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

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

Tidak ada yang membuat konten itu yang menulis postingan benchmark. Mereka memilih model, membakar kredit, dan mengirimkannya 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 pada 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 bidikan yang menahan wajah, pan cambuk dengan bola, lalu membiarkan kartu judul mendarat tidak muat dalam 8 detik. Ia tidak pernah punya kesempatan untuk gagal dalam kualitas.

Poin penting

• Enum duration Veo 3.1 adalah [4, 6, 8] dan enum aspect_ratio adalah [16:9, 9:16]. MiniMax H3 menjalankan setiap detik 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-sama pada 32 kHz stereo, bukan di-dubbing setelahnya.
• Paket referensi tidak sebanding: H3 menerima hingga 9 gambar ditambah hingga 3 video dan 3 klip audio (maksimal 12 file). Endpoint referensi Veo 3.1 menerima 3 gambar, dan saat Anda menggunakannya, duration menyusut menjadi [8] saja.
• Dua jebakan yang secara 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 yang sunyi 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 Berdampingan

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

MiniMax H3, image-to-video, 2K, 8 detik, audio native. Nyalakan suaranya: suara kerumunan, tendangan bola, dan teriakan bahasa Jepang dihasilkan dalam satu pass 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. Bidikan lebar Veo dari tendangan, dengan garis dampak gambar tangan dan efek suara manga yang melayang di udara, benar-benar indah. Itu adalah titik awal yang jujur, dan itulah mengapa sisa artikel ini membahas tentang parameter dan kepatuhan instruksi, bukan sekadar perasaan.

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

Dua hal terjadi bersamaan musim panas ini.

Anime menjadi format dengan volume tertinggi dalam video AI. Piala Dunia 2026 ditulis ulang sebagai turnamen shonen, dengan pemain yang berperan sebagai diktator, kapten bajak laut, jenderal marinir, dan mentor, serta alur cerita yang "berevolusi 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 keduanya, dan Anda akan mengharapkan tumpukan perbandingan anime. Hampir tidak ada, karena sebagian besar pengujian dibangun dengan salah dalam satu dari empat cara.

Mereka membandingkan gambar, bukan batasan. Bidikan anime adalah waktu. Pan cambuk ke kartu judul adalah masalah durasi sebelum menjadi masalah rendering.

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

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

Mereka menguji dengan prompt fotorealistik. "Sinematik, cahaya volumetrik, depth of field dangkal" adalah kosakata yang tepat yang menarik model 2D ke arah shading render 3D. Mode kegagalan dalam anime bukanlah blur. Itu adalah plastik.

Tiga pengaturan yang menentukan pengujian anime sebelum Anda menekan run

Sebelum apa pun, atur keduanya di kedua sisi atau perbandingan menjadi tidak valid.

Ingin menguji MiniMax H3 dan Veo 3.1 pada prompt anime yang sama sendiri? Perbandingan model Atlas Cloud menjalankannya berdampingan dalam satu proses — prompt dan pengaturan yang sama, biaya ditampilkan sebelum Anda menghasilkan.

MiniMax H3 dan Veo 3.1 pada prompt anime yang sama di perbandingan model Atlas Cloud — pengaturan yang sama, harga ditampilkan sebelum Anda menghasilkan. Ditangkap langsung di model-explorer.

Spesifikasi MiniMax H3 vs Veo 3.1 Anime: Durasi, 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 bidikan anime

Durasi, rasio, resolusi, audio, dan batasan 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 referensi 9 gambar dan 12 file serta daftar 11 bahasa dialog 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 daftar harga per menit, cuplikan 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 tagihan Anda.

Kesenjangan Elo 145 poin itu besar, tetapi ini adalah suara tujuan umum, bukan suara anime. Dan inilah bagian yang harus saya katakan dengan jelas: MiniMax tidak memasarkan H3 sebagai model anime. Umpan balik lini pertama internal mencantumkan film, animasi, dan komedi-drama sebagai area yang tidak dituju H3. Jadi pertanyaan yang menarik bukanlah "mana yang merupakan model anime". Ini adalah mengapa model yang tidak menjual dirinya sebagai anime masih memenangkan bidikan, dan di mana Google masih mengambil babak.

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 sama sekali. Antrian yang sama, auth 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 plumbing daripada model.

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

Satu contoh berjalan, dari awal hingga akhir. "Last Whistle": seorang striker remaja asli, rambut merah, nomor punggung 9 putih dan biru, lampu sorot, pan cambuk pada tendangan, dan kartu judul bahasa Jepang yang harus mendarat dalam dua detik terakhir dan tetap stabil.

