MiniMax H3 vs Veo 3.1: 145 Elo skillnad, och de flesta jämförelserna testade en dämpad Veo

En 8-sekunders Veo 3.1-klipp kostar tre gånger så mycket som samma 8 sekunder på MiniMax H3. På Artificial Analysis blindröstningslista ligger den 145 Elo efter. Det borde vara slutet på artikeln.

Förutom att Veo 3.1:s API levereras med ljudgenerering avstängd. Parametern heter generate_audio, dess schemastandard är false, och inget i svaret berättar att klippet kom tillbaka tyst. MiniMax H3 har ingen sådan brytare, eftersom H3 genererar bild och 32 kHz stereo i samma pass och alltid har gjort det. Så en stor del av de ”Veo ser bättre ut”-omdömen som flyter runt byggdes genom att placera ett tyst Google-klipp bredvid en kinesisk modell som dök upp med ett soundtrack.

Jag ville veta hur det där 145-poängsgapet faktiskt ser ut. Så jag tog det mest virala formatet Veo någonsin producerat, glasfrukt-ASMR-klippet, skrev en prompt och körde den genom båda modellerna med alla inställningar maxade så långt var och en går. Ljud på. Inget nedskalat.

Sedan fortsatte jag tills jag hittade de tre ställen där Google fortfarande vinner, för de finns och ingen som skriver de här jämförelserna verkar nämna dem.

Viktiga slutsatser

• På Artificial Analysis text-till-video med ljud, MiniMax H3 1 238 Elo mot Veo 3.1:s 1 093. Det är ett 145-poängsgap på blindröstningar (ögonblicksbild, 2026-08-06).
• Veo 3.1:s generate_audio-parameter har standardvärdet false i API-schemat. Om du anropar API:et och aldrig ställer in den, jämför du ett tyst Veo-klipp med ett H3-klipp som levererar stereo som standard.
• H3 tar vilken hel sekund som helst från 4 till 15. Veo 3.1 tar 4, 6 eller 8. Det är ett strukturellt tak, inte en inställning.
• Veo 3.1 visas inte alls på Artificial Analysis video-redigeringslista. H3 är nummer ett på den.
• Veo 3.1 vinner fortfarande på 4K-utdata, på seed plus negative_prompt reproducerbarhet, och Veo 3.1 Lite är genuint billigare än något H3 erbjuder om 720p räcker för dig.

---

MiniMax H3 vs Veo 3.1, En Prompt, Tre Tagningar Efter Varandra

En prompt, tre tagningar, i ordning: MiniMax H3 i 2K, Veo 3.1 i 1080p med ljud explicit påslaget, Veo 3.1 Lite i 720p. Varje segment behåller sitt eget ursprungliga ljudspår, så slå på ljudet. Titta på den sista sekunden av varje tagning, och se vad den billigaste modellen gör med kanterna på sin sista bildruta.

En makrofilmset med en kristallglasvattenmelon på våt skiffer och två produktionsmonitorer som spelar samma skivtagning_Upplägget som denna artikel faktiskt körde: en ASMR-produktplats, två modeller, en API-nyckel. Genererad med openai/gpt-image-2/text-to-image._

---

Varför MiniMax H3 vs Veo 3.1 Plötsligt är den Enda Jämförelsen Värt att Göra

MiniMax H3 anlände i juli 2026 och gjorde något som ingen annan modell på listan har gjort. Den landade bland de tre bästa på alla tre Artificial Analysis video-arenor inom veckor, och den gjorde det som den enda öppna vikter-post någonstans i närheten av toppen.

Här är var de två modellerna faktiskt sitter, hämtade live snarare än citerade från ett pressmeddelande (Artificial Analysis, augusti 2026):

Tabell A: Artificial Analysis Video Arena, ögonblicksbild 2026-08-06

Tre saker i den tabellen förtjänar mer uppmärksamhet än de får.

145-poängsgapet är på ljudlistan. På text-till-video med ljud är bara Gemini Omni Flash (1 243) före H3, och det är inom samma statistiska oavgjorda band. Veo 3.1 är elva. Väljare som lyssnade på båda klippen valde H3 över Veo med bred marginal.

