MiniMax H3 Anime Video Generator: 15 Detik, 4:3, dan Kartu Judul Veo 3.1 yang Gagal

Sepanjang musim panas, feed saya dipenuhi video yang sama berulang. Pemain Piala Dunia digambar ulang sebagai protagonis shonen. Seorang diktator. Seorang kapten bajak laut. Seorang mentor tua yang muncul di empat detik terakhir. Jutaan tayangan per unggahan, dan alur cerita diperbarui hampir setiap pertandingan.

Tidak ada yang membuat video itu menulis benchmark. Mereka memilih model, membakar kredit, dan mengirimkan sebelum kick-off berikutnya.

Jadi saya mengambil satu keyframe anime dan satu prompt, lalu menguji MiniMax H3 sebagai generator video anime melawan Veo 3.1, keduanya didorong ke pengaturan maksimal dengan input yang identik.

Hal pertama yang rusak bukanlah kualitas gambar. Itu adalah dropdown. Veo 3.1 berhenti di 8 detik dan hanya menawarkan dua rasio aspek. Sebuah shot yang menahan wajah, panning cepat mengikuti bola, lalu membiarkan title card mendarat tidak muat dalam 8 detik. Dia tidak pernah punya kesempatan untuk gagal dalam kualitas.

Kesimpulan utama

• duration Veo 3.1 adalah enum [4, 6, 8] dan aspect_ratio adalah enum [16:9, 9:16]. MiniMax H3 berjalan pada setiap detik bilangan bulat dari 4 hingga 15 dan menawarkan 21:9, 16:9, 4:3, 1:1, 3:4, 9:16. Tidak ada 4:3 di Veo berarti tidak ada pembingkaian OVA retro, sama sekali.
• Kartu model H3 mencantumkan 11 bahasa dialog yang stabil secara native dan bahasa Jepang adalah salah satunya. Audio dan gambar dihasilkan bersama pada 32 kHz stereo, bukan di-dub setelahnya.
• Paket referensi tidak setara: H3 menerima hingga 9 gambar plus hingga 3 video dan 3 klip audio (maksimal 12 file). Endpoint referensi Veo 3.1 menerima 3 gambar, dan begitu Anda menggunakannya, duration menyusut menjadi hanya [8].
• Dua jebakan yang diam-diam merusak pengujian: API Veo secara default mengatur generate_audio ke false dan resolution ke 720p, dan ratio text-to-video H3 default ke 1:1. Biarkan saja, dan Anda membandingkan klip 720p diam dengan klip persegi.
• Veo 3.1 menyimpan dua hal yang tidak dimiliki H3 sama sekali: seed dan negative_prompt. Untuk anime 2D, yang kedua ini sangat penting, dan saya akan tunjukkan di mana.

---

MiniMax H3 Anime Video Generator vs Veo 3.1, Bingkai yang Sama Secara Berurutan

Satu karakter asli. Satu keyframe. Satu prompt, disalin karakter demi karakter ke kedua model. Segala sesuatu yang lain dimaksimalkan di masing-masing.

MiniMax H3, image-to-video, 2K, 8 detik, audio native. Nyalakan suaranya: suara keramaian, pukulan bola, dan teriakan bahasa Jepang dihasilkan dalam satu langkah yang sama dengan gambar. Dihasilkan dengan minimax/h3/image-to-video di Atlas Cloud.

Veo 3.1, image-to-video, 1080p, 8 detik, generateaudio diaktifkan secara manual, ditambah negativeprompt yang menjaga garis seni tetap datar. Bingkai pertama yang sama, kata-kata yang sama. Dihasilkan dengan google/veo3.1/image-to-video di Atlas Cloud.

Keduanya menggambar dengan indah. Wide shot Veo dari pukulan, dengan garis dampak gambar tangan dan efek suara manga melayang di udara, benar-benar cantik. Itu adalah titik awal yang jujur, dan itulah mengapa sisa artikel ini tentang parameter dan kepatuhan instruksi, bukan tentang getaran.

Mengapa Sebagian Besar Pengujian Generator Video Anime MiniMax H3 vs Veo 3.1 Salah

Dua hal terjadi sekaligus musim panas ini.

