MiniMax H3 Max adds first-and-last-frame control to Hailuo 3's reference workflow — pin the start and end of a shot, or drive it with up to 9 images, 3 videos and 3 audio clips.
MiniMax H3 Max हा Hailuo 3 कुटुंबातील "Max" स्तर आहे, जो येथे 28 सप्टेंबर 2026 रोजी त्याच्या Turbo भावंडासोबत समाविष्ट करण्यात आला. एका निवडीमागे तीन एंडपॉइंट्स आहेत — टेक्स्ट-टू-व्हिडिओ, इमेज-टू-व्हिडिओ आणि रेफरन्स-टू-व्हिडिओ — ते एकच पॅनेल आणि प्रति-सेकंद किंमत शेअर करतात. MiniMax H3 पेक्षा हे जे जोडते ते म्हणजे इमेज-टू-व्हिडिओसाठी शेवटच्या-फ्रेमचा इनपुट आणि स्वस्त 480p स्तर; जे सोडते ते म्हणजे 2K स्तर, आणि सर्वात छोटी क्लिप 4 ऐवजी 5 सेकंदांची आहे.
ज्या गोष्टींसाठी तुम्हाला काही द्यावे लागते: रेफरन्स व्हिडिओ प्रत्येक इनपुट सेकंदाला स्वतःच्या दराने बिल केला जातो (480p वर 40 क्रेडिट्स, 768p वर 100), दुसऱ्यानंतरच्या प्रत्येक रेफरन्स इमेजसाठी 50 जुडतात, आणि रेफरन्स ऑडिओ मोफत आहे. ऑडिओला बंद करण्याचा स्विच नाही, सबमिट केलेली टास्क रद्द करता येत नाही, प्रदात्याकडून मिळणाऱ्या निकालांच्या लिंक्स 24 तासांनंतर संपतात (आम्ही पूर्ण झालेल्या क्लिप्स आमच्या स्वतःच्या स्टोरेजमध्ये कॉपी करतो), आणि आम्ही अजून या मॉडेलची वेळ मोजलेली नाही.
MiniMax चे H3 Max 480p किंवा 768p वर नेटिव्ह ऑडिओसह 5–15 सेकंदांच्या क्लिप्स तयार करते, टेक्स्ट, पहिली फ्रेम (ऐच्छिक शेवटच्या फ्रेमसह), किंवा इमेजेस, व्हिडिओ आणि ऑडिओ रेफरन्सेसच्या मिश्र संचाने चालवलेल्या — API की नाही, स्वतंत्र खाते नाही.
H3 Max वरील इमेज-टू-व्हिडिओ पहिली फ्रेम आणि ऐच्छिक शेवटची फ्रेम स्वीकारते. एखाद्या हालचालीची सुरुवात आणि शेवटची स्थिर प्रतिमा द्या — उत्पादन फिरताना, दरवाजा उघडताना, चेहरा कॅमेऱ्याकडे वळताना — आणि मधली हालचाल वर्णन करा. फक्त पहिल्या फ्रेमसह ती H3 सारखी वागते: क्लिप त्या इमेजमधून वाढते आणि तिचे आस्पेक्ट रेशिओ टिकवते.
रेफरन्स-टू-व्हिडिओ एका विनंतीत 9 पर्यंत इमेजेस, 3 व्हिडिओ क्लिप्स आणि 3 ऑडिओ ट्रॅक्स घेते, प्रॉम्प्टमध्ये "Image 1", "Video 1", "Audio 1" म्हणून संदर्भित. एका फोटोमधून चेहरा ठेवा, दुसऱ्यामधून लोकेशन, आणि व्हॉइस ट्रॅकमधून संवाद चालवा. पहिल्या दोन रेफरन्स इमेजेस मोफत आहेत; रेफरन्स व्हिडिओ बिल करण्यायोग्य इनपुट सेकंद जोडतो; रेफरन्स ऑडिओ मोफत आहे.
तयार करण्यापूर्वी प्रति-सेकंद किंमत दाखवणारे दोन आउटपुट स्तर: 480p वर प्रति सेकंद 35 क्रेडिट्स, 768p वर 55. 5-सेकंदांचा 480p मसुदा 175 क्रेडिट्स आहे; डिलिव्हरीसाठी तोच ब्रीफ 768p वर पुन्हा चालवा. टेक्स्ट आणि रेफरन्स मोडमध्ये 9:16 वर्टिकलपासून 21:9 अल्ट्रावाइडपर्यंत सहा आस्पेक्ट रेशिओ.
