MiniMax H3'e bir referans görsel, dokuz adede kadar görsel, üç video ve üç ses klibi ile birlikte bir metin istemi vererek yeni bir video oluşturun. Model, bu kaynaklardan karakter kimliği, hareket, kamera, ses veya stili eşleştirirken tek geçişte yerel stereo ses üretir. Çıktı, yaklaşık 15 saniyelik, 2K çözünürlüğe ve 24fps'ye kadar tek bir MP4 videodur. Karakter tutarlılığı olan animasyonlar, stil transferli video üretimi ve sesle senkronize içerik oluşturma için idealdir.