Tidak ada pemain sungguhan, tidak ada karakter resmi, tidak ada IP anime yang ada. Gaya dan penghormatan saja. Lebih lanjut tentang alasannya 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. Kartu judul 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 tinta gambar
2tangan dengan ketebalan garis yang konsisten, isian warna datar, bayangan grafis keras,
3sama sekali tidak ada shading 3D dan tidak ada kulit fotorealistik. Close-up pada seorang
4striker remaja asli: rambut merah tua berantakan, seragam putih dan biru laut dengan
5nomor punggung 9, keringat dan goresan rumput di satu pipi, mata lebar dengan tekad yang
6lelah, mulut terbuka di tengah teriakan. Di belakangnya, lampu sorot stadion menyala
7menjadi dinding warna kerumunan yang kabur; garis kecepatan radial meledak dari tengah
8bingkai; satu helai rumput membeku di udara. Palet jenuh, bayangan cyan dalam, cahaya
9pinggiran oranye hangat. Komposisi 16:9, karakter dibingkai di kanan tengah, ruang negatif
10bersih di sepertiga kiri. Tidak ada teks di mana 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 output

GPT Image 2 di Atlas Cloud: kualitas diatur ke high, keyframe jadi di kanan.

Keyframe anime dasar: seorang striker rambut merah asli berteriak 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 kartu judul.

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

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

PlainCopy
1Anime 2D cel-shaded, ketebalan garis tinta tangan, warna datar, tanpa shading 3D. Tahan
2wajah striker selama satu ketukan, lalu pan cambuk yang keras mengikuti bola saat ia
3menendangnya, pan mengaburkan bingkai menjadi jejak gerakan sakuga yang tercoreng. Satu
4bingkai keheningan total saat benturan. Selama dua detik terakhir, huruf judul Jepang
5putih tebal yang berbunyi ラストホイッスル (Peluit Terakhir) muncul di sepertiga kiri
6bingkai dan tetap kokoh, tidak ada distorsi, tidak ada kedipan, tidak ada pergeseran.
7Striker berteriak satu baris dalam bahasa Jepang: 「まだ終わってない！」 (Belum selesai!).
8Audio: gemuruh stadion membesar, satu benturan bola yang tajam, satu pukulan taiko rendah
9di bawah kartu judul.

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

Satu peringatan jika Anda beralih ke text-to-video: tulis ratio: 16:9 secara eksplisit. Default 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 jadi di panel output

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

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

Promptnya identik, kata demi kata. Ubah satu kata sifat dan itu bukan lagi 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, shading plastik, kulit fotorealistik, rekaman live action, sup motion blur,
2huruf terdistorsi, teks omong kosong, jari ekstra, bilah subtitle

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

Playground Veo 3.1 image-to-video di Atlas Cloud yang menampilkan generate audio diaktifkan, keyframe anime dimuat, dan klip jadi di panel output

Veo 3.1 image-to-video di Atlas Cloud, dengan Generate Audio diaktifkan dan klip jadi di 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 di anime. Kedua klip disematkan di dekat bagian atas artikel ini, sehingga Anda dapat menilainya sendiri daripada mempercayai kata-kata saya.

Berdampingan bingkai terakhir dari kedua klip, MiniMax H3 di kiri dengan huruf judul Jepang yang bersih, Veo 3.1 di 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 kokoh. Kanan, Veo 3.1 menulis tiga karakter yang bukan kata yang diminta dan tidak membentuk satu kata.

Kartu judul adalah tempat putaran ditentukan, dan itu tidak dekat. H3 merender katakana yang diminta dengan tepat, tajam dan stabil, di atas pan yang tercoreng dari mulut gawang. Veo 3.1 menghasilkan tumpukan vertikal tiga karakter yang bukan kata yang diminta maupun sebuah kata. Pada bingkai yang sama, ia juga menjatuhkan karakter dari bidikan dan membiarkan latar belakang meluncur menuju lempengan stadion semi-fotorealistik, meskipun photorealistic skin dan 3D render ada di negative prompt.

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

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

Dalam proses ini, Veo yang menukar pan dengan potongan, dan H3 yang mencoreng. Satu kali masing-masing bukanlah vonis, dan saya tidak akan mengklaim sebaliknya. Tapi itu berarti kritik tidak spesifik untuk H3: pan cambuk adalah instruksi yang paling tidak dapat diandalkan dalam seluruh pengujian ini di kedua sisi. Jika storyboard Anda bergantung pada satu, rencanakan 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 dijangkau.

