LibTV与MiniMax联合首发H3：全模态视频生成模型开启商用新纪元

2026年7月31日，LibTV与MiniMax联合首发新一代通用全模态视频生成模型H3。LibTV与MiniMax联合首发H3标志着AI视频创作从“单模态生成”迈入“全模态统一理解”的新阶段。H3支持文本、图像、视频、声音的统一理解与生成，最高可输出15秒2K分辨率原生双声道视频，在Artificial Analysis视频编辑能力榜单中排名全球第一。LibTV平台同步上线H3模型，活动期间768p分辨率低至0.1元/秒，2K分辨率低至0.2元/秒，大幅降低高质量视频创作的技术与成本门槛。

H1 LibTV与MiniMax联合首发H3：全模态视频生成模型的里程碑

2026年7月31日，AI视频创作领域迎来重要时刻——LibTV与MiniMax联合首发新一代通用全模态视频生成模型H3。此次LibTV与MiniMax联合首发H3并非简单的模型上线，而是视频生成技术从“特化任务模型”迈向“通用多模态智能”的关键跨越。

H3的发布正值全球AI视频生成赛道竞争加剧之际。此前，快手已发布可灵3.0（Kling 3.0），而MiniMax选择以“极致性价比+开源”策略入局。LibTV与MiniMax联合首发H3的独特之处在于：LibTV作为专业AI视频创作平台提供完整的创作工作流与分发渠道，MiniMax则贡献了顶尖的全模态生成能力——两者的结合，使H3从“模型”升级为“可直接投入商业生产的完整解决方案”。

在WAIC 2026（世界人工智能大会）期间，MiniMax已对H3进行了预热展示。正式发布后，港股MiniMax开盘涨超20%，单日涨幅一度达到14%，资本市场对这一联合首发的反应印证了其战略价值。

H2 LibTV平台：AI视频创作的基础设施

H3 LibTV的平台定位与发展历程

LibTV是LiblibAI推出的首款专业AI视频创作平台，于2026年3月19日正式上线。平台采用“无限画布+节点式工作流”的核心设计，将剧本、分镜、镜头、剪辑等视频创作核心环节整合于同一操作空间。与传统AI工具的对话式交互模式不同，LibTV让创作流程从线性操作转变为结构化操作。

上线首日，LibTV访问量即突破10万；上线首月内，单产品单日收入突破100万美元。2026年5月18日，LibTV团队版正式上线，支持根据团队规模、项目周期与生成需求灵活采购资源，上线后超过300家短剧公司和影视工作室成为B端客户。

H3 LibTV的核心能力与生态

LibTV集成了20余项独家AI能力，覆盖角色控制、灯光运镜等专业维度。平台集成可灵3.0、Seedance 2.0、HappyHorse 1.0等主流视频模型，其中HappyHorse 1.0于2026年4月28日首发登陆LibTV。

2026年7月，LibTV发布Agent模式，整合了100余个经过实践验证的Skill，成为全球最大的专业视频Agent Skill Hub。Agent模式支持“一句话出成片”，可通过自然语言对话完成包含分镜、字幕、背景音乐在内的完整视频创作。

LibTV还提供CLI和开源Skill接入方式，可接入Kimi Code、MiniMax Agent、Trae等Agent工具。这种开放的生态设计，使LibTV成为首个同时面向人类创作者与AI Agent的专业视频创作平台。

H2 MiniMax H3：全模态生成模型的技术解析

H3 模型概览与技术架构

MiniMax H3是MiniMax推出的首款开源多模态生成模型，其核心技术定位是“通用全模态生成模型”——支持对文本、图像、视频、声音组成的多模态上下文进行统一理解，并输出具备原生双声道的音视频内容。

H3的核心技术组件包括：

• Contextual Omni Representation：多模态上下文的统一表征框架
• H3-VAE：定制化的变分自编码器，用于高效的多模态特征提取
• H3-Omni Transformer：全模态统一理解的Transformer架构
• In-context Regeneration：上下文重新生成机制，实现2K输出无需依赖传统超分模块

H3增加了Caption能力，定制了专属模型和全模态理解管线。在推理效率方面，大部分素材消耗约100K Token的推理量，最终得到平均约4K Token的压缩输出。H3还借鉴了文本模型发展中验证的方法，包括复杂问题拆解、推理增强、上下文扩展和Muon优化器等。

H3 视频生成能力

LibTV与MiniMax联合首发H3带来了以下核心生成能力：

数据来源：

H3的2K视频输出并未使用常规超分模块，而是通过基础模型对低分辨率结果进行In-context重新生成，最大程度复用基模的生成能力，同时保留传统超分方案无法“猜”出的细节信息。

