minimax-h3
تولید کلیپ‌های ویدیویی ۴ تا ۱۵ ثانیه‌ای با MiniMax H3 و چند مسیر اجرایی
این Skill با MiniMax H3 (Hailuo 3.0) کلیپ‌های 2K ویدیویی را از متن، تصویر، فریم اول و آخر یا ترکیب تصویر، ویدیو و صدا تولید می‌کند. می‌توانید مسیر مناسب را از بین MiniMax API، fal.ai، Runway، ComfyUI Partner Nodes یا اجرای local در ComfyUI انتخاب کنید.
برای ساخت شات‌های کوتاه سینمایی، انیمیت‌کردن تصویر ثابت، کنترل حرکت بین دو فریم و تولید ویدیوی دارای صدای native کاربرد دارد. راهنمایی‌های آن روی حرکت دوربین، محیط، نورپردازی، زمان‌بندی و محدودیت‌های هر provider تمرکز می‌کند.
چه چیزی می‌گیرید
- تولید Text-to-Video با MiniMax-H3 و نسبت تصویر مشخص
- تبدیل تصویر به ویدیو و انیمیشن بین فریم اول و آخر
- تولید ویدیوی مبتنی بر reference شامل تصویر، ویدیو و صدا
- انتخاب و پیکربندی مسیرهای MiniMax API، fal.ai، Runway و ComfyUI
- راهنمای اجرای local با workflow رسمی و مدل‌های موردنیاز ComfyUI
برای چه کاری خوب است
- تولیدکنندگان محتوای ویدیویی که به شات‌های کوتاه ۴ تا ۱۵ ثانیه‌ای نیاز دارند
- تیم‌های تولید فیلم و تبلیغات برای ساخت نماهای مفهومی، انتقالی و سینمایی
- کاربرانی که می‌خواهند تصاویر ثابت یا دو فریم مرجع را به حرکت تبدیل کنند
- توسعه‌دهندگانی که به اجرای APIمحور یا local در ComfyUI نیاز دارند
برای چه کاری نیست
- تولید ویدیوهای طولانی یا پروژه‌هایی که به تدوین کامل و چنددقیقه‌ای نیاز دارند
- کاربرانی که به API، اعتبار سرویس‌های ابری یا GPU مناسب برای اجرای local دسترسی ندارند
- صحنه‌هایی با حرکت بسیار پیچیده یا نیازمند کنترل دقیق فریم‌به‌فریم
دربارهٔ این اسکیل
MiniMax H3
MiniMax H3 is the Hailuo 3.0 family. The first-party API identifier isMiniMax-H3; fal.ai exposes the family as hailuo-03, and Runway useshailuo3. Do not substitute one provider's identifier into another API.
Choose a route
| Route | Tool call | Execution |
|---|---|---|
| MiniMax direct | minimax_video, model: "MiniMax-H3" | Hosted first-party v2 API; global or mainland-China region |
| fal.ai | minimax_fal_video | Hosted gateway; T2V, I2V, reference-to-video |
| Runway | runway_video, model: "hailuo3" | Hosted; 768P or 2K, 5–15 seconds |
| ComfyUI Partner Node | comfyui_video, model_family: "minimax_h3_api" | Hosted and billed in Comfy credits |
| ComfyUI open weights | comfyui_video, model_family: "minimax_h3_local" | Local GPU with official workflow and model stack |
For local ComfyUI, export the official workflow in API format and passworkflow_json or workflow_path plus output_node. OpenMontage reports the
required diffusion model, Qwen3-VL text encoder, video VAE, and audio VAE; it
does not silently download large weights.
Operations and prompting
- Text-to-video: concrete ratio; do not use
adaptivewithout visual input. - Image-to-video: provide a first frame.
- First/last-frame: provide both images and describe the motion between them.
- Reference-to-video: images, videos, and audio can be combined. Audio needs at least one visual reference.
Write prompts as subject + action + camera path + environment + lighting +
audio intent. MiniMax responds well to explicit camera direction. Keep the
requested motion achievable within 4–15 seconds and inspect native audio as
carefully as the image track.
Provider differences
The direct MiniMax v2 route currently outputs 2K and supports 4–15 seconds.
Runway's Hailuo 3.0 route supports 768P/2K and documents 5–15 seconds. Partner
Nodes require network access and credits. Only the open-weight ComfyUI route is
local/offline after all models are installed.