MiniMax H3｜H3-Base-Ref2VA：多模态参考音视频生成（2026-11-05资料存档）
全模态参考模式，官方规格为最多 9 张图片、最多 3 段视频、最多 3 段音频；视频或音频单段 2—15 秒、各自总时长不超过 15 秒，混合文件总数最多 12
发布于
整理：日刊 · 资料核对：2026/11/05 · 编辑说明
核对日期：2026-11-05。仓库更新时间不等同于模型发布日期。
生视频 > 官方模型 · 音视频
这个检查点做什么
全模态参考模式，官方规格为最多 9 张图片、最多 3 段视频、最多 3 段音频；视频或音频单段 2—15 秒、各自总时长不超过 15 秒，混合文件总数最多 12。它是与 FL2VA 分开的检查点，不能只靠切换参数互换。
开放与许可边界
官方开放的是 H3-Base 检查点及其配套组件，适用 MiniMax H3 Community License Agreement。它不等于完整官方系统全部开源；H3-Context-IR 与 H3-Regenerate-2K 是另有开放边界的托管组件。具体使用与再分发条件请核对许可证原文。
使用前要核对什么
FL2VA 与 Ref2VA 是分开的检查点，不能只靠切换参数互换。社区 LoRA、蒸馏、量化和工作流应逐项确认匹配的检查点和输入模式。本文没有进行独立生成测试或性能测评。
来源
MiniMaxAI/MiniMax-H3。核对 revision 42ed227e，仓库更新 2026-08-13；仓库修改时间不是模型发布日期。
文章更新记录
首次收录与后续资料修订见下方记录；未进行独立性能实测。
- 2026-11-05：本次资料核对（不代表模型发布日期）。
作者 Demo
本文暂未收录可直接播放的视频。可通过上方项目仓库查看原作者展示与说明。