H3 多模态编辑能力

H3的核心突破在于将图片、视频、声音的生成、编辑或参考整合为统一任务，而非彼此独立的模块。具体而言：

统一多模态上下文理解：创作者可同时上传人物图、产品图、场景图、动作视频和音频参考，H3将这些素材放入同一个多模态上下文中统一理解——人物与商品的外观、动作与运镜、视觉风格与剪辑节奏、台词与音色。

V2V Motion Transfer（视频到视频动作迁移） ：H3支持将源视频的动作特征精准迁移至目标视频。这一能力使创作者可以在保持角色或场景一致性的前提下，复用已有的动作表演。

指令遵循与精准编辑：H3在指令遵循、文字与品牌信息呈现方面表现出色。生成之后，创作者可继续修改人物、商品、背景、光影、动作、台词与声音。从参考、生成到编辑，全部由一个模型统一完成。

在Artificial Analysis视频模型榜单中，H3的视频编辑能力排名全球第一。

H2 LibTV与MiniMax联合首发H3的战略意义

H3 从“模型能力”到“生产工具”的跨越

LibTV与MiniMax联合首发H3的核心价值，在于将H3的先进模型能力转化为可直接投入商业生产的工具。视频创作很难只靠一句提示词说清楚——人物、商品和场景可能来自不同图片，动作与运镜需要参考视频，台词、音色和节奏又来自声音素材。H3解决了这一问题，而LibTV则解决了“如何高效使用H3”的问题。

在LibTV平台上，H3可结合爆款复刻等专业Skill，从创意分析、素材生成到最终成片一站式完成。平台的一抽四、一抽八能力，允许一次生成多个候选版本：同一场短剧可同时比较不同表演，同一个商品可同时测试多种广告创意，同一个镜头可获得不同运镜与节奏。这种批量生成与比较的能力，使创作者从逐条生成、等待和筛选的线性流程，升级为一次展开多个方向、再选择最佳结果的结构化流程。

H3 开源策略与生态开放

MiniMax宣布H3将在未来几天内开放模型权重。这一决策具有多重战略考量：

推动开源社区发展：长期以来，闭源模型一直占据视频生成领域的主导地位，迭代速度和生态开放性落后于大语言模型等领域。H3的开源将改变这一格局。

加速国产芯片适配：H3在设计初期就考虑了多数现有国产芯片的兼容性。开源后，芯片厂商和开发者可共同参与适配和优化，降低使用成本，扩大应用范围。

企业本地部署：企业可在本地灵活部署H3，结合自身数据和业务进行优化，更好地满足安全合规要求。

H3 成本革命：定价策略分析

LibTV与MiniMax联合首发H3在成本层面带来了显著突破。MiniMax H3的2K分辨率视频生成定价为0.8元/秒，仅为业内同类旗舰模型的三分之一。768p分辨率下价格不到主流模型的二分之一。

这一成本优势源于系统级优化：

• 高压缩Tokenizer：降低视频生成所需的Token数量
• 异构训练架构：通过理解与生成异构训练，提升训练吞吐近30%
• 负载均衡与GPU利用效率优化：在追求模型效果的同时控制训练和推理成本

在LibTV平台，活动期间价格进一步下探：768p低至0.1元/秒，2K低至0.2元/秒。实际应用中的成本估算为：约10元制作一支广告视频，约20元完成一集短剧。实际成本受视频时长、分辨率、生成次数及所用Skill影响。

H2 H3的应用场景与商业价值

H3 AI短剧与剧情内容

LibTV与MiniMax联合首发H3为AI短剧制作提供了完整的技术支撑。H3支持人物形象、动作表演、对白、情绪与镜头节奏的共同生成。可应用于：

• 古装短剧：历史场景、古装角色的一致性生成
• 现代真人短剧：真实感的人物表演与场景构建
• 海外竖屏短剧：适配移动端观看的竖屏格式内容
• 漫剧：漫画风格与动态叙事的结合

LibTV平台上已诞生了播放量超2亿的AI短剧《被裁掉的女孩》，该剧单集成本约1万元，验证了LibTV与H3组合在规模化内容生产中的可行性。

H3 品牌广告与电商营销

H3在品牌广告与电商营销场景中具备以下能力：

• 商品展示：结合商品图片生成动态展示视频
• 时尚广告：人物、商品、场景和品牌风格的统一生成
• TVC与投流素材：快速验证不同创意方向
• 品牌信息呈现：精准的文字与品牌标识渲染

H3的商用级多场景内容生成能力，使其可广泛应用于广告、品牌、电商、产品设计等对成本敏感的商业场景。

H3 影视创意与数字体验

在影视创意与数字体验领域，H3可生成：

• 电影预告片：多镜头、多场景的连贯叙事
• MV：音乐与画面的同步生成
• 动态包装：视觉特效与动态设计
• 游戏角色与UI交互：游戏资产的快速生成与迭代

H3在2K画质下的细节表现力——如蜥蜴纹理的纤毫毕现、棘状鳞片的逼真呈现、游戏机甲渲染的细腻度——使其足以满足专业级视觉内容的需求。

H2 H3横向对比：LibTV MiniMax H3 vs 主流视频生成模型

数据来源：

从对比可以看出，LibTV与MiniMax联合首发H3在性价比、多模态能力和视频编辑能力方面形成了差异化竞争优势。可灵3.0在4K/60fps的保真度方面领先，而H3则在一致性、原生音频和快速编辑方面更具优势。

