080p mit stabiler, physikbewusster Bewegung, nuancierter Mimik und natürlicher Beleuchtung – gut geeignet für ausgearbeitete Produkt-, Porträt- und Charakteraufnahmen.
• Kling 3.0: Animieren Sie ein Startbild mit optionalem Endbild, Elementreferenzen, zeitlich gesteuerten Einstellungs-Prompts und synchronisiertem Audio für kontrollierte Marken- und Charaktersequenzen.
• Seedance 2.0 Pro: Kombinieren Sie bis zu neun Bilder, drei Videos und drei Audioclips, um Identität, Kamerasprache sowie synchronisierte Sprache, Effekte und Musik über 4–15 Sekunden lange Clips hinweg abzustimmen.

Offizielle Ressourcen#

• Launch-Beitrag zu MiniMax H3
• Offizielle Website von MiniMax