MiniMax H3: Текст в видео

Сгенерируйте видео со встроенным стереозвуком напрямую из текстового запроса с помощью MiniMax H3 — омнимодальной модели, которая за один проход синтезирует голос, звуковые эффекты и музыку. Результат — до 2K, 24fps и примерно 15 секунд, без входных файлов: только запрос и один выходной видеоролик. Подходит для быстрой визуализации идей, создания контента для соцсетей и сторителлинга с синхронизацией по аудио.

Input

Describe the shot: subject, setting, how it moves, the camera move and the sound.

Shape of the video.

Length of the video.

Megapixels per frame; 0.4 MP is about 848×480, 0.9 MP about 1280×720.

Advanced settings

Leave empty for a new result each run. Enter a number to repeat one.

Use the 8-step turbo LoRA: much faster, slightly less detail.

Output
00:00
Example

Попробовать пример

Об этом рабочем процессе

Этот туториал Рабочий процесс ComfyUI превращает один текстовый промпт в готовое видео с нативным стерео-аудио, используя MiniMax H3 — омнимодальную модель, которая за один проход синтезирует визуал, голос, звуковые эффекты и музыку. Не нужно управлять входными файлами — просто опишите, что требуется, и граф вернёт клип примерно на 15 секунд при 24 fps, вплоть до 2K Разрешение, со встроенным стереозвуком.

Внутри MiniMax H3 subgraph (нода 79dd8a95-ce9d-4c14-b264-2162e8bec5ce) выполняет генерацию и декодирование. Он использует MiniMax H3 video и audio VAE (minimax_h3_video_vae_fp16.safetensors и minimax_h3_audio_vae_fp32.safetensors), чтобы восстановить кадры и стерео-аудио из латентных представлений модели. ResolutionSelector сопоставляет удобные пресеты с корректными размерами, кратными 32 (например, 960×544, 1152×640, 1216×672), а SaveVideo мультиплексирует кадры и стерео-аудиопоток в один MP4. MarkdownNote на холсте содержит быстрые советы и примеры промптов. В итоге получается компактный пайплайн «только промпт», удобный для быстрого концепт-визуала, постов в соцсети и сторителлинга с синхронизацией аудио.

Вопросы и ответы