H3 Max 5 ते 15 सेकंद सपाट प्रति-सेकंद दराने चालते, म्हणून 12-सेकंदांच्या टेकची किंमत नेमकी 12 सेकंदांची असते. प्रत्येक जनरेशनसोबत 7,000 अक्षरांपर्यंतचे प्रॉम्प्ट्स जतन केले जातात, म्हणून जुळलेला शॉट पुन्हा तयार करता येतो.
येथे 28 सप्टेंबर 2026 रोजी तयार केलेल्या, पहिल्या टेकमध्ये, नेमके प्रॉम्प्ट्स आणि सेटिंग्ज दाखवलेल्या.
A lighthouse keeper climbing a spiral iron staircase at dusk, lantern swinging, warm light sweeping the stone walls, wind and gulls outside, slow tilt up.
A jazz drummer in a small club, brushes on the snare, cymbals shimmering under a red spotlight, handheld camera slowly circling, room-tone applause.
सुरुवात आणि शेवट ठरलेले असलेले शॉट्ससाठी हा Hailuo 3 टियर आहे, आणि H3 देणाऱ्या पेक्षा स्वस्त ड्राफ्ट टियर हवा असलेल्या लोकांसाठी.
लेबलवर संपणारा पॅकशॉट, अंतिम स्क्रीनवर संपणारे UI, कॅमेऱ्याकडे पाहत संपणारा चेहरा — दोन्ही स्टिल्स द्या आणि त्यांच्यामधली हालचाल सांगा.
एका विनंतीत 9 इमेजेस, 3 व्हिडिओ क्लिप्स आणि 3 ऑडिओ ट्रॅक्स, प्रॉम्प्टमध्ये क्रमाने उद्धृत — MiniMax H3 सारखाच संदर्भ वर्कफ्लो.
प्रति सेकंद 35 क्रेडिट्स म्हणजे संदर्भांसह Hailuo 3 ब्रीफवर इटरेट करण्याचा सर्वात स्वस्त मार्ग. हालचाल काम करेपर्यंत चालवा, मग 768p वर पुन्हा चालवा.
लॅडर 768p वर थांबते — 2K साठी MiniMax H3 निवडा. सर्वात लहान क्लिप 5 सेकंदांची आहे, आणि ऑडिओला बंद करण्याचा स्विच नाही.
एकच वर्कस्पेस, एकच क्रेडिट साठा — यांपैकी कोणतेही बदलणे एक क्लिक आहे.
| MiniMax H3 Max | MiniMax H3 | MiniMax H3 Max Turbo | |
|---|---|---|---|
| रिझोल्यूशन | 480p · 768p | 768p · 2K | 480p · 768p |
| क्लिपची लांबी | 5–15s, कोणताही पूर्ण सेकंद | 4–15s, कोणताही पूर्ण सेकंद | 5–15s, कोणताही पूर्ण सेकंद |
| प्रतिमा-ते-व्हिडिओ इनपुट्स | पहिला फ्रेम + ऐच्छिक शेवटचा फ्रेम | फक्त पहिला फ्रेम | पहिला फ्रेम + ऐच्छिक शेवटचा फ्रेम |
| प्रति विनंती संदर्भ साहित्य | जास्तीत जास्त 9 इमेजेस, 3 व्हिडिओ आणि 3 ऑडिओ ट्रॅक्स | जास्तीत जास्त 9 इमेजेस, 3 व्हिडिओ आणि 3 ऑडिओ ट्रॅक्स | उपलब्ध नाही |
| प्रति सेकंद क्रेडिट्स, 480p | 35 | उपलब्ध नाही | 20 |
| प्रति सेकंद क्रेडिट्स, 768p | 55 | 55 | 30 |
| प्रति सेकंद क्रेडिट्स, 2K | उपलब्ध नाही | 90 | उपलब्ध नाही |
| संदर्भ व्हिडिओ, प्रति इनपुट सेकंद | 480p वर 40 · 768p वर 100 | 768p वर 55 · 2K वर 90 | उपलब्ध नाही |
| मोफत संदर्भ इमेजेस | पहिल्या 2, नंतर प्रत्येकी 50 | पहिल्या 5, नंतर प्रत्येकी 30 | उपलब्ध नाही |
| एका क्लिपसाठी क्रेडिट्स, किमानपासून कमालपर्यंत | फक्त आउटपुटसाठी 175–825; पूर्ण लोडसह 2,675 | फक्त आउटपुटसाठी 220–1,350; पूर्ण लोडसह 2,820 | 100–450 |
| आवाज | मूलभूत आणि नेहमी चालू | मूलभूत आणि नेहमी चालू | मूलभूत आणि नेहमी चालू |
या तक्त्यातील प्रत्येक आकडा 28 सप्टेंबर 2026 रोजी आमच्या स्वतःच्या मॉडेल रजिस्ट्रीवरून वाचलेला आहे — तेच प्रति-सेकंद दर तक्ते जे तुमच्या जनरेशन्सची किंमत ठरवतात. दर आउटपुटच्या प्रति सेकंद आहेत; संदर्भ-व्हिडिओ इनपुट सेकंद दाखवलेल्या दराने जोडले जातात. मॉडेल विकत नसलेला टियर "Not offered" असे चिन्हांकित केले जाते.