Veo 3.1 finns inte på video-redigeringslistan. Den listan har åtta modeller och H3 är först, nio poäng före Gemini Omni Flash. Google förlorade inte den jämförelsen, de deltog helt enkelt inte. Om ditt arbetsflöde är "generera, ändra sedan en sak i bilden", hjälper den distinktionen dig inte.

MiniMax eget tillkännagivande överdriver en siffra, så upprepa den inte. Den officiella linjen säger att H3 leder andraplatsen på redigeringslistan med 93 poäng. Andraplatsen är Gemini Omni Flash på 1 123, vilket är 9 poäng bakom H3. 93-poängssiffran är gapet till Dreamina Seedance 2.0 på 1 037, som ligger femma. Båda siffrorna är verkliga, de tillhör bara olika rader.

Varför de flesta head-to-heads får detta fel

Tre misslyckandemönster, i fallande ordning efter hur ofta jag såg dem:

1. Den tysta Veo. generate_audio har standardvärdet false i Veo 3.1:s API-schema. En utvecklare som aldrig rör den får ett tyst klipp och poängsätter det sedan mot H3:s stereomix. Det är inte en modelljämförelse, det är en inställningsbugg. Värt att veta: Atlas Cloud webb-lekplats föraktiverar brytaren åt dig, så fällan drabbar människor som anropar API:et direkt, vilket är de flesta som publicerar benchmarks.
2. Felaktig upplösning. H3:s standardupplösning på API:et är 2K, men många tester kör den på 768P för hastighet och placerar sedan resultatet bredvid en 1080p Veo-bildruta.
3. Begränsa H3 till 8 sekunder för att vara rättvis. Det är inte rättvist, det slänger nästan hälften av H3:s varaktighetsintervall för en snygg tabell.

Och för att hålla detta ärligt: H3:s egna svaga punkter är verkliga: att fylla referensplatserna tenderar att lossa promptefterlevnad snarare än att skärpa den, dess 2K-nivå är genuint långsam, och MiniMax själva positionerar den inte som en film- eller animationsmodell. I denna körning lutade H3 också åt stiliserad, tolkade briefen som polerad slipad kristall-produktfotografering snarare än det hyperrealistiska objektet Veo producerade.

---

MiniMax H3 vs Veo 3.1: Specifikationer, Ljudbeteende och Vad en Sekund Köper

Metoden här är medvetet tråkig: en prompt, tre slutpunkter, en API-nyckel, ingen redigering. Båda familjerna är värdade sida vid sida på Atlas Cloud, vilket är den enda anledningen till att en samma-prompt-körning är möjlig överhuvudtaget utan två separata faktureringskonton och två olika parameterdialekter att förena. Det är hela produktomnämnandet. Modellerna är ämnet.

Tabell B: kapacitetsmatris, från live API-scheman

Läs de två sista raderna tillsammans och du får den skarpaste linjen i hela denna jämförelse:

MiniMax H3 med ljudet på är billigare än Veo 3.1 med ljudet av. $0,14 per sekund mot $0,20.

Googles egen prislista håller med om taket. Veo 3.1 är $0,40 per sekund i 720p och 1080p med ljud inkluderat som standardpris, stigande till $0,60 i 4K (Google Gemini API-dokumentation, augusti 2026). Atlas delar upp det i en tyst nivå på $0,20 och en ljudnivå på $0,40, så i samma ögonblick som du slår på generate_audio till true fördubblas din kostnad per sekund. H3 har ingen motsvarande spak, eftersom det inte finns något att slå på.

En till asymmetri värd att flagga innan körningen: H3:s resolution och duration är båda obligatoriska fält på alla dess tre slutpunkter, och dess text-till-video ratio har standardvärdet 1:1. Skicka en bar prompt och du får en fyrkantig video. Veo kommer gladeligen att som standard skapa ett rimligt 16:9 720p-klipp.

---

MiniMax H3 vs Veo 3.1, Samma Prompt, Båda Modellerna: Hela Körningen

En prompt för alla tre modellerna, inte ett ord ändrat mellan dem. Den är byggd för att stressa fyra saker samtidigt: hyperrealistisk glasfysik, vilket är Veos hemmaplan; naturligt foley synkat med brottet; en enda rad mänsklig voice-over; och ett lägre tredjedels typkort som tonar in under den sista sekunden, vilket är där H3 hävdar en fördel.