Anime menjadi format dengan volume tertinggi dalam video AI. Piala Dunia 2026 ditulis ulang sebagai turnamen shonen, dengan pemain berperan sebagai diktator, kapten bajak laut, jenderal angkatan laut, dan mentor, dan alur cerita yang "berkembang setelah hampir setiap pertandingan" di TikTok, Instagram, X, dan YouTube (Complex, Juli 2026).

Dan MiniMax H3 dirilis dengan bobot terbuka. Thread ComfyUI hari ke-0 mencapai 330 poin dan 95 komentar, dengan orang-orang memposting angka lokal nyata dalam hitungan jam (Hacker News, Agustus 2026).

Gabungkan itu, dan Anda akan mengharapkan tumpukan perbandingan anime. Hampir tidak ada, karena sebagian besar pengujian dibuat salah dalam salah satu dari empat cara.

Mereka membandingkan gambar, bukan batasan. Shot anime adalah soal waktu. Whip pan ke title card adalah masalah durasi sebelum masalah rendering.

Mereka lupa API Veo diam secara default. Di API, generate_audio adalah false dan resolution adalah 720p. Banyak postingan "Veo tidak punya audio di anime" hanyalah seseorang yang tidak pernah membalik boolean.

Mereka lupa text-to-video H3 persegi secara default. ratio default ke 1:1, bukan 16:9. Jalankan prompt t2v anime tanpa mengaturnya, dan Anda mendapatkan klip persegi dan kesimpulan yang membingungkan.

Mereka menguji dengan prompt fotorealistik. "Sinematik, cahaya volumetrik, kedalaman bidang dangkal" adalah kosakata yang persis menarik model 2D ke arah bayangan render 3D. Mode kegagalan dalam anime bukanlah keburaman. Itu plastik.

Tiga pengaturan yang menentukan pengujian anime sebelum Anda menekan run

Sebelum yang lainnya, atur ini di kedua sisi atau perbandingan tidak valid.

Lembar Spesifikasi MiniMax H3 vs Veo 3.1 Anime: Panjang, Rasio, Audio, Referensi

Saya mengambil skema input langsung kedua model daripada mempercayai postingan peluncuran mana pun. Setiap nilai di bawah adalah enum yang dapat Anda baca sendiri di halaman model, bukan kesan.

Tabel 1: MiniMax H3 vs Veo 3.1, parameter yang menentukan shot anime

Durasi, rasio, resolusi, audio, dan batas referensi dibaca dari skema langsung di halaman MiniMax H3 image-to-video, H3 text-to-video, H3 reference-to-video, Veo 3.1 image-to-video dan Veo 3.1 reference-to-video. Batas atas 9 gambar dan 12 file serta daftar dialog 11 bahasa berasal dari kartu model MiniMax H3 (Hugging Face, Agustus 2026).

Sekarang papan skor, karena mereka mengatakan sesuatu yang berbeda dari lembar spesifikasi dan keduanya penting.

Tabel 2: Elo suara publik dan harga per menit, snapshot 7 Agustus 2026

Angka Elo dan harga dari Artificial Analysis Video Arena (Artificial Analysis, Agustus 2026). Ini adalah suara publik bergulir dan dapat berubah. Kolom $/menit adalah perkiraan model yang dinormalisasi, bukan faktur Anda.

Selisih Elo 145 poin besar, tetapi ini adalah suara serba guna, bukan suara anime. Dan inilah bagian yang harus saya katakan terus terang: MiniMax tidak memasarkan H3 sebagai model anime. Umpan balik lini pertama internal menyebutkan film, animasi, dan drama komik sebagai area yang tidak dituju H3. Jadi pertanyaan yang menarik bukanlah "mana yang merupakan model anime". Itu adalah mengapa model yang tidak menjual dirinya pada anime masih memenangkan shot, dan di mana Google masih mengambil ronde.

Satu catatan praktis sebelum tutorial. Setiap model di bawah berjalan melalui konsol yang sama dan kunci API yang sama, yang merupakan satu-satunya alasan parameter dapat dibandingkan. Antrian yang sama, otentikasi yang sama, satu tagihan. Jika Anda menyiapkan GPT Image 2 di satu layanan dan Veo di layanan lain, setengah dari perbedaan yang Anda temukan akan menjadi pipa daripada model.

