MiniMax H3 | 옴니모달 AI 영상 모델

모델이 만들어 내는 결과물

아래 클립은 모두 MiniMax의 공식 출시 데모입니다. 비용을 들이기 전에 화질을 직접 판단해 보세요. 여기서는 소리 없이 반복 재생되며, 네이티브 스테레오 사운드는 아래에서 다룹니다.

특히 잘하는 다섯 가지

위 내용은 MiniMax가 밝힌 것이고 클립도 그들의 데모입니다. MakeFun에서 실제로 얻게 되는 것은 직접 생성한 결과물입니다.

네이티브 멀티모달 이해 & 생성

텍스트와 이미지, 오디오, 영상을 입력으로 받습니다. 인물과 움직임, 소리, 감정, 카메라 워크, 스타일, 의도를 이해하고 여러 레퍼런스를 하나의 시청각 결과물로 융합합니다. MiniMax가 든 예시는 문장 하나입니다. “영상 1의 히치콕식 카메라 무빙을 참고하고, 이미지 2의 인물이 노래하게 하되, 목소리는 오디오 3에 맞춰 줘.” 세 종류의 자료에 각각 역할을 주고, 프롬프트 하나로 끝냅니다.

정밀한 멀티모달 편집 & 제어

인물과 사물, 장면, 소리, 호흡을 여러 차원에서 편집하며 지시를 세밀하게 따르므로 기존 콘텐츠를 예측 가능하게 다듬어 갈 수 있습니다. 한 가지를 바꾼다고 전체를 다시 만들 필요는 없습니다. 무엇을 유지하고 무엇을 바꿀지 말한 뒤, 이미 가진 클립에서 이어 가면 됩니다.

실무에 바로 쓰는 콘텐츠, 어떤 용도에나

영화와 광고, 브랜딩, 이커머스, 게임을 위해 만들어졌습니다. 화면 자막과 브랜드 자산, 크리에이티브 이펙트, 제품 소개, UI/UX 모션, 게임 비주얼, 스타일라이즈 표현까지 아우릅니다. 이런 작업의 공통점은 화면 안에 글자나 로고, 제품 자체가 들어간다는 점이고, 그중 어느 것도 뭉개진 채로는 쓸 수 없습니다.

영상과 함께 만들어지는 네이티브 스테레오 사운드

H3는 네이티브 스테레오 사운드가 포함된 영상을 생성합니다. 오디오를 나중에 덧입히는 것이 아니라, 영상과 같은 과정에서 함께 나옵니다. 프롬프트에 동작과 나란히 대사와 음악, 환경음, 효과음을 적어 두면 사운드가 컷을 따라옵니다. 렌더링하고 음악을 얹고 싱크를 맞추는 왕복 과정이 아예 사라집니다.

최대 2K, 작은 글씨까지 읽히도록

클립은 최대 2K 해상도로 15초까지 생성되며, 2K가 기본값입니다. 픽셀을 지어내는 기존 업스케일러와는 다릅니다. 낮은 해상도의 결과를 원래의 멀티모달 맥락과 함께 다시 모델에 넣어 맥락 속에서 재생성하므로, 자막과 로고, 인터페이스 요소가 추측이 아니라 복원됩니다. ‘정확한 텍스트와 브랜드 표현’이라는 특성을 반대편에서 본 것과 같습니다.

설정보다 모드를 먼저 고르세요

MakeFun은 MiniMax H3에 세 가지 모드를 제공합니다. 어떤 모드를 고르느냐에 따라 프롬프트를 쓰기도 전에 준비해야 할 것이 달라집니다.

텍스트로 영상 만들기

장면과 인물, 동작, 카메라, 사운드를 프롬프트 하나에 설명하면 네이티브 스테레오 오디오가 포함된 완성 클립이 만들어집니다. 별도 소재도 필요 없습니다. 아무것도 없는 상태에서 아이디어를 화면에 올려 보기에 가장 빠른 방법입니다.

Image to Video

이미지 한 장을 움직이게 하거나, 첫 프레임과 마지막 프레임을 올려 시퀀스의 시작과 끝을 정확히 통제할 수 있습니다. 포스터와 제품 소개, UI 데모에 잘 맞습니다. 여기서는 첫·마지막 프레임이 별도 모드가 아니라 이 모드 안에 들어 있으니, 시작과 끝이 모두 중요하다면 두 이미지를 함께 올리세요.

레퍼런스로 영상 만들기

이미지와 영상, 오디오 레퍼런스를 한 작업에 함께 넣을 수 있습니다. 이미지는 정체성, 영상은 움직임과 카메라 언어, 오디오는 목소리와 소리를 담당하게 하세요. 자료마다 역할을 분명히 알려 주는 것이 이 모드를 안정적으로 만드는 핵심입니다.

첫 클립까지 세 단계

MakeFun에서의 실제 작업 순서입니다. 미리 켜 두어야 할 것은 없습니다.

1. 모드 선택

텍스트로 영상 만들기, 첫·마지막 프레임을 쓰는 이미지로 영상 만들기, 여러 레퍼런스를 섞는 레퍼런스로 영상 만들기 중에서 고르세요. 세 가지는 위에 설명되어 있으며, 잘못 고르면 이후 아무리 파라미터를 손봐도 만족스럽지 않습니다.

2. 프롬프트 작성

영상에 담고 싶은 장면과 움직임, 스타일을 설명하세요. 사운드도 같은 문단에 씁니다. 동작 옆에 대사와 음악, 환경음을 적어 두면 같은 생성 결과에 함께 담겨 나옵니다.