MiniMax H3 Max ची इतर व्हिडिओ मॉडेल्ससोबत तुलना करा — एकच वर्कस्पेस, बदलण्यासाठी एक क्लिक.
| मॉडेल | minimax-h3-max (MiniMax H3 Max, Hailuo 3 चा Max टियर) — 28 सप्टेंबर 2026 रोजी येथे इंटिग्रेट केलेले |
|---|---|
| मोड | टेक्स्ट-टू-व्हिडिओ, पहिल्या फ्रेमपासून इमेज-टू-व्हिडिओ ज्याला ऐच्छिक शेवटचा फ्रेम असू शकतो, आणि मिश्र अॅसेट सेटपासून रेफरन्स-टू-व्हिडिओ — एका पिकरमागे तीन एंडपॉइंट्स |
| रिझोल्यूशन | 480p आणि 768p — Max वर 2K स्तर नाही (MiniMax H3 मध्ये तो आहे) |
| कालावधी | 5 ते 15 सेकंद, कोणताही पूर्ण सेकंद (डीफॉल्टनुसार 5) |
| आस्पेक्ट रेशो | टेक्स्ट आणि रेफरन्स मोडमध्ये 16:9, 9:16, 1:1, 4:3, 3:4 आणि 21:9; इमेज-टू-व्हिडिओ पहिल्या फ्रेमचे अनुसरण करते |
| संदर्भ साहित्य | जास्तीत जास्त 9 प्रतिमा, 3 व्हिडिओ क्लिप आणि 3 ऑडिओ ट्रॅक, एकूण 12. रेफरन्स व्हिडिओ प्रत्येक क्लिपसाठी किमान 2 सेकंद आणि एकूण 15 सेकंद चालतो. प्रॉम्प्टमध्ये "Image 1", "Video 1", "Audio 1" म्हणून उल्लेख केला जातो |
| प्रॉम्प्टची लांबी | 7,000 अक्षरांपर्यंत |
| ऑडिओ | नेटिव्ह आणि नेहमी चालू — ऑडिओचे बटण नाही |
| Credits | प्रति सेकंद: 480p वर 35, 768p वर 55, तिन्ही मोडमध्ये हाच दर. रेफरन्स-व्हिडिओ इनपुट सेकंद 480p वर प्रति सेकंद 40 किंवा 768p वर 100 जोडतात; दुसऱ्या नंतरच्या रेफरन्स प्रतिमा प्रत्येकी 50 जोडतात; रेफरन्स ऑडिओ मोफत आहे |
| प्रति क्लिप क्रेडिट श्रेणी | 5-सेकंद 480p क्लिपसाठी 175, 15-सेकंद 768p क्लिपसाठी 825. 15 सेकंदांच्या रेफरन्स व्हिडिओ आणि 9 रेफरन्स प्रतिमांसह लोड केलेली 768p विनंती जास्तीत जास्त 2,675 पर्यंत पोहोचते |
| रद्द करणे | सबमिट केलेली कामे रद्द करता येत नाहीत |
| मोजलेला वेग | मोजलेले नाही — आम्ही या मॉडेलवर वेळ मोजणारा बेंचमार्क चालवलेला नाही |
रिकाम्या prompt बॉक्सपासून तयार clip पर्यंत — तीन पायऱ्या.