Bangun Shot: MiniMax H3 vs Veo 3.1, Langkah demi Langkah

Satu contoh berjalan, dari awal hingga akhir. "Peluit Terakhir": seorang striker remaja asli, rambut merah, kaus putih dan biru laut nomor 9, lampu sorot, whip pan pada pukulan, dan title card Jepang yang harus mendarat di dua detik terakhir dan tetap stabil.

Tidak ada pemain sungguhan, tidak ada karakter resmi, tidak ada IP anime yang ada. Gaya dan homage saja. Lebih lanjut tentang mengapa sebentar lagi.

Langkah 1: Desain keyframe anime dengan GPT Image 2

Keyframe membawa arahan seni sehingga model video tidak harus menciptakannya. Perhatikan ruang negatif di sepertiga kiri: itu disengaja. Title card akan ditulis di sana oleh model video, dan itu adalah uji stabilitas teks.

PlainCopy
1Satu bingkai dari anime olahraga shonen modern. Animasi 2D cel-shaded, garis seni tinta
2tangan dengan ketebalan garis yang konsisten, isian warna datar, bayangan grafis keras,
3sama sekali tidak ada bayangan 3D dan tidak ada kulit fotorealistik. Close-up pada striker
4remaja asli: rambut merah kusut, kaus putih dan biru laut dengan nomor 9, keringat dan
5noda rumput di satu pipi, mata lebar dengan tekad yang lelah, mulut terbuka di tengah
6teriakan. Di belakangnya, lampu sorot stadion menyala ke dinding warna penonton yang buram;
7garis kecepatan radial meledak dari tengah bingkai; sehelai rumput membeku di udara.
8Palet jenuh, bayangan cyan dalam, lampu tepi oranye hangat. Komposisi 16:9, karakter
9dibingkai di kanan tengah, ruang negatif bersih di sepertiga kiri. Tidak ada teks di
10mana pun dalam gambar.

Pengaturan: model openai/gpt-image-2/text-to-image, kualitas high, ukuran 16:9 (2048x1152). Tidak ada yang lain.

Playground GPT Image 2 di Atlas Cloud dengan prompt keyframe Last Whistle dan bingkai anime yang sudah jadi di panel keluaran

GPT Image 2 di Atlas Cloud: kualitas disetel ke high, keyframe selesai di sebelah kanan.

Keyframe anime dasar: seorang striker berambut merah asli di tengah teriakan di bawah lampu sorot stadion, cel-shaded dengan warna datar dan garis kecepatan

Keyframe yang diterima kedua model. Warna datar, bayangan keras, dan sepertiga kiri kosong menunggu title card.

Langkah 2: MiniMax H3 image-to-video, semuanya dimaksimalkan

Gambar yang sama masuk, 2K keluar. Saya menahan H3 ke 8 detik di sini hanya agar sesuai dengan batas Veo. Itu bukan batas H3 dan Langkah 4 akan melepas batas.

PlainCopy
1Anime 2D cel-shaded, ketebalan garis tinta tangan, warna datar, tanpa bayangan 3D. Tahan
2wajah striker selama satu ketukan, lalu whip pan yang keras mengikuti bola saat dia
3menendangnya, pan mengaburkan bingkai menjadi jejak gerakan sakuga yang melintang. Satu
4bingkai keheningan total saat benturan. Selama dua detik terakhir, huruf title card Jepang
5putih tebal bertuliskan ラストホイッスル muncul di sepertiga kiri bingkai dan tetap
6sangat stabil, tanpa distorsi, tanpa kedipan, tanpa pergeseran. Striker berteriak satu
7kalimat dalam bahasa Jepang: 「まだ終わってない！」
8Audio: gemuruh stadion membesar, satu benturan pukulan bola yang tajam, satu pukulan
9taiko rendah di bawah title card.

Pengaturan: model minimax/h3/image-to-video, resolution: 2K, duration: 8, ratio: adaptive (image-to-video mengambil bentuk bingkai dari gambar input Anda), image = keluaran Langkah 1.

Satu peringatan jika Anda beralih ke text-to-video: tulis ratio: 16:9 secara eksplisit. Defaultnya adalah 1:1 dan dengan senang hati akan memberi Anda potongan anime persegi.

Playground MiniMax H3 image-to-video di Atlas Cloud dengan prompt Last Whistle, keyframe dimuat, dan klip selesai di panel keluaran

MiniMax H3 image-to-video di Atlas Cloud: keyframe Langkah 1 dimuat di sebelah kiri, klip selesai diputar di sebelah kanan.

