Tạo video bằng AI giờ đây không chỉ đơn giản là nhập vài dòng mô tả rồi chờ hình ảnh chuyển động. Với MiniMax H3, bạn có thể kết hợp văn bản, hình ảnh, video và âm thanh tham chiếu để tạo ra những đoạn phim có chuyển động, hiệu ứng âm thanh và lời thoại ngay trong cùng một quy trình.
Được phát triển bởi MiniMax AI, H3 là hệ thống AI tạo video đa phương thức (omni-modal), hỗ trợ video dài tối đa 15 giây, độ phân giải lên đến 2K và âm thanh stereo. Đặc biệt, MiniMax đã công bố mã nguồn và trọng số của mô hình nền, giúp cộng đồng có thể nghiên cứu, triển khai và tùy chỉnh theo nhu cầu.
Vậy MiniMax H3 có gì nổi bật, cách sử dụng ra sao và liệu bạn có thể chạy nó trên máy tính cá nhân? Cùng tìm hiểu nhé!
MiniMax H3 là gì?
MiniMax H3 là mô hình AI có khả năng hiểu nhiều loại dữ liệu đầu vào để tạo video kết hợp âm thanh. Thay vì chỉ dựa vào một đoạn prompt, H3 có thể sử dụng hình ảnh làm khung hình bắt đầu hoặc kết thúc, tham khảo video chuyển động và kết hợp audio để định hướng nội dung cần tạo.
Điểm thú vị là H3 không chỉ xử lý hình ảnh và âm thanh như hai bước tách biệt. Kiến trúc của mô hình được thiết kế để dự đoán dữ liệu video và audio trong một hệ thống thống nhất, hướng đến sự đồng bộ giữa chuyển động và âm thanh.
Hệ thống đầy đủ gồm ba thành phần: H3-Context-IR giúp hiểu và tổ chức yêu cầu, H3-Base tạo video kèm âm thanh ở 768p, và H3-Regenerate-2K tái tạo kết quả ở độ phân giải cao hơn. Tuy nhiên, hiện chỉ H3-Base được phát hành công khai để triển khai cục bộ; hai thành phần còn lại cần sử dụng dịch vụ API của MiniMax.
Những tính năng nổi bật của MiniMax H3
Tạo video và âm thanh cùng lúc
H3 có khả năng tạo video đi kèm âm thanh stereo 32 kHz, bao gồm âm thanh môi trường, hiệu ứng và lời thoại. Chẳng hạn, khi mô tả một người đi bộ dưới trời mưa, bạn có thể yêu cầu thêm tiếng bước chân, tiếng mưa và âm thanh đường phố để cảnh quay tự nhiên hơn.
Video đầu ra hỗ trợ thời lượng từ 4 đến 15 giây, tốc độ 24 FPS và nhiều tỷ lệ khung hình như 16:9, 9:16, 1:1, 4:3 hoặc 21:9. Nhờ đó, người dùng có thể ứng dụng vào video TikTok, YouTube Shorts, quảng cáo hoặc nội dung mạng xã hội.
Biến ảnh tĩnh thành video chuyển động
Với chế độ FL2VA, bạn có thể tạo video hoàn toàn từ văn bản hoặc cung cấp một hay hai hình ảnh để làm khung hình bắt đầu và kết thúc. AI sẽ dựa trên những thông tin đó để tạo chuyển động giữa các khung hình.
Tính năng này khá hữu ích khi bạn đã có sẵn nhân vật, ảnh sản phẩm hay hình minh họa và muốn biến chúng thành một đoạn video ngắn mà không phải dựng hoạt hình thủ công.
Hỗ trợ nhiều dữ liệu tham chiếu
Một trong những điểm đáng chú ý nhất là chế độ Ref2VA, cho phép sử dụng đồng thời nhiều loại dữ liệu làm tham chiếu.
Bạn có thể cung cấp tối đa 9 hình ảnh, 3 video hoặc 3 đoạn âm thanh, với tổng số tệp hỗn hợp không vượt quá 12. Các đoạn video và âm thanh tham chiếu phải dài từ 2 đến 15 giây, đồng thời tổng thời lượng của từng loại không vượt quá 15 giây.
Điều này mở ra nhiều khả năng sáng tạo, chẳng hạn sử dụng hình nhân vật có sẵn, tham khảo một kiểu chuyển động và kết hợp âm thanh để AI hiểu rõ hơn về cảnh quay mong muốn.
