MiniMax H3는 2026년 7월 31일에 출시된 유니파이드 멀티모달 (Unified Multimodal) 비디오 생성 모델이다. 기술적으로는 Hailuo 3.0과 동일하다. 텍스트·이미지·동영상·음성을 단일 컨텍스트 (Context)에서 처리하며, 네이티브 2K (2560×1440) 영상 + 스테레오 오디오 (Stereo Audio)를 반환한다. 자세한 내용은 MiniMax H3를 참조할 것.
| 항목 | 값 |
|---|
| 해상도 | 2K (2560×1440) |
| ... | |
| 입력 구성에 따라 3개의 엔드포인트 (Endpoint)로 분기된다. | |
Text-to-Video
입력: 텍스트 프롬프트 (Text Prompt)만. 미디어 없음.
Image-to-Video
입력: 텍스트 + 이미지 (시작/종료 프레임으로 지정). 2개 프레임 사이를 모델이 보간 (Interpolation).
Reference-to-Video
입력: 텍스트 + 이미지/동영상/음성을 참조 자료로 투입. 아이덴티티 (Identity) 고정, 모션 전이 (Motion Transfer), 스타일 매칭 (Style Matching), 음성 클론 (Voice Clone), 클립 편집. 가장 고기능인 엔드포인트.
# 라우팅 로직 (Routing Logic)
def select_endpoint(media_files, frame_designation):
if not media_files:
...
fal.ai에서는 3개의 엔드포인트가 개별적으로 공개되어 있다.
reference-to-video
엔드포인트의 핵심 설계. 각 파일에 프롬프트 내에서 역할을 명시적으로 부여한다.
| 역할 (Role) | 파일 유형 | 용도 |
|---|
identity | 이미지 | 캐릭터 얼굴/외형 고정 |
wardrobe | 이미지 | 착용할 의상 |
style | 이미지 | 색채/질감/미적 방향성 |
environment | 이미지 | 배경/장소 설정 |
motion | 동영상 | 동작/카메라 패스 (Camera Path) 복제 |
edit_target | 동영상 | 편집 대상인 기존 클립 |
voice | 음성 | 음성 특성 클론 |
music | 음성 | 리듬 구조에 의한 비주얼 동기화 |
ambience | 음성 | 환경음 참조 |
역할 지정은 프롬프트 텍스트 내의 자연어로 수행한다:
Image 1 = character identity reference.
Image 2-4 = wardrobe references.
Video 1 = camera movement reference.
...
안티 패턴 (Anti-pattern): 여러 파일을 역할 지정 없이 투입. 모델이 모호하게 해석하여 예측 불가능한 출력이 된다.
7개 요소의 템플릿이 가장 안정적인 결과를 낳는다.
esservation: # I2V 시에만. 첫 번째 줄에 기술
- "병의 형상, 라벨, 재질을 유지"
subject: # 피사체의 구체적 묘사
...
Preserve exact bottle shape, label text, cap design,
glass material, colours, and proportions.
Glass perfume bottle on marble surface.
...
Image 1 = character identity reference.
30s woman, short black hair, white linen shirt.
Walks quickly through narrow rain-soaked alley,
...
H3는 영상과 동일한 추론 패스 (Inference Path)로 스테레오 오디오를 생성한다. 사운드를 별도의 트랙으로 디렉팅 (Directing)한다.
# 좋은 예
Sound: espresso machine hissing (continuous),
cup placed on saucer at 0:04,
...
악기, SFX의 타이밍, 무음 구간을 명시할수록 오디오 품질이 향상된다.
Reference-to-Video Edit
재생성 없이 기존 클립을 부분 수정하는 기능.
# 워크플로우 (Workflow)
edit_input = {
"edit_target": existing_clip,
...
원칙: 1회의 패스 (Pass)로 1개 요소만 수정. 순차적 접근이 가장 안정적이다.
Phase 1: 768p → 프롬프트 + 리퍼런스 (Reference) 조합 테스트
Phase 2: 방향 확정 → 2K 최종판 렌더링
Phase 3: 인스트럭션 (Instruction) 편집 → 부분 수정 (재생성 회피)
모든 생성에 동일한 identity 이미지를 투입
+ 프롬프트로 외형 특징을 텍스트 기술 (듀얼 앵커 (Dual Anchor))
= 드리프트 (Drift) 방지
이미지만을 사용하는 단일 앵커 (Single Anchor) 방식에서는 드리프트 (Drift)가 발생합니다. 이미지와 텍스트를 함께 사용하는 듀얼 앵커 (Dual Anchor) 방식이 필요합니다.
| 모델 | 강점 | H3 대비 약점 |
|---|
| Kling 3.0 | 네이티브 4K | 옴니 리퍼런스 (Omni-reference) 제어 없음 |
| ... | | |
| 주의: H3는 출시 직후입니다. 독립 아레나 (Arena) 점수가 아직 확립되지 않았습니다. 비교 결과는 잠정적입니다. | | |
MiniMax 발표: "수일 내에" 법적 규제를 준수하여 가중치 (Weights)를 공개할 예정입니다. 일정 및 라이선스는 아직 미정입니다. 이것이 실현된다면 프런티어 (Frontier)급 비디오 모델 중 최초로 오픈 소스화되는 것입니다.