Langkah 3: Veo 3.1 image-to-video, audio diaktifkan secara manual

Promptnya identik, kata demi kata. Ubah satu kata sifat dan itu berhenti menjadi perbandingan. Apa yang berubah adalah bidang tambahan yang Veo berikan dan H3 tidak.

negative_prompt, yang untuk anime 2D adalah kontrol paling berguna dalam daftar ini:

PlainCopy
13D render, CGI, bayangan plastik, kulit fotorealistik, rekaman live action, gerakan buram
2berlebihan, huruf melengkung, teks omong kosong, jari ekstra, bilah subtitle

Pengaturan: model google/veo3.1/image-to-video, resolution: 1080p (ubah, defaultnya 720p), duration: 8 (ini batasnya), aspect_ratio: 16:9, generate_audio: true (default API adalah false, ini jebakan klip diam), seed: 20260807, image = keluaran Langkah 1 yang sama.

Playground Veo 3.1 image-to-video di Atlas Cloud menunjukkan generate audio diaktifkan, keyframe anime dimuat, dan klip selesai di panel keluaran

Veo 3.1 image-to-video di Atlas Cloud, dengan Generate Audio diaktifkan dan klip selesai di sebelah kanan.

Langkah 4: Skor pada lima sumbu khusus anime

Tidak ada yang perlu dihasilkan di sini. Lihat saja, pada hal-hal yang benar-benar rusak pada anime. Kedua klip disematkan di dekat bagian atas artikel ini, sehingga Anda dapat menilainya sendiri daripada mempercayai kata saya.

Perbandingan berdampingan bingkai terakhir dari kedua klip, MiniMax H3 di sebelah kiri dengan huruf title card Jepang yang bersih, Veo 3.1 di sebelah kanan dengan karakter vertikal yang kacau

Bingkai terakhir dari setiap klip. Kiri, H3 menulis ラストホイッスル, semua delapan katakana benar dan sangat stabil. Kanan, Veo 3.1 menulis tiga karakter yang bukan kata yang diminta dan tidak membentuk satu kata pun.

Title card adalah tempat ronde diputuskan, dan itu tidak dekat. H3 merender katakana yang diminta dengan tepat, keras dan stabil, di atas pan yang buram dari mulut gawang. Veo 3.1 menghasilkan tumpukan vertikal tiga karakter yang bukan kata yang diminta atau kata apa pun. Pada bingkai yang sama, ia juga menjatuhkan karakter keluar dari shot dan membiarkan latar belakang meluncur menuju piringan stadion semi-fotorealistik, meskipun photorealistic skin dan 3D render ada di negative prompt.

Tabel 3: lima sumbu yang menentukan potongan anime, dari dua kali proses ini

Baris terakhir adalah kritik publik paling keras terhadap H3 sejauh ini, yang persis mengapa saya menulisnya ke dalam kedua prompt. Pada thread ComfyUI hari ke-0, pengguna fwip mengeluh bahwa bahkan prompt demo resmi diabaikan: "whip pan KERAS dari atap yang MENGABURKAN kata-kata yang melayang bersamanya, dengan jejak gerakan. Dan videonya tidak melakukan transisi itu sama sekali, hanya menggantinya dengan potongan."

Dalam proses ini, Veo yang menukar pan dengan potongan, dan H3 yang mengaburkan. Satu kali masing-masing bukanlah vonis, dan saya tidak akan mengklaim sebaliknya. Tapi itu berarti kritik tersebut tidak spesifik untuk H3: whip pan adalah instruksi paling tidak dapat diandalkan dalam seluruh pengujian ini di kedua sisi. Jika papan cerita Anda bergantung pada satu, buatlah papan cerita di sekitarnya daripada melaluinya.

Langkah 5: Potongan OVA retro 4:3 yang secara struktural tidak dapat dihasilkan Veo 3.1

Ini bukan preferensi kualitas. Ini adalah tembok. Enum aspect_ratio Veo memiliki dua nilai dan tidak ada yang 4:3, dan enum duration-nya tidak memiliki 12. Tampilan OVA 90-an tidak dapat diatasi.

