मुख्य बिंदु
MiniMax क्या दस्तावेज़ित करता है
MiniMax का लॉन्च लेख H3 को एक ओपन मॉडल बताता है जो टेक्स्ट, इमेज, वीडियो और ऑडियो के एकीकृत कॉन्टेक्स्ट को समझता है, नेटिव स्टीरियो साउंड के साथ वीडियो बनाता है, और 2K रिज़ॉल्यूशन पर 15 सेकंड तक आउटपुट देता है, जबकि 768p एक सस्ता टियर है। कंपनी का दावा है कि 2K की प्रति सेकंड कीमत मुख्यधारा के मॉडलों के एक तिहाई से कम है और 768p की कीमत मुख्यधारा के 720p की आधी से कम। रेफ़रेंस प्रॉम्प्टिंग बातचीत की शैली में होती है: “reference the camera movement from Video 1, have the character in Image 2 sing with vocals matching Audio 3.” (वीडियो 1 की कैमरा मूवमेंट को रेफ़रेंस बनाओ, इमेज 2 के किरदार से ऑडियो 3 से मेल खाती आवाज़ में गवाओ।) यह रेफ़रेंस व्याकरण ही इस मॉडल की पहचान है।
Studio में क्या उपलब्ध है
रिज़ॉल्यूशन 768P या 2K, अवधि 4 से 15 सेकंड, और रेशियो सात विकल्पों में से (adaptive, 16:9, 4:3, 1:1, 3:4, 9:16, 21:9) टेक्स्ट-टू-वीडियो के लिए, इमेज-टू-वीडियो के लिए adaptive। इमेज-टू-वीडियो एक स्टार्ट फ़्रेम लेता है। रेफ़रेंस-टू-वीडियो अधिकतम 9 रेफ़रेंस इमेज, 3 वीडियो क्लिप और 3 ऑडियो क्लिप, कुल 12 एसेट लेता है। समीक्षा के समय डिफ़ॉल्ट कोट 1,110 क्रेडिट था; MiniMax चुने गए रिज़ॉल्यूशन की दर पर इनपुट और आउटपुट वीडियो सेकंड दोनों का बिल बनाता है और पहली पाँच रेफ़रेंस इमेज शामिल रखता है, इसलिए लंबे रेफ़रेंस क्लिप कोट बढ़ा देते हैं।
एडल्ट-कंटेंट का शुरुआती डेटा, सीधे शब्दों में
9 सितंबर 2026 तक साठ दिन: 3 क्रिएटर्स के 7 MiniMax H3 रेफ़रेंस-टू-वीडियो जॉब, 2 पूरे हुए, 4 कंटेंट-सेफ़्टी रिस्पॉन्स से रुके, 1 अन्य विफलता। सात जॉब किसी दर को प्रकाशित करने के लिए बहुत कम हैं, इसलिए हम प्रकाशित नहीं करेंगे; इतना कहना काफ़ी है कि अपस्ट्रीम रूट एडल्ट कंटेंट की समीक्षा करता है और उसमें से कुछ को अस्वीकार कर चुका है। तुलना के लिए, Wan 3.0 रेफ़रेंस-टू-वीडियो ने 6,901 जॉब में से 94% पूरे किए और Wan 2.2 Spicy ने 16,059 में शून्य स्टॉप दर्ज किए। H3 की कुछ सौ रन हो जाने पर हम इस सेक्शन को अपडेट करेंगे।
वर्ज़न और विकल्प
MiniMax H3 टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो और रेफ़रेंस-टू-वीडियो अभी Makeartly Studio में उपलब्ध हैं; लाइव कैटलॉग मॉडल ID की पुष्टि कर दे तो CTA H3 को पहले से चुन देता है।
साक्ष्य और मार्गदर्शन
आज H3 कहाँ चुनने लायक है
संवाद-प्रधान क्लिप: H3 का स्टीरियो ऑडियो उसी पास में बनता है और इसका रेफ़रेंस व्याकरण “match the voice in Audio 1” को एक पंक्ति का निर्देश बना देता है। संगीत या ताल से सिंक मूवमेंट। 2K पर इशारों वाला, कपड़े पहने किरदार का काम जहाँ टेक्स्चर मायने रखता है, और 21:9 सिनेमाई फ़्रेमिंग। इसका 768P टियर आवाज़ के साथ किसी विचार को दोहराने का सस्ता तरीका है, फिर अगर एडल्ट कंटेंट H3 के रिव्यू के लिए ज़्यादा स्पष्ट हो तो उसी ब्रीफ़ को Wan 3.0 पर ऊँचे टियर में रेंडर करें।
