モデル情報

MiniMax H3：動画と音声を一緒に作る 33B の重みが公開され、VRAM の数値は書かれていない

モデルカードには、33B の動画生成モデルで、ステレオ音声も同時に作れると書かれています。必要な VRAM の数値はありません。

この記事は、提供や依頼を受けて書いたものではありません。数値は各社の公式ページから取得し、公式に書かれていないことは「記載なし」と示します。

MiniMax の動画生成サービス「Hailuo」の新しいモデル H3 は、重みが Hugging Face で公開されています。モデルカードには、動画と音声を一緒に作るモデルだと書かれています。

公式の記載

項目	内容
モデルの大きさ	33B のパラメータ（dense の Transformer）
音声	ステレオ（32kHz）を同時に生成
長さ	4〜15 秒
解像度	短い辺が 768 ピクセルを標準にしている
フレームレート	24 FPS
縦横比	21:9、16:9、4:3、1:1、3:4、9:16 など
動かし方	SGLang、vLLM、diffusers、ComfyUI
必要な VRAM	記載なし
ライセンス	「MiniMax H3 Community License」

ライセンスのページに、米国・EU・英国・韓国の利用者向けの申請フォームへのリンクがあります。使える範囲と条件は、モデルカードから行けるライセンス本文で確認してください。

数値がないモデルは、小さい設定から試して、使用量を測るのが確実です。33B と大きいので、手軽な GPU より、大きめの GPU が要る可能性があります。借りる GPU は動画生成を試すならにまとめています。

出典はすべて公式ページです。取得日は更新日に合わせています。