PlainCopy
1Potongan anime OVA 1990-an, 4:3 full-frame. Latar belakang lukisan tangan dengan tekstur
2kuas yang terlihat, karakter cel-paint dengan garis tinta tebal dan tidak rata, cahaya
3halasi berat di sekitar lampu sorot, butiran film 16mm dan sedikit gerakan gerbang. Striker
4berambut merah yang sama dalam kaus putih dan biru laut nomor 9 berjalan dari lapangan
5yang basah kuyup saat suara keramaian memudar menjadi satu nada dering. Kamera mendorong
6perlahan ke wajahnya. Dia berkata pelan dalam bahasa Jepang: 「次は、勝つ」. Palet retro:
7teal redup, amber berdebu, bayangan merah marun dalam. Audio: hujan di kejauhan, satu
8pad synth analog yang sepi, satu peluit dengan gema berat di kejauhan.

Pengaturan: model minimax/h3/text-to-video, resolution: 2K, duration: 12, ratio: 4:3. Atur rasio itu secara manual, ingat defaultnya.

Playground MiniMax H3 text-to-video di Atlas Cloud dengan prompt OVA diketik dan klip retro selesai di panel keluaran

MiniMax H3 text-to-video di Atlas Cloud, prompt OVA diketik, klip selesai. Pengungkapan penuh: proses khusus ini membiarkan Aspect Ratio di 16:9 dan Duration di 8, jadi apa yang Anda lihat di sebelah kanan adalah versi pendek layar lebar. Potongan 4:3 dua belas detik di bawah berasal dari panggilan API dengan ratio: 4:3 dan duration: 12 diatur secara eksplisit.

Potongan OVA retro 4:3: striker yang sama berjalan dari lapangan basah kuyup dalam gaya anime 90-an

H3 text-to-video, 4:3, 12 detik. File yang dikirim kembali berukuran 1920x1440, yang merupakan 4:3 per piksel, dengan trek stereo 32 kHz. Ditampilkan di sini sebagai GIF diam dengan frame rate yang dikurangi untuk menjaga halaman tetap ringan. Dihasilkan dengan minimax/h3/text-to-video di Atlas Cloud.

Langkah 6: Sembilan gambar referensi, satu karakter, empat potongan

Konsistensi karakter lintas bidikan adalah masalah tersulit dalam anime AI, dan itu dipecahkan dengan volume referensi. Bangun paket terlebih dahulu: jalankan ulang prompt Langkah 1 dengan pembingkaian ditukar untuk depan, tiga perempat, profil penuh, belakang, tertawa, gigi terkatup, pose seluruh tubuh, detail kaus, dan detail sepatu. Sembilan gambar, kira-kira delapan sen total.

Empat sudut striker asli yang sama dihasilkan sebagai paket referensi, diatur dalam kisi dua kali dua

Empat dari sembilan sudut referensi. H3 menerima hingga sembilan gambar dalam satu paket referensi, plus referensi video dan audio di atasnya.

PlainCopy
1Anime 2D cel-shaded, ketebalan garis tinta tangan yang konsisten, warna datar, tanpa
2bayangan 3D. Jaga wajah striker yang direferensikan, siluet rambut, dan kaus nomor 9
3tetap identik di setiap potongan. Empat potongan dalam satu take berkelanjutan: (1)
4push-in sudut rendah ke sepatunya menyentuh rumput, (2) whip-pan ke atas ke close-up
5ketat matanya, (3) wide shot dia berlari melewati tiga bek digambar sebagai siluet buram,
6(4) beku di sundulan di udara, garis kecepatan meledak keluar. Audio: gemuruh keramaian,
7napas, benturan sepatu di rumput, satu pukulan taiko pada bekuan.

Pengaturan: model minimax/h3/reference-to-video, refers = gambar Anda dengan type: image, resolution: 2K, duration: 8 atau lebih tinggi, ratio: adaptive atau 16:9.

Setara Veo 3.1 tidak dapat dijalankan pada pengaturan ini dan Anda tidak perlu mencobanya untuk mengetahui alasannya. Titik akhir referensinya menerima maksimal tiga gambar, dan memilih titik akhir itu menyebabkan duration menyusut menjadi satu nilai legal yaitu 8. Paket sembilan gambar dan take 10 detik keduanya di luar jangkauan.