Kopiera detta ordagrant.

PlainCopy
1Extrem makro ASMR-tagning, 16:9. En hyperrealistisk vattenmelon skuren i klar
2kristallglas vilar på en våt svart skifferplatta. En spegelpolerad kockkniv
3trycker ner och skär rent igenom den i en långsam, kontinuerlig rörelse; glaset
4delas med en ljus klingande spricka och en spray av små genomskinliga skärvor
5som sprids och tickar över skiffern. Kallt blått kantljus från vänster, en
6varm praktisk bakom. 100 mm makro, grunt skärpedjup, långsam inzoomning.
7Ljud: den klara ringen av glas under bladet, skärvor som tickar mot sten, låg
8rumston. En lugn kvinnoröst säger: "Cut clean. Every single time." Under den
9sista sekunden tonar en skarp vit sans-serif-text in över den lägre tredjedelen
10med texten CUT CLEAN.

Steg 1: MiniMax H3 Text-till-video i 2K

Öppna MiniMax H3 Text-till-video, klistra in prompten, ställ sedan in tre fält som alla har betydelse:

• Upplösning: 2K . Obligatoriskt fält. Detta är toppnivån, 2560x1440 levererad på en 16:9-förfrågan.
• Varaktighet: 8 . Obligatoriskt fält. Matchat mot Veos tak så att den första jämförelsen är lika mot lika.
• Förhållande: 16:9 . Detta är det folk missar. Standard är 1:1, och text-till-video avvisar adaptive direkt med en 400. Lämna det ifred och du får ett fyrkantigt klipp.

Det finns inget seed-fält och inget negativt prompt-fält. Du får vad provtagaren ger dig, och din enda kontroll är prompten.

Fakturering: 8 sekunder à $0,14 = $1,12, ljud inkluderat. Budgetera tålamod också: detta jobb tog 455 sekunder från början till slut. Jag försökte fyra gånger att fånga den färdiga lekplatskörningen för detta steg och 2K-kön överlevde webbläsarsessionen varje gång, så här är API-utdata istället, vid 100 % utan omsampling.

En 100 % beskärning av MiniMax H3 2K-utdata som visar skarp lägre tredjedels typ och lösta glasfasetter_MiniMax H3, 2K, 8s, 16:9, beskuren 1:1 ur den levererade 2560x1440 bildrutan. Typkanterna är rena, individuella glasskärvor på skiffern håller sina fasetter, och detta är nivån som toppliströsterna avlades på._

Steg 2: Veo 3.1 Text-till-video, med Ljud Påslaget

Öppna Veo 3.1 Text-till-video och klistra in den identiska prompten. Inställningar:

• Upplösning: 1080p . Veos uppräkning erbjuder också 4k, vilket H3 inte alls kan matcha. Användbart att veta: 720p och 1080p faktureras till samma pris, så 1080p är gratis uppsida.
• Varaktighet: 8 . Maximum.
• Bildförhållande: 16:9 . Endast 16:9 och 9:16 finns här.
• generate_audio : true . Detta är steget internet hoppar över. Schemats standard är false, och en tyst retur ser inte ut som ett fel.
• negative_prompt : blurry, warped text, extra fingers, motion blur on type. Gratis extra kontroll som H3 inte erbjuder.
• seed : 12345 . Även H3-fri. Google ger dig ett repeterbarhetshandtag.

Fakturering: 8 sekunder à $0,40 = $3,20 med ljud på. Lämna generate_audio av och samma klipp är $1,60 och tyst.

Veo 3.1 text-till-video lekplats på Atlas Cloud med Generate Audio-brytaren på och det färdiga klippet som spelas i utdatapanelen_Veo 3.1, körning slutförd. Generate Audio-brytaren är på och Kör-knappen visar $3,2, vilket är 8 sekunder till ljudpriset. Denna bild togs på sidans standard 720p, som faktureras identiskt med 1080p; 1080p-klippet i denna artikel kom från samma prompt via API:et. Notera de två tomma fälten Negative Prompt och Seed, som MiniMax H3 inte har någon motsvarighet till._

Steg 3: Veo 3.1 Lite, det Billiga Sätet

Öppna Veo 3.1 Lite Text-till-video, samma prompt igen. Inställningar: 720p, 8 sekunder, 16:9, seed 12345.

