MiniMax H3 chce nahradit několik kreativních kroků jedním modelem

Generativní video se dosud často skládalo z oddělených úloh. Jiný nástroj vytvářel obrázek, další rozpohyboval postavu, samostatný systém řešil hlas, hudbu nebo zvukové efekty. Výsledek sice mohl být působivý, ale práce vyžadovala opakované exporty, ruční synchronizaci a mnoho pokusů, než jednotlivé části začaly držet pohromadě.

MiniMax H3 má tento postup zjednodušit. Model rozumí sjednocenému kontextu napříč textem, obrázky, videem a audiem. Uživatel tak může například dodat ukázkové video s požadovaným pohybem kamery, obrázek konkrétní postavy a zvukovou nahrávku. V přirozeném jazyce následně popíše, co má výsledný záběr obsahovat.

Prakticky to znamená, že zadání nemusí být omezené na strohé „vytvoř video ženy v kavárně“. Tvůrce může definovat vztah mezi několika materiály: zachovat styl produktu z obrázku, převzít pohyb z referenčního videa, použít dodanou zvukovou stopu a vytvořit nový reklamní záběr. Právě tato schopnost práce s kontextem je podle MiniMaxu hlavní odlišností H3.

Co MiniMax H3 umí a jaké má parametry

Oficiálně zveřejněné specifikace uvádějí výchozí rozlišení 2K, tedy 2560 × 1440 pixelů, a generování klipů o délce až 15 sekund. Model má vytvářet video rovnou s nativním stereo zvukem. To je důležité zejména pro reklamní formáty, produktové spoty, animované plakáty nebo krátký obsah pro sociální sítě, kde bývá zvuk nedílnou součástí sdělení.

MiniMax zároveň zdůrazňuje několik schopností, které míří na komerční produkci:

• přesnější plnění složitějších instrukcí,
• vykreslování textu, značek a produktových prvků ve videu,
• V2V přenos pohybu, tedy využití pohybové předlohy z jednoho videa pro nový výstup,
• multimodální úpravy, při nichž se kombinují obrazové, zvukové i video vstupy,
• nativní práci se zvukem bez nutnosti odděleně generovat hlas, hudbu a efekty.

U tvorby videa je potřeba podobné marketingové deklarace číst střízlivě. Výrobce zveřejnil ukázky a technický popis, ale v oznámení nejsou k dispozici nezávisle ověřené výsledky ve standardizovaných srovnávacích testech. Přímé porovnání H3 s konkrétními modely od OpenAI, Googlu, Anthropicu nebo dalších konkurentů proto zatím nelze férově udělat pomocí jednoho společného skóre.

To ostatně odpovídá proměně oboru. Starší akademické benchmarky už u špičkových systémů často nedokážou rozlišit praktickou kvalitu modelů. U videa navíc rozhodují hůře měřitelné vlastnosti: stabilita postav mezi záběry, čitelnost textu, věrnost značce, přesnost pohybu, synchronizace se zvukem a schopnost reagovat na složité zadání.

Cena: výrobce slibuje výrazně levnější 2K produkci

MiniMax staví H3 také jako model s výrazným poměrem ceny a výkonu. Podle společnosti má být cena za sekundu generování ve 2K rozlišení nižší než třetina ceny běžných konkurenčních videomodelů. Při rozlišení 768p má být nižší než polovina ceny konkurenčních systémů nabízejících 720p výstup.

Konkrétní veřejný ceník pro všechny scénáře oznámení neuvádí. Z raného testování mezi komunitními tvůrci však vychází orientační částka přibližně 1 americký dolar za 15sekundový 2K klip na základním předplatném. Jde o orientační hodnotu ze zkušebního provozu, nikoli o univerzálně garantovanou cenu pro každého uživatele či každý typ generování.

Pro české firmy může být nižší cena významná hlavně při tvorbě většího množství variant. E-shop například nepotřebuje jediný efektní spot, ale desítky podobných videí pro různé produkty, jazyky, formáty a cílové skupiny. Rozdíl v ceně za sekundu se v takovém workflow rychle násobí. Zároveň ale platí, že firma musí ověřit licenční podmínky, práva k použitým referenčním materiálům i to, zda výsledky odpovídají jejím pravidlům pro práci se značkou.

Jak H3 funguje: čtyři technologie, které MiniMax vyzdvihuje

MiniMax ve svém oznámení popisuje čtyři hlavní stavební prvky. Prvním je Contextual Omni Representation, tedy systém, který převádí složité vztahy mezi textem, obrazem, videem a zvukem do podoby, se kterou model umí pracovat. Nejde jen o popis samotného výsledného videa, ale i o popis toho, jak spolu souvisejí vstupní materiály.