Hỗ trợ độ phân giải lên đến 2K
MiniMax H3 có thể tạo video 768p bằng mô hình nền. Với quy trình tái tạo H3-Regenerate-2K, video có thể được xử lý lên độ phân giải 2K.
Khác với cách phóng to hình ảnh thông thường, quy trình này sử dụng lại ngữ cảnh và mô hình tạo sinh để tái tạo chi tiết. Tuy nhiên, để có kết quả 2K theo quy trình chính thức, bạn cần sử dụng API liên quan của MiniMax.
Hỗ trợ AI Agent viết prompt
Repository còn cung cấp bộ 9 AI Skills, trong đó có h3-prompt-writing giúp AI Agent xây dựng prompt phù hợp với MiniMax H3.
Skill này có thể sử dụng với Claude Code, Codex, Cursor hoặc các công cụ hỗ trợ đọc file SKILL.md. Tám skill còn lại phục vụ các phong cách tạo video cụ thể trong môi trường MiniMax Hub, chẳng hạn quảng cáo sản phẩm, hoạt hình 3D, stop-motion hoặc video giới thiệu thương hiệu.
Đây là một lựa chọn khá tiện nếu bạn thường xuyên tạo video và không muốn viết lại toàn bộ hướng dẫn chuyển động, góc máy, ánh sáng hay âm thanh từ đầu.
Cách sử dụng MiniMax H3
Cách 1: Tạo video trực tiếp trên website
Đây là cách đơn giản nhất, phù hợp với người mới bắt đầu hoặc những ai chỉ muốn thử khả năng tạo video AI mà không cần cài đặt phần mềm.
Bạn truy cập Hailuo AI – MiniMax H3, đăng nhập tài khoản và chọn chế độ tạo video phù hợp. Sau đó, nhập nội dung mô tả, tải hình ảnh tham chiếu nếu cần và điều chỉnh các tùy chọn mà giao diện cung cấp.
Ví dụ, để tạo một đoạn video quảng cáo sản phẩm, bạn có thể sử dụng prompt sau:
A premium cinematic product commercial featuring a sleek black wireless headphone on a minimalist desk. Soft morning sunlight enters through a large window. The camera slowly circles around the product, revealing elegant metallic details.
Realistic reflections, shallow depth of field, smooth camera movement, premium advertising style.
Audio: Soft ambient music, subtle electronic tones and realistic room ambience.Prompt nên mô tả rõ chủ thể, bối cảnh, chuyển động camera, ánh sáng và âm thanh. Nếu cần giữ đúng thiết kế sản phẩm, bạn nên tải ảnh tham chiếu thay vì chỉ sử dụng văn bản.
Sau khi hoàn tất, hệ thống sẽ xử lý yêu cầu và cho phép xem lại kết quả. Bạn có thể điều chỉnh prompt, thử chuyển động khác hoặc xuất video để sử dụng trong dự án.
Cách 2: Cài đặt AI Skill để hỗ trợ viết prompt
Nếu đang sử dụng Claude Code, Codex hoặc công cụ AI Agent tương thích, bạn có thể cài skill viết prompt chính thức của H3 bằng một lệnh:
npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writingSau khi cài đặt, bạn có thể yêu cầu Agent tạo prompt cho từng cảnh quay. Ví dụ:
“Viết prompt MiniMax H3 cho video quảng cáo cà phê dài 10 giây, tỷ lệ 9:16, phong cách điện ảnh, có âm thanh tự nhiên.”
Skill cung cấp hướng dẫn riêng cho chế độ tạo video từ văn bản, keyframe và chế độ sử dụng nhiều dữ liệu tham chiếu. Lưu ý, việc cài skill chỉ hỗ trợ viết prompt, không tự động cấp quyền hoặc tài nguyên để chạy mô hình H3.
