开源视频模型MiniMax H3落地赣江新区：一段指令生成带声音的2K视频

9月9日，在赣江新区召开的数字经济产业生态座谈会上，新一代全模态视频生成模型“MiniMax H3”正式首发。这个由MiniMax（上海稀宇科技）开源的模型，可以用一段指令直接生成最高2K分辨率、自带原生立体声音频的影像作品——被业内视为AI短剧、漫剧创作的“全新引擎”。

H3能干什么？

H3是通用型“全模态”生成系统：它能统一理解由文本、图像、视频、音频组成的多模态上下文。比如你可以给它一条指令——“参考视频1的希区柯克镜头运动，让图2中的人物唱歌，歌声参考音频3”，它自己能完成复杂的跨模态理解与生成。

输出规格：时长4-15秒、最高2K分辨率、24帧/秒、32kHz原生立体声；
生成模式：文生视频、首帧/尾帧图生视频，以及全模态参考模式（最多9张图、3段视频、3段音频混合输入）；
稳定支持11种语言，在指令遵循、文字与品牌信息呈现、视频动作迁移等商用场景表现突出；
性价比：官方称2K分辨率下每秒价格不到主流模型的1/3，768P分辨率约为主流模型720P价格的一半。

为什么落地赣江新区？

赣江新区已集聚全省半数以上的数字视听重点企业，2025年数字经济核心产业营业收入达369亿元；江西今年上半年还跻身全国短剧热度榜前三。H3支持本地化部署，从设计之初就考虑国产芯片兼容。随着模型落地，赣江新区同步上线专项惠企政策：新区企业使用可在市场价基础上叠加20%至30%的优惠，配套算力补贴与备案、版权等服务。