Druhým prvkem je H3-VAE, přepracovaný tokenizér pro multimodální obsah. Zjednodušeně řečeno: systém efektivněji „balí“ obrazová a zvuková data do reprezentace, kterou může model zpracovávat. MiniMax uvádí čtyřnásobné zvýšení efektivní délky sekvence, což má snížit nároky na trénink i samotné generování a současně umožnit nativní 2K výstup.

H3-Omni Transformer je architektura určená pro obecnější práci s různými typy úloh. Výrobce tvrdí, že oddělením výpočetních nároků porozumění a generování zvýšil tréninkovou propustnost téměř o 30 procent. Pro běžného uživatele je podstatné, že cílem není jen rychlost, ale stabilnější zpracování různorodých vstupů.

Čtvrtou technologií je In-Context Regeneration. H3 při tvorbě 2K výstupu nepoužívá pouze samostatný modul pro dopočítání vyššího rozlišení. Znovu pracuje s původním multimodálním kontextem a regeneruje vlastní nízkorozlišovací výstup. MiniMax tím chce zlepšit zejména drobné detaily, jako jsou malé nápisy nebo jemná struktura produktu – tedy oblasti, kde běžné dopočítávání obrazu často pouze odhaduje chybějící informace.

Od M3 k H3: MiniMax během dvou měsíců mění důraz

Novinka přichází krátce po červnovém uvedení modelu MiniMax M3, který byl zaměřený především na kódování a agentní úlohy a pracoval s kontextovým oknem o velikosti 1 milion tokenů. H3 naopak soustředí pozornost na multimodální tvorbu a video.

V polovině července 2026 MiniMax H3 veřejně ukázal na konferenci WAIC 2026. V týdnu před dnešním vydáním byl systém dostupný v omezeném early access režimu pro vybrané tvůrce v rámci služby Hailuo AI. Teprve nyní firma zveřejňuje konkrétnější parametry, cenové srovnání a plán na otevření modelových vah.

Open weights mohou být důležité, ale podmínky zatím chybějí

MiniMax oznámil, že chce v nadcházejících dnech zveřejnit open weights modelu H3, a to s ohledem na platné zákony a regulace. Open weights neznamenají automaticky plně svobodný software. Typicky jde o možnost stáhnout a provozovat modelové váhy za podmínek určených výrobcem. Rozhodující proto bude konkrétní licence, rozsah zveřejněných komponent a hardwarové nároky.

Pro evropské a české vývojáře by takový krok mohl být zajímavý zejména tehdy, pokud bude možné model provozovat ve vlastním prostředí nebo jej upravovat pro specifické pracovní postupy. To může být relevantní pro agentury, herní studia, produktové týmy i firmy s citlivými daty. Z dnešního oznámení však nelze potvrdit, jaké přesné možnosti lokálního nasazení, komerčního použití či úprav budou váhy skutečně nabízet.

Dostupnost pro Česko: MiniMax v oznámení nepotvrdil české uživatelské rozhraní, českou lokalizaci ani zvláštní cenovou nabídku pro český trh. Český uživatel by proto měl před nasazením ověřit aktuální dostupnost služby, podporované platební možnosti a podmínky využití v Evropské unii. Model pracuje s textovými instrukcemi, ale kvalitu práce s češtinou výrobce v dodaných materiálech samostatně nevyčíslil.

Co si z uvedení H3 odnést

MiniMax H3 není jen další generátor krátkých klipů. Podle zveřejněného popisu jde o pokus propojit video, obraz, text a zvuk do jednoho kreativního systému, který nebude vyžadovat tolik ručních přechodů mezi specializovanými nástroji. Pokud se potvrdí kvalita práce s textem, značkami, pohybem a referenčními materiály, může být zajímavý především pro komerční produkci ve větším objemu.

Největší otázkou zůstává nezávislé ověření výsledků a přesná podoba plánovaného vydání otevřených vah. Dnešní parametry a cenové deklarace ale ukazují, že soutěž v generativním videu se stále více přesouvá od samotného „vygeneruj klip“ k nástrojům, které mají rozumět celému zadání a obstát v reálném pracovním procesu.

Zdroje

Vycházeli jsme z oficiálního oznámení MiniMax H3 poskytnutého v zadání a z aktuálních ověřených informací k 31. červenci 2026. Další informace o společnosti publikuje oficiální web MiniMax.

FAQ