MiniMax H3MiniMax H3 (Hailuo 3)
Ein omni-modales Videomodell, das Text, Bilder, Video und Audio in einem Kontext versteht — und mit einem nativen 2K-Film inklusive Stereosound antwortet, bis zu 15 Sekunden in einer einzigen Aufnahme. Jetzt live auf Molyin — unten generieren.
- Fehlgeschlagene Generierungen werden automatisch erstattet
- Credit-Pakete laufen nie ab
- Der Preis jedes Modells ist öffentlich
- Jederzeit mit einem Klick kündbar
- 2K
- Native Auflösung
- 24 fps
- Bildrate
- 4–15 s
- Beliebige Clip-Länge
- Stereo
- Sound in jeder Aufnahme
Offizielle MiniMax-H3-Beispiele
Direkt aus dem MiniMax-Release — fahre für die Vorschau mit der Maus darüber und tippe auf das Lautsprecher-Symbol, um den nativen Stereo-Mix zu hören.
- MiniMax H3
- Reference to video
- 15s
- 2K
Bild 1 dient als Referenz für die Gesamttextur und Stimmung, während Bild 2 als Referenz für das Aussehen der Figur dient. Erstelle einen 15-sekündigen, trendigen Mode-Kurzfilm im 16:9-Breitbildformat. Halte das Figurendesign konsistent: platinblondes langes Haar, schmale schwarze Vintage-Sonnenbrille, schwarzer glänzender Lackleder-Trenchcoat, ein kühler und selbstbewusster Mode-Gesichtsausdruck sowie orangefarbene Flammenreflexe auf der Oberfläche des Ledermantels. Der Gesamtstil ist eine schnell geschnittene, filmische Modewerbung, die Elemente wie nächtliche Feuerszenen, schwarzen Rauch, orange-rote Flammen, VHS-Glitches, CCTV-Sendeunterbrechungen, analoges Filmkorn der 90er, Scan-Lines, chromatische Aberration, Light Leaks, weiße Blitz-Übergänge und durchgehend leichtes Kamerawackeln verbindet.
- MiniMax H3
- Reference to video
- 15s
- 2K
Erstelle ein hochwertiges Modemarken-Video im 16:9-Breitbildformat. Die Gesamtstimmung, die Szenen und die filmische Textur sollten sich an Bild 1 orientieren; die Taschen-Assets an Bild 3; die Figuren-Assets an Bild 2; und das Markenlogo am Ende an Bild 4. Dies ist eine Modekampagne zum Verkauf von Kleidung und Taschen. Die Gesamtstimmung sollte hochwertig, cool und zurückhaltend sein, aber der Schnitt darf nicht langweilig wirken — er muss dynamischer sein und einen starken Mode-Rhythmus ausstrahlen. Vermeide das Gefühl eines gewöhnlichen Spielfilms oder einer E-Commerce-Werbung. Die Kerngeschichte bleibt einfach: Auf einer Wüstenstraße neben einem Oldtimer geht eine Frau zum Kofferraum des Autos, öffnet ihn und holt eine schwarze Tasche heraus. Zwischen ihr und einem Mann, der neben dem Auto steht, entsteht eine kurze, stille Verbindung. Dann geht sie mit der Tasche davon. Die Tasche und die Kleidung sollten sich auf natürliche Weise in die Bewegungen der Figuren einfügen und ein wesentlicher Teil ihrer Persönlichkeit werden.
- MiniMax H3
- Text to video
- 15s
- 2K
Ein schnelleres Tempo, großartig, aber nicht in die Länge gezogen. Schnelle harte Schnitte, wackelnde Brücke, intensive Lichtblitze, kurze Blackouts und Warp-Sprünge. Das Textdesign erinnert an die weit gesperrten Lettern eines Filmtrailers, vermeidet reines Weiß, zeigt aber ein zurückhaltendes Leuchten und eine strukturierte Oberfläche mit feinen Kantenlichtern. Die Textanimation umfasst das Auftauchen aus der tiefen Leere des Alls, beleuchtet von Sternenlicht-Streifen, sich weitende Zeichenabstände, Nachbilder, dezentes Glühen und Blitze von Blackouts.
- MiniMax H3
- Reference to video
- 15s
- 2K
Stil: Ein Dark-Pop-/Cyber-Grunge-/Rap-Musikvideo mit hochmodischer, aber realistischer Textur, die eine Filmmagazin-Ästhetik evoziert. Die Bilder sind kontrastreich, wirken aber nicht billig. Die Gesamtreferenz orientiert sich an unabhängigen Magazinen der späten 90er bis frühen 2000er, fotokopierten Zines, Filmscans, Underground-Musikpostern und Collagen-Ästhetik. Visuell dominieren grobes Korn, subtiles Filmflackern, Halbtonmuster, raue Druckkanten und Scan-Versätze. Der Schnittrhythmus ist schnell und setzt ausschließlich auf harte Schnitte — keine Überblendungen oder weichen Übergänge. Das Textdesign und die Textur sollten sich an den angehängten Bildern orientieren.