3. 파라미터 설정 후 생성

길이와 해상도, 화면 비율을 고른 뒤 생성을 누르세요. 결과물은 My Result에 저장되며, 거기서 업스케일과 자막 제거 등 다른 도구로 이어서 작업할 수 있습니다.

생성할 때 조정할 수 있는 항목

현재 MakeFun에서 MiniMax H3가 제공하는 설정입니다. 납품 기준을 충족하는지 판단하기에 충분합니다.

설정	제공 내용
길이	클립 하나에 최대 15초. 이야기의 흐름이 그 안에 다 들어가야 하므로, 모델이 알아서 마무리해 주길 기대하지 말고 호흡을 프롬프트에 적어 두세요.
해상도	2K이며, 2K가 기본값입니다. 따로 켜야 하는 고화질 등급을 기억할 필요가 없습니다.
오디오	네이티브 스테레오이며, 영상과 같은 과정에서 함께 생성됩니다. 켤 것도, 나중에 싱크를 맞출 것도 없습니다.
입력 이미지	JPG, PNG, WebP 형식이며 각 30MB 이하, 짧은 변이 300픽셀 이상, 화면 비율은 1:2.5에서 2.5:1 사이여야 합니다.
프롬프트	최대 7,000자. 문장 하나가 아니라 컷별 대본을 넣을 수 있는 분량입니다.
생성 개수	요청 한 번에 클립 하나.
이용 조건	유료 계정만 이용할 수 있습니다.

다시 만들지 않게 해 주는 다섯 가지

레퍼런스마다 역할 정해 주기

각 자료가 무엇을 담당하는지(인물의 정체성, 제품 외형, 움직임, 스타일, 목소리) 명시해 입력끼리 충돌하지 않게 하세요. 여러 레퍼런스를 섞은 작업이 어긋날 때는 대개 두 자료가 같은 것을 두고 다투고 있습니다.

긴 시퀀스는 구조를 잡기

컷이 여러 개인 아이디어는 순서대로 나누어 적으세요(예: [0-3초]… [3-7초]…). 그래야 클립 전체에서 호흡이 유지됩니다. 구간을 나누지 않은 설명은 대개 처음 3초 안에 전부 연출되어 버립니다.

화면과 함께 오디오도 연출하기

대사와 음악, 환경음, 효과음을 동작과 나란히 설명하세요. H3는 같은 과정에서 네이티브 스테레오 사운드를 생성합니다. 화면만 적으면 사운드트랙을 모델에 통째로 맡기는 셈입니다.

카메라 언어 정의하기

화면 구성과 움직임, 초점, 렌즈의 특성을 지정해야 밋밋한 움직임 대신 의도가 담긴 촬영이 나옵니다. “영화적”이라는 말만으로는 모델이 붙잡을 단서가 없지만, 이름 있는 카메라 무빙은 다릅니다.

유지할 것과 금지할 것 정하기

일관되게 유지해야 할 얼굴과 소품, 텍스트, 브랜드 디테일을 나열하고, 피해야 할 것(급격한 컷 전환, 모핑, 불필요한 글자)도 함께 적으세요. 납품해야 하는 작업에서는 나오지 말아야 할 것이 나와야 할 것만큼 중요합니다.

문서와 API

MiniMax H3를 직접 만든 서비스에 넣으시려나요? 엔드포인트와 파라미터, 인증, 과금 정보는 MakeFun 개발자 문서에 있으며, MCP 접근도 그곳에서 제공됩니다.

MiniMax H3로 생성하기 개발자 문서 열기

MakeFun에서 MiniMax H3를 쓰는 이유

이미 가진 계정으로 그대로 사용

H3는 보유한 MakeFun 크레딧을 사용합니다. 설치할 것도, 따로 가입할 것도, 결과물을 관리할 두 번째 공간도 필요 없습니다.

모든 모델이 한곳에

MiniMax, Wan, Seedance, Kling, Sora, Veo, Seedream 등이 계정 하나, 잔액 하나로 묶여 있습니다. 여러 도구를 각각 결제하는 대신 같은 기획안을 여러 모델에 돌려 보세요.

납품을 염두에 둔 설계

립싱크와 보이스 클론, 페이스·헤드 스왑, 자막 제거, 업스케일이 생성 기능 바로 옆에 있어, 사이트를 벗어나지 않고도 프롬프트에서 완성 결과물까지 이어집니다.

MakeFun의 관련 AI 영상 모델

Wan 3.0 — 통이완샹의 올인원 영상 모델로, 네이티브 30초 원테이크를 지원합니다. 여러 레퍼런스보다 길이가 필요한 작업이라면 이쪽이 짝을 이루는 선택지입니다.
Seedance 2.5 — ByteDance의 전문가용 멀티모달 모델로, MakeFun에서도 사용할 수 있습니다. 같은 기획안으로 둘을 비교해 보세요.
Wan 2.6 및 Wan 2.6 Flash — 이전 세대 모델로, 여전히 빠르고 경제적인 선택지입니다.
Kling 2.6 및 Sora 2 — 같은 프롬프트로 한 번쯤 돌려 볼 만한 다른 영상 모델들입니다.
립싱크 및 영상에서 오디오 추출 — 생성된 영상을 마무리하는 도구입니다.

MiniMax H3: 네이티브 사운드가 포함된 영상