PlainCopy
1Potongan anime OVA 1990-an, bingkai penuh 4:3. Latar belakang dicat tangan dengan tekstur
2kuas yang terlihat, karakter cat cel dengan garis tinta tebal tidak rata, pancaran halasi
3berat di sekitar lampu sorot, butiran film 16mm dan sedikit gerakan gerbang. Striker
4rambut merah yang sama dalam seragam nomor 9 putih dan biru laut berjalan keluar dari
5lapangan yang basah oleh hujan saat suara kerumunan memudar menjadi satu nada dering.
6Kamera mendorong perlahan ke wajahnya. Dia berkata pelan dalam bahasa Jepang: 「次は、勝つ」
7(Selanjutnya, aku menang). Palet retro: teal redup, amber berdebu, bayangan merah marun
8tua. Audio: hujan jauh, satu pad synthesizer analog tunggal, satu peluit dengan gema
9berat di kejauhan.

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

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

MiniMax H3 text-to-video di Atlas Cloud, prompt OVA diketik, klip selesai. Pengungkapan penuh: proses khusus ini membiarkan Aspect Ratio pada 16:9 dan Duration pada 8, jadi apa yang Anda lihat di kanan adalah versi pendek layar lebar. Potongan 12 detik 4:3 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 keluar dari lapangan basah dalam gaya anime 90-an

H3 text-to-video, 4:3, 12 detik. File yang dikirim kembali 1920x1440, yang merupakan 4:3 per piksel, dengan trek stereo 32 kHz. Ditampilkan di sini sebagai GIF sunyi pada 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 paketnya terlebih dahulu: jalankan ulang prompt Langkah 1 dengan pembingkaian yang diubah untuk depan, tiga perempat, profil penuh, belakang, tertawa, gigi terkatup, pose seluruh tubuh, detail seragam, dan detail sepatu. Sembilan gambar, kira-kira delapan sen total.

Empat sudut dari karakter 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, ditambah referensi video dan audio di atasnya.

PlainCopy
1Anime 2D cel-shaded, ketebalan garis tinta tangan yang konsisten, warna datar, tanpa
2shading 3D. Jaga wajah striker yang direferensikan, siluet rambut, dan seragam nomor 9
3tetap identik di setiap potongan. Empat potongan dalam satu pengambilan berkelanjutan:
4(1) dorongan sudut rendah ke sepatu botnya yang menyentuh rumput, (2) pan cambuk ke atas
5ke close-up ketat matanya, (3) bidikan lebar dia berlari melewati tiga bek yang digambar
6sebagai siluet kabur, (4) diam di sundulan di udara, garis kecepatan meledak keluar.
7Audio: gemuruh kerumunan, napas, benturan sepatu bot di rumput, satu pukulan taiko pada
8saat diam.

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. Endpoint referensinya menerima maksimal tiga gambar, dan memilih endpoint itu akan menyusutkan duration menjadi satu nilai legal yaitu 8. Paket sembilan gambar dan pengambilan 10 detik keduanya di luar jangkauan.

Playground MiniMax H3 reference-to-video di Atlas Cloud yang menampilkan penghitung referensi pada empat dari sembilan dan potongan pertama di panel output

MiniMax H3 reference-to-video di Atlas Cloud. Penghitung menunjukkan Reference Materials (4/9) dengan MAX:9 di bawahnya, yang merupakan batas di antarmuka daripada klaim dari lembar spesifikasi. Output adalah potongan satu, dorongan sudut rendah pada sepatu bot.

Empat Proses MiniMax H3 Anime Video Generator Lain yang Layak Dilakukan

Bidikan Last Whistle hanya menekankan empat perbedaan. Empat ini menekankan sisanya. Semuanya berjalan di H3; catatannya mengatakan mana yang Veo 3.1 dapat cocokkan.

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 shading 3D. Dua pendekar topeng asli di atap kuil yang berangin saat senja. Benturan
3pedang, bingkai bergetar, kedua petarung berpisah dalam ledakan bingkai dampak gambar
4tangan dan garis kecepatan radial. Kamera: dorongan sudut rendah, lalu lintasan lateral,
5lalu jepret ke siluet lebar melawan langit oranye. Audio: dua benturan logam tajam,
6jepretan kain, satu pukulan taiko rendah pada saat diam terakhir, 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 dipotong ke trek audio yang direferensikan. Lima ketukan
2pendek: hujan di jendela, tangan mengencangkan perban, cakrawala kota melintas di jendela
3kereta, start sprint, diam pada tangan yang terulur. Setiap potongan mendarat tepat pada
4downbeat dari audio referensi. Warna datar, garis tinta tebal, palet malam kontras tinggi
5dari indigo dalam dan magenta neon.