- MiniMax H3
- Text to video
- 15s
- 2K
Ein 15-sekündiges horizontales Kurzvideo im 16:9-Format. Eine real gefilmte nächtliche Waschsalon-Szene, vermischt mit handgezeichneten leuchtenden Animationen. Der Schauplatz ist ein kleiner SB-Waschsalon mit leicht flackernden Leuchtstoffröhren. Darin laufen Waschmaschinen, dazu Wäschekörbe aus Plastik, eine alte Bank und eine einzelne Socke, die auf dem Boden liegen gelassen wurde. Der Raum wirkt insgesamt ruhig und trägt eine subtile Note von Nostalgie. Mit einem Handy in einer Hand gefilmt, weist das Material deutliches Wackeln auf; das weiße Leuchtstofflicht sorgt für schwankende Belichtung; auf den Glasscheiben sind Oberflächenreflexe zu sehen; und der Fokus hinkt leicht hinterher, wenn die Kamera sich Objekten nähert. Die Bilder sollten nicht poliert oder penibel wie eine Werbeproduktion aussehen. Die Gesamttextur soll einer spontanen, zufälligen Aufnahme ähneln — als würde man spät in der Nacht in den Waschsalon stolpern und instinktiv surreale Visionen mit rohem Dokumentar-Feeling festhalten.
- MiniMax H3
- Text to video
- 15s
- 2K
Erstelle eine 15-sekündige, leicht spannende Krimi-Introsequenz im 16:9-Breitbildformat. Der Gesamtstil sollte sich an der visuellen Sprache dieser Konzepte orientieren: Retro-Anime-Intros aus Japan, hartkantige Silhouetten, Collagen im Comic-Stil, asymmetrische Splitscreens, kräftige geometrische Farbblöcke, englische Titelsequenzen, minimale japanische Katakana als Dekoration und eine Jazz-Krimi-Atmosphäre. Die Stimmung soll zu 60 % Suspense und zu 40 % Jazz sein: mysteriös, cool, agil, mit urbanem Krimi-Flair — weder unheimlich noch schwer, und auf keinen Fall ein fröhliches Jazz-Musikvideo. Die Bewegungseffekte des Intros sollen sich wie animierte Grafik-Collagen anfühlen: Zuerst erscheint ein schwarz umrandeter Rahmen, Splitscreen-Ränder werden schnell gezeichnet, Farbblöcke und Rahmen werden Stück für Stück eingeklebt; Silhouetten von Figuren, Nahaufnahmen von Requisiten und englische Credits gleiten im Takt des Schlagzeugs hinein, springen heraus oder werden durch Maskierungen enthüllt. Vermeide realistische Erzählanimationen — das Ganze soll den polierten Look einer Introsequenz haben. Die englischen Credits sollen lesbar sein, animierte Effekte sind erlaubt: Dünne Linienrahmen können zuerst gezeichnet werden, Namen gleiten ins Bild, Buchstaben erscheinen einer nach dem anderen und werden von sich bewegenden Farbblöcken enthüllt, bevor am Ende eine kurze Pause eintritt. Keinen chinesischen Text hinzufügen, verstümmelten Text vermeiden und sicherstellen, dass keine englischen Namen falsch geschrieben werden. Regeln für die Sequenz: Jeder englische Credit und Titel darf nur einmal erscheinen. Wiederhole keinen Titel, wiederhole keinen Namen und weise derselben Person nicht mehrere Rollen zu. Übergänge müssen abwechslungsreich sein: kreisförmige Vinyl-Schallplatten-Masken, vertikale Schnitte durch Autotüren, Figurenschatten als Wischblenden, Rotlinien-Schnitte, Maskierungen mit großen englischen Buchstaben, Neuordnungen von Splitframe-Rändern, harte geometrische Farbblock-Schnitte und einzelne Collagen-Enthüllungen Bild für Bild. Alle Übergänge sollen im Takt des Schlagzeugs synchron sein — präzise, spannend, agil und mit Comic-Collagen-Vibe. Vermeide weiche Überblendungen und fließende Übergänge. BGM: Erstelle eine originale Hintergrundmusik.
Ein Kontext rein. Ein Film raus.
Das ist das eigene Flaggschiff-Beispiel von MiniMax. Drei Assets — eine Referenz für die Kamerabewegung, ein Figurenbild und eine Gesangsaufnahme — plus ein Satz, der beschreibt, wie sie zusammenpassen. MiniMax H3 liest sie als einen einzigen Kontext und liefert die fertige, singende Szene.