मॉडेल पिकर उघडा आणि MiniMax H3 Max निवडा. तुम्ही काही खर्च करण्यापूर्वी पॅनेल त्याची क्रेडिट किंमत, रिझोल्युशन पर्याय आणि कालावधी मर्यादा दाखवते.
विषय, कृती आणि camera कशी हलते ते लिहा. clip एखाद्या ठराविक इमेजपासून सुरू व्हावी असे वाटत असेल तर पहिली frame जोडा.
clip डाउनलोड करा, ती लांबवा, किंवा पुढील एडिटिंगला पाठवा. prompt, मॉडेल आणि सेटिंग्ज तुमच्या इतिहासात तिच्यासोबतच राहतात.
एक खाते, संपूर्ण इमेज आणि व्हिडिओ जनरेशन वर्कफ्लो.
मोफत स्तराच्या दैनिक क्रेडिट्सवर MiniMax H3 Max चालवा, किंवा प्रीमियम मॉडेल्स, जलद जनरेशन आणि 4K आउटपुटसाठी अपग्रेड करा.
सुरुवात करण्यासाठी अगदी योग्य
वार्षिक बिलिंग · $240/year
वार्षिक बिलिंग · $468/वर्ष
ज्या शॉट्सना तुम्हाला सुरुवात आणि शेवट कसा हवा हे माहीत आहे — पहिला-आणि-शेवटचा-फ्रेम इमेज-टू-व्हिडिओ — आणि Hailuo 3 साठी प्रसिद्ध असलेले मल्टिमोडल रेफरन्स वर्कफ्लो. आउटपुट नेटिव्ह ऑडिओसह 480p किंवा 768p वर 5–15 सेकंद आहे.
480p वर प्रति आउटपुट सेकंद 35 क्रेडिट्स आणि 768p वर 55, म्हणून 5-सेकंद 480p क्लिप 175 क्रेडिट्स आणि 5-सेकंद 768p क्लिप 275 आहे. रेफरन्स व्हिडिओ 480p वर प्रति इनपुट सेकंद 40 क्रेडिट्स किंवा 768p वर 100 जोडतो; पहिल्या दोन रेफरन्स प्रतिमा मोफत आहेत आणि प्रत्येक पुढील प्रतिमा 50 जोडते; रेफरन्स ऑडिओ मोफत आहे. तुम्ही जनरेट करण्यापूर्वी नेमकी एकूण रक्कम दाखवली जाते.
H3 Max शेवटचा-फ्रेम इनपुट आणि स्वस्त 480p स्तर जोडतो, पण 768p वरच थांबतो — फक्त MiniMax H3 2K देतो. H3 Max Turbo हे तेच 5–15 सेकंद इंजिन अंदाजे निम्म्या किमतीत आहे, रेफरन्स-असेट मोडशिवाय.
जास्तीत जास्त 9 प्रतिमा, 3 व्हिडिओ क्लिप (प्रत्येकी किमान 2 सेकंद, एकूण 15 सेकंद) आणि 3 ऑडिओ ट्रॅक, एकूण जास्तीत जास्त 12 असेट्स. प्रॉम्प्टमध्ये त्यांचा क्रमाने उल्लेख करा: "Image 1", "Video 1", "Audio 1".
5 ते 15 पूर्ण सेकंद, 480p किंवा 768p वर. टेक्स्ट आणि रेफरन्स मोड 16:9, 21:9, 4:3, 1:1, 3:4 आणि 9:16 देतात; इमेज-टू-व्हिडिओ तुमच्या पहिल्या फ्रेमच्या गुणोत्तराचे अनुसरण करते.
नाही. H3 Max प्रत्येक रनवर नेटिव्ह ऑडिओ जनरेट करतो आणि त्यासाठी कोणतेही टॉगल नाही, म्हणून तुम्हाला दिसणारा दर हा एकमेव दर आहे. तुम्हाला शांत प्लेट हवी असल्यास तुमच्या एडिटमध्ये तो म्यूट करा.
निर्मितीभोवतीच्या प्रत्येक कामासाठी वन-क्लिक टूल्स — सुधार, शैली बदल, शेअर.