डिप्लॉयमेंट फ़िल्टरिंग और एडल्ट कंटेंट की सीमाएँ
Makeartly सत्यापित वयस्क क्रिएटर्स के लिए मुख्यधारा के एडल्ट कंटेंट को अस्वीकार करने की अपनी अलग परत नहीं जोड़ता; डिप्लॉयमेंट स्तर के इस कथन का मतलब यह नहीं कि अपस्ट्रीम का आधिकारिक मॉडल बिना सेंसर का है, और यह किसी प्रॉम्प्ट के स्वीकार होने की गारंटी भी नहीं है। एडल्ट वर्कफ़्लो केवल वयस्कों के लिए हैं। CSAM और 18 वर्ष से कम आयु के किसी भी व्यक्ति से जुड़ा यौन कंटेंट प्रतिबंधित है। सहमति और छवि-उपयोग की अनुमति अनिवार्य है; बिना सहमति का अंतरंग कंटेंट, असली लोगों के अनधिकृत डीपफ़ेक और यौन रूप से किसी का रूप धारण करना (इम्पर्सोनेशन) प्रतिबंधित है।
एक जोड़ी जो काम करती है
प्रोजेक्ट के उन हिस्सों के लिए H3 इस्तेमाल करें जो ऑडियो और 2K टेक्स्चर पर टिके हैं और संकेतात्मक या कपड़ों वाले रहते हैं; स्पष्ट मल्टी-रेफ़रेंस सीन के लिए Wan 3.0 और स्पष्ट सिंगल-स्टिल क्लिप के लिए Wan 2.2 या 2.7 Spicy। H3 और Wan 3.0 दोनों एक डिफ़ॉल्ट क्लिप के लिए 1,100-क्रेडिट के दायरे में चलते हैं, इसलिए चुनाव इस पर निर्भर है कि आपका ब्रीफ़ किस रिव्यू से गुज़रेगा और आपको 30 सेकंड (Wan) चाहिए या 2K पर स्टीरियो साउंड (H3)।
परिस्थितियाँ और निर्णय
12 सेकंड का क्लिप जिसमें वह स्टीरियो में कैमरे से दो पंक्तियाँ बोलती है
प्लेटफ़ॉर्म पर इसके लिए MiniMax H3 सबसे मज़बूत टूल है; रेफ़रेंस कपड़ों वाला रखें और पंक्तियाँ उद्धृत करें।
एक स्पष्ट मल्टी-रेफ़रेंस सीन
Wan 3.0 रेफ़रेंस-टू-वीडियो का उपयोग करें; H3 का अपस्ट्रीम रिव्यू अपने पहले हफ़्तों में ही एडल्ट प्रयास अस्वीकार कर चुका है।
- Studio में MiniMax H3 खोलें और टेक्स्ट, इमेज या रेफ़रेंस मोड चुनें।
- संवाद के लिए पंक्ति को उद्धृत करें और बोलने वाले का नाम दें; आवाज़ मिलाने के लिए ऐसा ऑडियो क्लिप दें जिसे इस्तेमाल करने का आपको अधिकार है।
- पहले 768P पर 5 सेकंड रेंडर करें; कोट आउटपुट और रेफ़रेंस सेकंड के साथ बढ़ता है।
- जब तक एडल्ट पास रेट नापी जा रही है, अपलोड किए गए रेफ़रेंस कपड़ों वाले या संकेतात्मक रखें।
- अगर H3 कोई क्लिप रोक दे तो शब्द बदलने के बजाय ब्रीफ़ को Wan 3.0 पर ले जाएँ।
सीमाएँ और जोखिम
कपड़ों वाले रेफ़रेंस के साथ 768P पर H3 का स्वीकृति परीक्षण
5 सेकंड का एक 768P क्लिप स्वीकृति परीक्षण के रूप में चलाएँ, आवाज़ और 2K-टियर टेक्स्चर की उसी ब्रीफ़ के Wan 3.0 रेंडर से तुलना करें, पहले ही रिव्यू अस्वीकार पर रुकें, और प्रोजेक्ट के स्पष्ट बाकी हिस्से के लिए Wan 3.0 चुनें।
इस पेज पर H3 का एडल्ट डेटा सात जॉब का है; इसकी उदारता के बारे में हर दावे को, हमारे दावे को भी, अस्थायी समझें, यह एक सीमा है। रेफ़रेंस सेकंड का भी बिल बनता है: MiniMax आउटपुट के साथ इनपुट वीडियो सेकंड का भी बिल बनाता है, इसलिए 15 सेकंड का रेफ़रेंस क्लिप 15 सेकंड के रेंडर का कोट लगभग दोगुना कर देता है।