Der Prompt
Übernimm die Hitchcock-Kamerabewegung aus Video 1, lass die Figur aus Bild 2 singen, mit dem Gesang passend zu Audio 3.
Was ist MiniMax H3?
MiniMax H3 ist die dritte Generation der H-Serie von MiniMax, veröffentlicht am 31. Juli 2026 — und es ist nicht nur ein Videomodell. MiniMax H3 ist ein universelles multimodales Generierungsmodell: Es versteht Text, Bilder, Videoclips und Audio in einem gemeinsamen Kontext, und du beschreibst in einfacher Sprache, wie sie zusammenhängen. Bitte es, die Kamerabewegung aus einem Video zu übernehmen, die Figur aus einem Bild auf die Leinwand zu bringen und sie den Gesang aus einer Audiodatei singen zu lassen — mit einem einzigen Prompt.
Die Ausgabeseite ist ebenso ambitioniert. MiniMax H3 rendert standardmäßig in nativem 2K — kein hochskaliertes Bild, sondern eine kontextinterne Regenerierung durch das Basismodell, weshalb feine Details wie kleiner Text erhalten bleiben. Jede Generierung kommt mit nativem Stereosound: Musik, Dialoge und Effekte entstehen gemeinsam mit dem Bild, nicht nachträglich aufgesetzt. Dazu native Multi-Shot-Modellierung, präzise Text- und Markendarstellung sowie Bewegungsübertragung aus Referenzmaterial — MiniMax H3 wirkt wie ein Modell, das für kommerzielle Arbeit gebaut wurde: Werbung, E-Commerce, Produkt- und UI-Filme. MiniMax hat außerdem angekündigt, die Modellgewichte zu öffnen.
Während MiniMax H3 ausgerollt wird, ist jede Fähigkeit, mit der es konkurriert, bereits live auf Molyin: Probier unseren KI-Videogenerator, sieh dir die Preise an oder stöbere in der kompletten Modellbibliothek.
MiniMax H3 vs. Hailuo 02
MiniMax H3 ersetzt die Generation Hailuo 02 durch eine neue Architektur. Hier ist, was sich wirklich geändert hat.
| Merkmal | Hailuo 02 | MiniMax H3 |
|---|---|---|
| Modelldesign | Video-first-Architektur | Omni-modaler einheitlicher Kontext, neu gebaut |
| Auflösung | 768P / 1080P | Natives 2K standardmäßig, 768P-Sparstufe |
| Clip-Länge | Fest 6 s oder 10 s | Beliebige Länge von 4 bis 15 Sekunden |
| Audio | Stumme Ausgabe | Nativer Stereosound in jeder Aufnahme |
| Referenzen | Bild des ersten Frames | 9 Bilder + 3 Videos + 3 Audioclips |
| Abrechnung | Pro festem Clip | Pro Sekunde — du zahlst genau das, was du generierst |
Spezifikationen von uns am 02.08.2026 geprüft.
MiniMax H3 vs. Modelle, die auf Molyin live sind
| Modell | Positionierung | Veröffentlichungsdatum | Auf Molyin |
|---|---|---|---|
| MiniMax H3 | Omni-modales Flaggschiff, natives 2K + Stereo | 31.07.2026 · offene Gewichte angekündigt | Live — oben generieren |
| Seedance 2.5 | ByteDance-Flaggschiff, Takes bis zu 30 s | 07.08.2026 (API) | Live seit dem ersten API-Tag — oben generieren |
| Wan 3.0 | Alibabas All-in-One-Modell, Takes bis zu 30 s | 06.08.2026 | Live seit dem Launch-Tag — oben generieren |
| HappyHorse | Expressive Generierung + Video-Bearbeitung per Anweisung | Juni 2026 (1.1) | Live — oben generieren |
| Seedance-2.0-Familie | Standard / Fast / Mini als Arbeitspferde, bis zu 4K | Apr. 2026 (API) | Live — oben generieren |
| Kling 3.0 | Element-Referenzen + natives Audio, bis zu 4K | 04.02.2026 | Live — oben generieren |
| Veo 3.1 | Googles cineastisches Modell mit Audio | Okt. 2025 | Live — oben generieren |
Ein Abo, ein Credit-Guthaben — jedes oben verfügbare Modell ist enthalten.