H2 H3的技术创新与行业影响

H3 从特化任务到通用多模态智能

LibTV与MiniMax联合首发H3标志着视频生成模型的一次范式转变。过往模型往往将图片生成、视频生成、声音生成分割为独立功能。H3不再以图片、视频、声音的生成、编辑或参考等单一任务为边界，而是面向由文本、图像、视频与声音共同构成的多模态上下文，统一理解创作意图。

这一范式转变意味着：创作者不再需要在多个专门化模型之间切换，不再需要反复解释上下文和需求。H3通过统一架构实现了任务泛化——用户可通过自然语言描述清楚上下文和目标视频的关系。

H3 技术架构的行业启示

H3的技术路线为行业提供了新的参考方向：

理解与生成的统一：H3的Contextual Omni Representation架构证明，理解与生成可以在同一框架下高效协同。

成本驱动的系统优化：通过高压缩Tokenizer和异构训练架构，H3证明了在不牺牲质量的前提下大幅降低成本的可能性。

开源驱动的生态构建：H3选择开源路线，有别于主流视频生成模型的闭源策略。这一决策有望加速国产AI芯片的适配进程，并推动视频生成技术的民主化。

H3 市场反响

H3发布后，市场反应积极。港股MiniMax开盘涨超20%，截至午间收盘涨幅回落至约12%，报230港元/股。股价单日涨超14%，成功扭转了前期因股份解禁与产品降价引发的下跌趋势。

资本市场对H3的积极反应，印证了投资者对“极致性价比+开源”差异化路径的认可。

H2 H3未来展望

H3 技术演进方向

MiniMax表示，后续版本将推动H3与M系列模型能力的融合，并持续提升画面精细度。H3作为MiniMax首款开源多模态生成模型，其开源后的社区贡献与生态发展值得关注。

H3 行业格局影响

LibTV与MiniMax联合首发H3将多模态模型的竞争从单一的技术参数竞赛，推向效果、成本、开放性与生态协同的综合维度。在行业头部玩家纷纷收紧供给的背景下，MiniMax以“极致性价比+开源”为切入口，为AI视频生成赛道提供了一条与参数内卷截然不同的路径。

对于内容创作者和企业而言，LibTV与MiniMax联合首发H3意味着高质量视频内容创作的门槛正在以前所未有的速度降低。从单条视频生成到批量创意验证，从个人创作到团队协作，H3与LibTV的组合正在重新定义视频内容的生产方式。

FAQ

Q1：LibTV与MiniMax联合首发H3的具体日期是什么？

2026年7月31日。

Q2：MiniMax H3最高支持生成多长、多高清的视频？

H3最高支持生成15秒、2K分辨率的视频，支持24 FPS帧率与原生双声道音频输出。

Q3：H3支持哪些输入形式？

H3支持文本、图片、音频和视频等多种输入形式。单次最多可输入9张图片、3段视频与3段音频，混合参考素材总数最高达12个文件。

Q4：H3在LibTV平台上的价格是多少？

活动期间，768p分辨率低至0.1元/秒，2K分辨率低至0.2元/秒。标准定价为2K分辨率0.8元/秒。

Q5：H3的开源计划是什么？

MiniMax计划在未来几天内，在符合相关法律法规的前提下开放H3的模型权重。企业届时可在本地灵活部署，结合自身数据和业务进行优化。

Q6：H3在视频编辑方面的能力如何？

H3在Artificial Analysis视频编辑能力榜单中排名全球第一。其V2V Motion Transfer（视频到视频动作迁移）能力尤为突出，可将源视频的动作特征精准迁移至目标视频。

Q7：H3主要适用于哪些商业场景？

H3广泛适用于AI短剧、品牌广告、电商营销、影视创意、游戏角色与UI设计等商业场景。

Q8：LibTV是什么平台？

LibTV是LiblibAI推出的专业AI视频创作平台，采用“无限画布+节点式工作流”设计，集成20余项AI能力，支持从脚本、分镜到成片输出的全流程创作。

Q9：H3与传统视频生成模型的主要区别是什么？

H3是通用全模态生成模型，不再将图片、视频、声音的生成、编辑或参考拆分为独立任务，而是在多模态上下文中统一理解创作意图。

Q10：H3的2K输出是如何实现的？

H3未使用常规超分模块，而是通过基础模型对低分辨率结果进行In-context重新生成，最大程度复用基模的生成能力。