Playground MiniMax H3 reference-to-video di Atlas Cloud menunjukkan penghitung referensi di empat dari sembilan dan potongan pertama di panel keluaran

MiniMax H3 reference-to-video di Atlas Cloud. Penghitung terbaca Reference Materials (4/9) dengan MAX:9 di bawahnya, yang merupakan batas di antarmuka, bukan klaim dari lembar spesifikasi. Output adalah potongan satu, push-in sudut rendah ke sepatu.

Empat Proses Generator Video Anime MiniMax H3 Lainnya yang Layak Dilakukan

Shot Last Whistle hanya menekankan empat perbedaan. Empat ini menekankan sisanya. Semuanya berjalan di H3; catatan mengatakan mana yang dapat ditandingi Veo 3.1.

1. Pertarungan sakuga ultrawide, 21:9 , 10 detik. Veo tidak dapat mengeluarkan 21:9 sama sekali.

PlainCopy
1Aksi anime 2D cel-shaded, garis tinta tebal meruncing, warna datar, bayangan keras,
2tanpa bayangan 3D. Dua penduel bertopeng asli di atap kuil yang berangin di senja.
3Benturan pedang, bingkai bergetar, kedua petarung berpisah dalam ledakan bingkai dampak
4gambar tangan dan garis kecepatan radial. Kamera: push-in sudut rendah, lalu track
5lateral, lalu jepret ke siluet lebar melawan langit oranye. Audio: dua benturan logam
6tajam, jepretan kain, satu pukulan taiko rendah di bekuan akhir, tanpa musik.

1. Potongan AMV yang disinkronkan dengan ketukan, reference-to-video dengan referensi audio. H3 menerima hingga tiga klip audio sebagai input referensi. Veo 3.1 tidak memiliki input audio sama sekali, hanya output audio.

PlainCopy
1Montase anime 2D cel-shaded yang dipotong ke trek audio yang direferensikan. Lima
2ketukan pendek: hujan di jendela, tangan mengencangkan perban, cakrawala kota melintas
3di jendela kereta, start lari, beku di tangan yang terulur. Setiap potongan mendarat
4tepat di downbeat dari audio yang direferensikan. Warna datar, garis tinta tebal, palet
5malam kontras tinggi dari nila dalam dan magenta neon.

1. Adegan dialog dua baris bahasa Jepang, 12 detik. Ini adalah uji stres lip-sync, dan 12 detik sudah di luar jangkauan Veo.

PlainCopy
1Anime 2D cel-shaded, warna datar, tanpa bayangan 3D. Dua karakter asli di atap saat
2golden hour, shot reverse shot. Yang pertama berkata dalam bahasa Jepang:「本当に行くの？」.
3Yang kedua menjawab, setengah tersenyum, dalam bahasa Jepang:「もう決めた」. Mulut
4cocok dengan setiap suku kata. Lampu tepi hangat, bayangan panjang, angin sepoi-sepoi di
5rambut. Audio: dua suara Jepang yang berbeda, lalu lintas jauh, satu jangkrik.

1. Short shonen vertikal, 9:16 , 8 detik. Kedua model dapat melakukan vertikal, jadi ini adalah satu tempat untuk benar-benar A/B mereka daripada berasumsi.

PlainCopy
1Anime 2D cel-shaded, komposisi vertikal. Seorang pelari remaja asli menembus spanduk
2kertas dalam gerakan lambat, lalu bingkai kembali ke kecepatan penuh saat dia berakselerasi
3di lintasan lurus stadion. Garis kecepatan, warna datar, bayangan keras, langit grafis
4tebal. Kamera: follow shot sudut rendah, lalu whip ke atas ke wajahnya. Audio: robeknya
5spanduk, gelombang keramaian, satu napas ditahan lalu dilepaskan.
6
7Jika Anda menginginkan tata bahasa prompt di balik ini, [panduan prompt MiniMax H3](https://www.atlascloud.ai/blog/guides/minimax-h3-prompt-guide?utm%5Fsource=blog&utm%5Fmedium=article&utm%5Fcampaign=minimax-h3-anime-video-generator) membahas lebih dalam tentang bagaimana H3 menguraikan instruksi kamera dan audio daripada yang bisa saya lakukan di sini.

Berapa Biaya Pembukaan Anime 60 Detik di MiniMax H3 vs Veo 3.1

OP anime standar kira-kira 90 detik. Sebut saja delapan shot 8 detik, 64 detik video jadi, plus satu keyframe per shot seharga $0,009 masing-masing.