MiniMax H3 — vollständige Spezifikationen
| Parameter | Wert | Hinweise |
|---|---|---|
| Generierungsmodi | Text / Bild / Referenz zu Video | Drei Modi, ein einheitlicher multimodaler Kontext — wechsle frei im Generator oben. |
| Auflösungsstufen | 768P / 2K | Natives 2K — 2560×1440 für 16:9 — kontextintern vom Basismodell regeneriert, nicht hochskaliert; 768P ist die Sparstufe. |
| Bildrate | 24 fps | Kinostandard-Bildrate der Ausgabe. |
| Clip-Länge | 4–15 s | Jede ganzzahlige Länge in einer einzigen Aufnahme, Abrechnung pro Sekunde — keine festen 6-s-/10-s-Stufen. |
| Audio | Nativer Stereosound, immer aktiv | Musik, Dialoge und Effekte werden gemeinsam mit dem Bild generiert; Gesang kann einer Audio-Referenz folgen. |
| Referenzbilder | Bis zu 9 | Die ersten Bilder pro Anfrage sind kostenlos; weitere kosten einen kleinen Aufpreis pro Bild — genaue Zahlen im FAQ unten. |
| Referenzvideos | Bis zu 3 | Jeder Clip 2–15 s, kombiniertes Referenzmaterial bis zu 15 s; Referenzsekunden werden zum Tarif der Ausgabestufe abgerechnet. |
| Referenz-Audiotracks | Bis zu 3 | Audio-Referenzen können nicht der einzige Input sein — kombiniere sie mit einem Bild oder einem Video. |
| Credits pro Sekunde | 18 (768P) · 29 (2K) | Abrechnung pro Sekunde von deinem Credit-Guthaben; fehlgeschlagene Generierungen werden automatisch erstattet. |
Alles, was hier steht, wird auf der Seite bereits unterstützt und bleibt mit den neuesten offiziellen Fähigkeiten des Modells synchron.
MiniMax-H3-Preise auf Molyin
Abrechnung pro Sekunde vom selben Credit-Guthaben wie bei jedem anderen Live-Modell. Die Zahlen unten werden direkt aus unserer Abrechnungs-Engine berechnet — und fehlgeschlagene Generierungen werden automatisch erstattet.
| Modell | Auflösung | Credits/Sek. | 5s-Video | 5s-Video + 3s Referenz |
|---|---|---|---|---|
| 768p | 18 | 90 Credits | 144 Credits | |
| 2k | 29 | 145 Credits | 232 Credits |
- Ausnahme: Referenzvideo-Sekunden für MiniMax H3 werden zum vollen Sekundentarif abgerechnet.
- MiniMax H3: Die ersten 5 Referenzbilder sind kostenlos, jedes weitere Bild kostet 9 Credits.
Alle Credit-Preise für jedes Modell in der vollständigen Preisliste ansehen →
So generierst du mit MiniMax H3
Drei Schritte von der Idee zum nativen 2K-Film mit Stereosound
Wähle MiniMax H3 und einen Modus
Wähle Text-zu-Video, Bild-zu-Video oder Referenz-zu-Video.
Schreibe den Prompt, füge Referenzen hinzu
Beschreibe die Szene wie ein Regisseur. Füge optional Bilder, Videoclips und Audio hinzu und sage, wie sie zusammenhängen.
Generieren und exportieren
MiniMax H3 liefert Bild und Stereosound in einem Durchgang. Sieh dir die Vorschau direkt an und lade dann die Originaldatei herunter.
Die Drei-Spuren-Prompt-Formel
MiniMax H3 generiert Bild, Umgebungssound und Musik in einem Durchgang — ein guter Prompt schreibt also gleichzeitig für Augen und Ohren. Direkt aus unserem vollständigen Prompt-Guide, mit 12 fertigen Beispielen zum sofortigen Ausführen.
[Motiv] + [Aktion] + optional [Stil] [Kamera] [Umgebungssound] [Musik]
Motiv
Worum es in der Einstellung geht — je konkreter die Beschreibung, desto stabiler das Ergebnis.
Aktion
Was das Motiv tut, ein klarer Schritt nach dem anderen. Vage Verben erzeugen vage Bewegung.
Stil
Der Gesamtlook, gleich zu Beginn genannt: cineastischer Realfilm, 2D-Animation, Knetanimation, Vintage-Film.
Kamera
Einstellungsgröße und Bewegung. H3 folgt expliziter Kamerasprache sehr gut — Kapitel 2 liefert das vollständige Vokabular.
Umgebungssound
Wie die Szene selbst klingt: Regen, Verkehr, brutzelndes Öl. Die Figuren können das hören.
Filmmusik
Musik, die nur das Publikum hört. Nenne Instrumente und Tempo, keine Stimmungen.
MiniMax H3 — FAQ
Specs, Release-Status und wie du es ausprobierst
Starte noch heute mit Molyin
Melde dich kostenlos an und verwandle deine erste Idee in Minuten in ein filmisches Video.