Cách 3: Cài đặt MiniMax H3 trên máy tính
Với người dùng kỹ thuật muốn tự triển khai, MiniMax cung cấp mã nguồn trên GitHub và trọng số mô hình trên Hugging Face. Bạn có thể tải repository bằng lệnh:
git clone https://github.com/MiniMax-AI/MiniMax-H3.git
cd MiniMax-H3Tiếp theo, cài Hugging Face CLI trong môi trường Python:
pip install -U huggingface_hubĐể tải checkpoint dành cho chế độ FL2VA:
hf download MiniMaxAI/MiniMax-H3 \
--include "model_index.json" "FL2VA/*" \
--local-dir MiniMax-H3Sau khi tải xong, bạn có thể triển khai mô hình thông qua những framework được dự án hỗ trợ như SGLang, vLLM, Diffusers hoặc ComfyUI.
Ví dụ, với SGLang, tài liệu chính thức cung cấp cấu hình chạy FL2VA như sau:
sglang serve \
--model-path MiniMaxAI/MiniMax-H3 \
--num-gpus 4 \
--ulysses-degree 4 \
--performance-mode speed \
--host 0.0.0.0 \
--port 30010 \
--model-variant fl2vaĐây là cấu hình tham khảo cho hệ thống nhiều GPU, không phải lệnh chạy được ngay trên mọi máy tính. Bạn vẫn cần chuẩn bị môi trường, phiên bản framework tương thích và tài nguyên phần cứng phù hợp.
Nếu thích thao tác bằng giao diện kéo thả, bạn cũng có thể tham khảo hướng dẫn MiniMax H3 trên ComfyUI.
Những điểm cần lưu ý trước khi sử dụng
Mặc dù MiniMax H3 khá hấp dẫn, vẫn có một vài điều bạn nên biết trước khi bắt đầu.
Trước hết, mã nguồn mở không đồng nghĩa mọi tính năng đều có thể chạy offline. Phiên bản công khai hiện tập trung vào H3-Base, trong khi hệ thống xử lý ngữ cảnh và tái tạo video 2K vẫn cần đến API chính thức.
Việc triển khai cục bộ cũng đòi hỏi tài nguyên đáng kể. Nếu không có GPU phù hợp, bạn nên ưu tiên phiên bản web hoặc dịch vụ API thay vì cố chạy mô hình trên một chiếc laptop phổ thông.
Ngoài ra, MiniMax công bố khả năng hỗ trợ ổn định lời thoại ở 11 ngôn ngữ, nhưng tiếng Việt chưa nằm trong danh sách này. Bạn vẫn có thể thử tạo lời thoại tiếng Việt, tuy nhiên cần kiểm tra kỹ phát âm, ngữ điệu và độ đồng bộ với hình ảnh. Nếu làm video kể chuyện tiếng Việt, một hướng thực tế là tạo cảnh quay bằng H3 rồi sử dụng công cụ TTS riêng để kiểm soát giọng đọc.
Về giấy phép, H3 sử dụng MiniMax H3 Community License chứ không phải giấy phép nguồn mở thông dụng như MIT. Giấy phép cho phép nhiều mục đích nghiên cứu và thương mại nhưng có điều kiện riêng, bao gồm yêu cầu về doanh thu đối với một số tổ chức và cách ghi nhận tên mô hình trong sản phẩm. Vì vậy, hãy đọc kỹ điều khoản trước khi tích hợp H3 vào dịch vụ thương mại. design.minimax.io+1
Cuối cùng, đừng quên kiểm tra quyền sử dụng hình ảnh, âm thanh và video tham chiếu. Việc AI có thể tạo lại nội dung không đồng nghĩa bạn được phép sử dụng mọi tài nguyên của người khác.
MiniMax H3 có đáng để trải nghiệm?
Nếu bạn đang làm nội dung TikTok, YouTube Shorts, quảng cáo sản phẩm hoặc muốn biến hình ảnh tĩnh thành những đoạn video sống động, MiniMax H3 là một công cụ rất đáng thử.
Điểm mạnh của H3 nằm ở khả năng kết hợp nhiều loại dữ liệu tham chiếu, tạo hình ảnh và âm thanh trong cùng một hệ thống, đồng thời cho phép cộng đồng nghiên cứu mô hình nền thay vì hoàn toàn phụ thuộc vào dịch vụ đóng.
Với người dùng phổ thông, mình nghĩ bắt đầu bằng Hailuo AI sẽ hợp lý nhất. Còn nếu bạn thích vọc AI, muốn xây dựng workflow riêng hoặc kết hợp với ComfyUI, repository của MiniMax H3 sẽ có nhiều thứ thú vị để khám phá.
Tài nguyên tham khảo:
Để lại một bình luận