1. Adegan dialog dua baris bahasa Jepang, 12 detik. Ini adalah uji tekanan sinkronisasi bibir, dan 12 detik sudah di luar jangkauan Veo.

PlainCopy
1Anime 2D cel-shaded, warna datar, tanpa shading 3D. Dua karakter asli di atap saat
2golden hour, bidikan balik. Yang pertama berkata dalam bahasa Jepang: 「本当に行くの？」
3(Apakah kamu benar-benar pergi?). Yang kedua menjawab, setengah tersenyum, dalam bahasa
4Jepang: 「もう決めた」(Aku sudah memutuskan). Mulut cocok dengan setiap suku kata. Cahaya
5pinggiran hangat, bayangan panjang, angin sepoi-sepoi di rambut. Audio: dua suara Jepang
6yang berbeda, lalu lintas jauh, satu jangkrik.

1. Vertical shonen pendek, 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 menerobos spanduk
2kertas dalam gerakan lambat, lalu bingkai kembali ke kecepatan penuh saat ia berakselerasi
3di lintasan lurus stadion. Garis kecepatan, warna datar, bayangan keras, langit grafis
4berani. Kamera: bidikan ikuti sudut rendah, lalu cambuk ke wajahnya. Audio: robekan
5spanduk, gelombang kerumunan, satu napas ditahan lalu dilepaskan.
6
7Jika Anda ingin 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 mengurai instruksi kamera dan audio daripada yang bisa saya lakukan di sini.

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

Opening anime standar kira-kira 90 detik. Sebut saja delapan bidikan masing-masing 8 detik, 64 detik video jadi, ditambah satu keyframe per bidikan seharga $0,009 per bidikan.

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

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

Tabel 4: delapan bidikan masing-masing 8 detik, termasuk keyframe

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

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

Pengulangan. Tidak ada yang mengirimkan pengambilan pertama dari bidikan anime. Berapa pun pengganda yang Anda asumsikan, terapkan ke kedua kolom dan kesenjangan melebar dalam proporsi yang sama.

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

Gaya Anime, Penghormatan, dan Apa yang Sebenarnya Dapat Anda Publikasikan

Segala sesuatu dalam artikel ini adalah gaya dan penghormatan. Karakter asli, seragam 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 kegunaannya.

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

Tentang bobot terbuka: H3 benar-benar dapat diunduh, dan orang-orang menjalankannya pada hari pertama. Satu komentator melaporkan 10 menit untuk klip 480p 10 detik pada 4070 Ti Super dengan 16GB, dan yang lain memposting 3 menit pada 5080 dan 68 detik pada RTX 6000 Pro. Tetapi hosting sendiri 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 dirangkum 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 tentang bobot terbuka memiliki daftar wilayah lengkap.

Pertanyaan yang Sering Diajukan

Apakah MiniMax H3 generator video anime yang baik dibandingkan dengan Veo 3.1?

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

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 sunyi?

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 default ke 720p daripada 1080p atau 4k yang mungkin Anda maksud.

Apakah MiniMax H3 melakukan dialog bahasa Jepang dan sinkronisasi bibir 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 daripada di-dubbing setelahnya, itulah sebabnya waktu mulut bertahan di seluruh baris alih-alih 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. Endpoint reference-to-video Veo 3.1 menerima 1 hingga 3 gambar, dan memilihnya akan menyusutkan duration menjadi 8 sebagai satu-satunya nilai legal. Untuk karakter anime yang berulang di seluruh seri, perbedaan itu adalah segalanya.

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

Anda dapat mengunduh dan menjalankannya, dengan tiga catatan. Inferensi yang dihosting sendiri berjalan pada tepi pendek 768, dan tahap Context-IR dan Regenerate-2K yang menghasilkan output 2K tetap di sisi API. Kecepatan lokal dunia nyata sangat bervariasi tergantung kartu: kira-kira 10 menit untuk klip 480p 10 detik pada 4070 Ti Super, sekitar 3 menit pada 5080, sekitar 68 detik pada 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 dari itu, Anda memerlukan lisensi formal sebelum penggunaan komersial.