Ada perbedaan harga yang nyata yang harus Anda ketahui daripada saya tutupi. Katalog Atlas Cloud mencantumkan MiniMax H3 sebesar $0,10 per detik flat, sementara readme model merincinya sebagai $0,14/dtk di 2K dan $0,10/dtk di 768P. Veo 3.1 tercantum sebesar $0,20 per detik, sementara readme-nya memisahkan $0,40/dtk dengan audio dari $0,20/dtk tanpa.

Tombol run di tangkapan layar saya menyelesaikannya. H3 reference-to-video, 8 detik di 2K, dikutip Run $1,12, yang persis $0,14 per detik. Veo 3.1 image-to-video, 8 detik di 1080p dengan audio aktif, dikutip Run $3,2, yang persis $0,40 per detik. Jadi tarif readme adalah yang ditagih, dan judul katalog adalah tingkat masuk. Saya telah menampilkan kedua pembacaan di bawah ini. Ini adalah harga daftar per Agustus 2026.

Tabel 4: delapan shot 8 detik, termasuk keyframe

Harga diambil dari halaman model Atlas Cloud yang ditautkan di Tabel 1, Agustus 2026. Tidak satu pun dari keempat ini yang didiskon saat ini.

Dua hal yang tidak termasuk dalam tabel itu, dan keduanya berdampak lebih besar daripada tarif per detik.

Coba ulang. Tidak ada yang mengirimkan take pertama dari shot anime. Berapa pun pengganda yang Anda asumsikan, terapkan ke kedua kolom dan celahnya melebar dalam proporsi yang sama.

Waktu dinding, dan yang ini sebaliknya. Diukur dari awal hingga akhir pada 7 Agustus 2026: H3 di 2K untuk 8 detik membutuhkan waktu 447 detik, sekitar 7,5 menit. H3 text-to-video di 2K untuk 12 detik membutuhkan waktu 334 detik. Veo 3.1 di 1080p untuk 8 detik dengan audio membutuhkan waktu 152 detik, di bawah tiga menit. Veo kira-kira tiga kali lebih cepat ke take pertama di sini, dan jika Anda mengulangi shot pada jam 2 pagi, itu bernilai uang nyata. Antrian bergerak, jadi perlakukan ini sebagai snapshot satu sore, bukan spesifikasi. Tapi siapa pun yang mengutip "2 hingga 3 menit" untuk H3 di 2K mengutip readme, bukan antrian. Perbandingan 2K versus 768P mencakup kapan tingkat yang lebih tinggi sebanding dengan menit ekstra.

Gaya Anime, Homage, dan Apa yang Benar-Benar Dapat Anda Publikasikan

Segala sesuatu dalam artikel ini adalah gaya dan homage. Karakter asli, kaus asli, judul asli. Tidak ada karakter anime resmi yang dihasilkan atau diminta, dan tidak ada nama atau rupa pesepakbola sungguhan yang digunakan. Tren Piala Dunia dirujuk sebagai format, karena itulah manfaatnya.

Perbedaan itu bukan hiasan. Jika Anda memproduksi konten bergaya anime secara komersial, "dengan gaya OVA 90-an" dan "karakter spesifik ini dari acara spesifik ini" adalah objek hukum yang berbeda, dan hanya satu di antaranya yang merupakan bisnis.

Pada bobot terbuka: H3 benar-benar dapat diunduh, dan orang-orang menjalankannya pada hari pertama. Seorang komentator melaporkan 10 menit untuk klip 480p 10 detik di 4070 Ti Super dengan 16GB, dan yang lain memposting 3 menit di 5080 dan 68 detik di RTX 6000 Pro. Tapi self-hosting berjalan pada tepi pendek 768; tahap Context-IR dan Regenerate-2K yang menghasilkan 2K tetap di sisi API.

Lisensi memiliki tangkapan nyata. Lisensi komunitas saat ini tidak mencakup UE, Inggris, Korea Selatan, atau Amerika Serikat, dengan alasan wilayah "yang saat ini mengembangkan atau menegakkan peraturan terkait AI". Saluran permintaan lisensi formal terbuka, yang diringkas oleh satu komentator HN sebagai "Anda hanya perlu berjanji dengan kelingking bahwa Anda tidak akan membuat Disney marah dan mereka akan mengirimi Anda lisensi". Lucu, dan juga langkah kepatuhan yang tidak dapat Anda lewati jika Anda berada di salah satu dari empat wilayah tersebut. Tulisan bobot terbuka memiliki daftar wilayah lengkap.

