מינימקס H3: מודל וידאו פתוח שמייצר סרטון עם קול בחינם

מה זה מינימקס H3?

יצא עכשיו מודל וידאו שמשנה את מה שהיה אפשר לעשות בחינם בבית. מינימקס H3 הוא מודל של חברת MiniMax הסינית, שמייצר סרטון שלם מתוך משפט שאתם כותבים או תמונה שאתם מעלים. בעמוד של המודל הוא מתואר כמודל וידאו רב-תכליתי מהדור הבא עם משקולות פתוחות, והחלק שהכי בולט בו הוא שהוא מוסיף גם את הסאונד.

רוב מחוללי הווידאו שאתם מכירים מוציאים קליפ בלי קול, ואז אתם צריכים להוסיף ידנית הקלדה, מוזיקה ואפקטים בעריכה. מינימקס H3 עושה את הכל בבת אחת: הוא מייצר את התמונה, שם עליה דיבור עם סנכרון שפתיים, ומוסיף מוזיקה שמתאימה לסצנה. מבחינתכם זה פרומפט אחד שחוזר עם סרטון מוכן.

כדי לסבר את האוזן לגבי הגדלים: לפי עמוד המודל הוא מייצר וידאו עם אודיו סטריאו מסונכרן, עד איכות של 2K ועד אורך של 15 שניות לכל יצירה, ותומך בדיבור ב-11 שפות. זה לא סרט שלם, אבל זה בדיוק האורך של רילס, פתיח או סרטון מוצר קצר.

מה הכוונה שמינימקס H3 "פתוח", ולמה זה בחינם?

כשאומרים שמודל הוא פתוח, מתכוונים שהחברה פרסמה את הקובץ של המודל עצמו, מה שנקרא המשקולות, כדי שכל אחד יוכל להוריד אותו ולהריץ על המחשב שלו. זה שונה ממודלים סגורים כמו Sora של OpenAI או Veo של גוגל, ששם אתם רק שולחים בקשה לשרת של החברה ומשלמים לפי שימוש, בלי לראות את המודל.

מינימקס H3 שוחרר ברישיון בשם MiniMax H3 Community License, שמאפשר להשתמש במודל בלי תשלום, כולל לשימוש מסחרי. בגלל זה הוא תפס תאוצה מהר. נכון ל-19 באוקטובר 2026, בעמוד הראשי ב-Hugging Face רשומות יותר מ-4.8 מיליון הורדות, ובמראה הנוסף של Comfy-Org רשומות עוד יותר מ-25 מיליון הורדות.

המספרים האלה אומרים שהרבה אנשים כבר הורידו את המודל אליהם. הם לא אומרים שהוא מתאים לכל מטרה, אבל הם כן מראים שמדובר במשהו שהקהילה אימצה ולא בהכרזה על נייר.

הקטע של הקול: דיבור, סנכרון שפתיים ומוזיקה

החלק שמבדיל את מינימקס H3 ממחוללי וידאו אחרים הוא שהוא מתייחס לקול כחלק מהיצירה, ולא כמשהו שמדביקים בסוף. קודם הוא מייצר את הווידאו עצמו, אחר כך הוא מוסיף דיבור ומסנכרן אותו לתנועת השפתיים של הדמות, ובסוף הוא מלביש מוזיקה ואפקטים שמתאימים למה שקורה על המסך.

בפועל, התגיות בעמוד המודל מראות שהוא יודע לעבוד בכמה מצבים: טקסט לווידאו עם אודיו, תמונה לווידאו עם אודיו, ואפילו וידאו קיים לווידאו חדש. כלומר אפשר גם לקחת קליפ קצר ולבקש ממנו לייצר ממנו גרסה עם סאונד. כל זה קורה במעבר אחד של המודל, בלי לקפוץ בין כלי יצירת קול נפרד לכלי עריכה.

בשביל יוצרי תוכן זה חוסך את השלב הכי מעייף. במקום לייצר קליפ, להוריד אותו, לפתוח תוכנת עריכה, לחפש מוזיקה ולסנכרן הכל, אתם מקבלים סרטון שכבר מדבר ומתנגן. אם בכל זאת בא לכם לערוך את הפס קול אחרי זה, כתבנו גם על חלופה חינמית לפרמייר לעריכת וידאו.

איך מייצרים סרטון עם מינימקס H3, שלב אחרי שלב?

הרעיון פשוט: אתם נותנים למודל נקודת פתיחה, והוא בונה ממנה את הסרטון. יש שלוש נקודות פתיחה אפשריות.

1. מטקסט: אתם כותבים משפט שמתאר את הסצנה, ומקבלים סרטון חדש לגמרי לפי התיאור.
2. מתמונה: אתם מעלים תמונה אחת, והמודל מניע אותה לסרטון. טוב כשיש לכם כבר דמות או מוצר שאתם רוצים לשמור.
3. מווידאו: אתם נותנים קליפ קצר כבסיס, והמודל מייצר ממנו גרסה חדשה עם אודיו.

כשכותבים פרומפט, שווה לתאר גם מה רואים וגם מה שומעים. ככל שתהיו יותר ספציפיים לגבי התנועה והקול, כך התוצאה קרובה יותר למה שרציתם.

אם התוצאה לא מדויקת, משנים משפט אחד ומריצים שוב. זאת עבודה של ניסוי וטעייה, בדיוק כמו עם מחולל תמונות, רק שהתוצאה כאן זזה ומדברת.

איך מריצים את מינימקס H3 על מחשב ביתי?

כאן מגיע החלק שהכי הפתיע אנשים. מודל וידאו עם קול נשמע כמו משהו שצריך בשבילו מחשב של אלפי דולרים, אבל בזכות הקהילה הוא רץ גם על חומרה ביתית.

האפשרות הכי קלה: גרסה מתארחת

אם אתם רק רוצים לנסות בלי להתעסק בהתקנות, אפשר להשתמש בגרסה המתארחת של MiniMax דרך Hailuo AI או דרך האתר שלהם, ששם כותבים פרומפט ומקבלים סרטון. זאת לא הגרסה שרצה אצלכם, אבל זאת הדרך המהירה להרגיש מה המודל עושה.

האפשרות החינמית: להריץ אצלכם עם WanGP

כדי להריץ את המודל הפתוח בחינם על המחשב, הדרך הכי ידידותית היא פרויקט בשם WanGP. בעמוד שלו בגיטהאב הוא מתאר את עצמו כמחולל וידאו מהיר למי שאין לו כרטיס מסך חזק, והוא תומך במפורש במינימקס H3. הוא יודע להריץ את המודל גם על כרטיסים ביתיים עם זיכרון נמוך, החל מכ-6 ג'יגה-בייט VRAM, על כרטיסי RTX מדור 20 ומעלה, וגם על כרטיסי AMD מסוימים.

ההתקנה דורשת קצת עבודה בטרמינל, אבל היא כתובה שלב אחרי שלב בעמוד של הפרויקט. בגדול, מורידים את הקוד ומכינים סביבת עבודה:

git clone https://github.com/deepbeepmeep/Wan2GP.git
cd Wan2GP
conda create -n wan2gp python=3.11.14
conda activate wan2gp

אחרי זה מתקינים את הספריות לפי ההוראות של הפרויקט ומריצים את הממשק עם הפקודה:

python wgp.py

הפקודה פותחת ממשק בדפדפן שבו בוחרים את מינימקס H3, כותבים פרומפט ומקבלים סרטון. שימו לב: הגרסאות המדויקות של Python והספריות משתנות מדי פעם, אז תמיד תעתיקו את הפקודות העדכניות מעמוד הפרויקט ולא מפה.

האפשרות לאנשי ComfyUI

מי שכבר עובד עם ComfyUI יכול למשוך את המודל מהמראה של Comfy-Org ולהריץ אותו שם בתוך תהליך עבודה של צמתים. זאת הדרך הגמישה יותר, והיא מתאימה למי שכבר מכיר את הכלי.

בלי כרטיס מסך מתאים, ההרצה המקומית תהיה איטית מאוד או לא תעבוד. במקרה כזה עדיף לשכור כרטיס בענן לפי שעה, או להישאר עם הגרסה המתארחת.

למה מודל וידאו חינמי עם קול שימושי לכם?

היכולת לייצר סרטון עם סאונד מפרומפט אחד פותחת כמה שימושים פרקטיים, בלי להיות טכנולוגיים ובלי תקציב הפקה.

• רילס קצר עם דמות שמדברת, בלי לצלם ובלי להקליט קול
• סרטון מוצר לחנות, שבו המוצר זז ויש עליו מוזיקה שמתאימה
• פתיח לסרטון ארוך יותר, במקום להתחיל ממסך שחור
• המחשה של רעיון ללקוח, מהר וזול, לפני שמפיקים גרסה אמיתית
• תוכן לרשתות בשפות שונות, כי המודל יודע דיבור ב-11 שפות

בשביל יוצרים קטנים ובעלי עסקים זה מוריד את המחסום. פעם היה צריך צלם, עורך ומוזיקאי בשביל סרטון כזה. היום אתם מקבלים טיוטה ראשונה בדקות, ואז מחליטים מה שווה לשפר ידנית. אם אתם בונים הפקה סביב כלי AI, שווה לקרוא גם על Hyperframes, יצירת וידאו מפרומפט ועל חיבור Higgsfield לקלוד קוד.

חשוב לדעת לפני שמתחילים

• צריך חומרה. המודל חינם, אבל הוא רץ על כרטיס מסך. בלי כרטיס מתאים תצטרכו ענן בתשלום לפי שעה, או את הגרסה המתארחת.
• האורך מוגבל. עד 15 שניות ליצירה אחת. בשביל סרטון ארוך מחברים כמה קטעים, וזה דורש עבודה נוספת.
• ההתקנה המקומית טכנית. גם עם WanGP שמקל, יש שלב של טרמינל והורדות גדולות. אל תתייאשו אם הריצה הראשונה לוקחת זמן.
• התוצאה לא תמיד מושלמת. כמו בכל מחולל, לפעמים הידיים או השפתיים יוצאות מוזר. מריצים שוב עם פרומפט מתוקן.
• בודקים זכויות. הרישיון מתיר שימוש מסחרי, אבל עדיין כדאי לקרוא את התנאים לפני שמשתמשים בפלט בקמפיין בתשלום.
• הולך מהר. עולם הווידאו מ-AI זז כל הזמן, אז המספרים כאן נכונים לאוקטובר 2026 ושווה לבדוק את עמוד המודל לגרסה עדכנית.