Pertanyaan yang Sering Diajukan

Apakah MiniMax H3 generator video anime yang bagus dibandingkan Veo 3.1?

Untuk sebagian besar pekerjaan anime, H3, dan terutama karena alasan yang tidak terkait dengan rendering. Ini berjalan 4 hingga 15 detik melawan 4, 6, atau 8 Veo, menawarkan enam rasio aspek termasuk 4:3 dan 21:9 melawan dua Veo, mencantumkan bahasa Jepang di antara 11 bahasa dialog yang stabil secara native, dan menerima sembilan gambar referensi melawan tiga Veo. Veo 3.1 menang dalam satu situasi spesifik: ketika Anda memerlukan seed untuk pengambilan ulang yang dapat direproduksi, atau negative_prompt untuk menghentikan shot melayang ke bayangan render 3D. H3 tidak memiliki kedua parameter. Jika pipa Anda bergantung pada salah satu, itu adalah alasan yang sah untuk tetap tinggal.

Bisakah Veo 3.1 menghasilkan anime dalam 4:3 atau klip 15 detik?

Tidak, dan bukan karena alasan gaya. Enum aspect_ratio Veo 3.1 berisi persis 16:9 dan 9:16, dan enum duration-nya berisi persis 4, 6, dan 8. Tidak ada nilai 4:3 untuk dipilih dan tidak ada cara untuk meminta 12 atau 15 detik. Jika referensi Anda adalah anime TV 90-an atau OVA, pembingkaian tidak dapat dijangkau di Veo dan tersedia di H3.

Mengapa klip anime Veo 3.1 saya kembali diam?

Karena generate_audio default ke false di API. Toggle playground biasanya sudah aktif, jadi ini hanya menggigit orang yang memanggil API secara langsung. Atur generate_audio: true secara eksplisit. Selagi Anda di sana, atur juga resolution, karena defaultnya ke 720p daripada 1080p atau 4k yang mungkin Anda maksud.

Apakah MiniMax H3 melakukan dialog bahasa Jepang dan lip-sync untuk anime?

Ya. Kartu model mencantumkan 11 bahasa dengan dukungan dialog yang stabil: Arab, Cina, Inggris, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Rusia, dan Spanyol. Audio dihasilkan bersama dengan gambar pada 32 kHz stereo, bukan di-dub setelahnya, itulah sebabnya waktu mulut bertahan di seluruh baris, bukan hanya beberapa suku kata pertama. Tulis baris bahasa Jepang langsung ke dalam prompt dalam bahasa Jepang.

Berapa banyak gambar referensi yang dapat saya gunakan untuk menjaga konsistensi karakter anime?

MiniMax H3 menerima hingga 9 gambar, hingga 3 klip video, dan hingga 3 klip audio, dengan batas keras 12 file di semua jenis. Titik akhir reference-to-video Veo 3.1 menerima 1 hingga 3 gambar, dan memilihnya menyebabkan duration menyusut menjadi 8 sebagai satu-satunya nilai legal. Untuk karakter anime berulang di seluruh seri, perbedaan itu adalah inti permainannya.

MiniMax H3 memiliki bobot terbuka, jadi bisakah saya menjalankan pipa anime saya secara lokal secara gratis?

Anda dapat mengunduh dan menjalankannya, dengan tiga peringatan. Inferensi self-hosted berjalan pada tepi pendek 768, dan tahap Context-IR dan Regenerate-2K yang menghasilkan 2K tetap di sisi API. Kecepatan lokal dunia nyata berkisar luas tergantung kartu: kira-kira 10 menit untuk klip 480p 10 detik di 4070 Ti Super, sekitar 3 menit di 5080, sekitar 68 detik di RTX 6000 Pro, per thread ComfyUI hari ke-0. Dan lisensi komunitas saat ini tidak mencakup UE, Inggris, Korea Selatan, atau AS, jadi jika Anda berada di salah satu wilayah tersebut, Anda memerlukan lisensi formal sebelum penggunaan komersial.