Notera vad som saknas på denna sida: det finns ingen ljudbrytare, eftersom Lite alltid genererar ljud. Notera också den enda fällan i dess schema: 1080p på Lite tvingar varaktighet till 8, så ett 4-sekunders 1080p Lite-klipp existerar inte.

Fakturering: 8 sekunder à $0,05 = $0,40. Det är det billigaste färdiga klippet med ljud i hela denna artikel, H3 inkluderat.

Veo 3.1 Lite lekplats på Atlas Cloud i 720p utan någon ljudväxel närvarande, färdigt klipp i utdatapanelen_Veo 3.1 Lite i 720p. Det finns ingen_ generateaudio -kontroll på denna sida överhuvudtaget, vilket är poängen.

Steg 4: Poängsättning av MiniMax H3 vs Veo 3.1 på Fem Axlar

Inga modellanrop i detta steg, ingen kostnad. För att vara exakt med vad detta är: en tagning per modell, första försöket, inga omtagningar. Det är en lika-för-lika avläsning av tre klipp, inte en keeper-rate-studie.

Tabell D: vad som faktiskt kom tillbaka, en tagning var

Matchade bildrutor från MiniMax H3 och Veo 3.1 tagningarna vid ögonblicket då den lägre tredjedelens text tonar in

Samma takt i båda tagningarna, bildrutan där CUT CLEAN tonar in. Vänster MiniMax H3 i 2K, höger Veo 3.1 i 1080p med ljud på. Veos glas läser mer som ett fotograferat objekt; H3:s typ är skarpare och korrekt placerad.

Ljudaxeln är ett lyssningsbeslut, så rullen ovan är där du bedömer den. Vad som är mätbart: alla tre returnerade ett kontinuerligt stereospår utan döda fläckar över 0,6 sekunder. H3 levererar 32 kHz stereo och mixar varmt, medelnivå nära -18 dB med toppar som når 0 dBFS. Veo 3.1 levererar 48 kHz stereo på en konservativ medelnivå runt -31 dB. H3:s spår är ungefär 13 dB högre, vilket låter som en mer färdig mix direkt ur modellen och också lämnar dig mycket mindre headroom att justera.

Steg 5: 15-sekunderstagningen som Veo 3.1 Strukturellt Inte Kan Göra

Samma sida som steg 1, samma prompt, två fält ändrade: Varaktighet 15, Upplösning 768P, förhållande fortfarande 16:9. Ingen ny skärmdump, det är samma lekplats.

Detta är steget som inte har någon Veo-motsvarighet. Veo 3.1:s duration-uppräkning är [4, 6, 8] på varje slutpunkt, och det finns ingen plan, nivå eller flagga som höjer den. Googles eget svar på att vilja ha mer är en separat videoförlängningsfunktion (Googles videogenereringsdokumentation, augusti 2026), vilket innebär att generera 8-sekundersblock och sammanfoga dem, vilket innebär att matcha grad och ljud över sömmarna. H3 ger dig en kontinuerlig tagning med ett kontinuerligt ljudbädd.

Fakturering: 15 sekunder à $0,10 = $1,50, vilket är mindre än hälften av kostnaden för ett enda 8-sekunders Veo 3.1-klipp med ljud.

MiniMax H3, 768P, 15 sekunder, en obruten tagning med en obruten ljudbädd. Ljud på. Veo 3.1 har ingen inställning som producerar denna fil. Notera gravyr H3 uppfinner längs bladet: specificerad typ renderar den rent, uppfunnen typ är nonsens.

Två ärliga noteringar om denna tagning. Den körde 485 sekunder, det långsammaste jobbet i artikeln, och dess ljudbädd är märkbart glesare än 8-sekundersversionen, med verkliga luckor runt tredje och elfte sekundmarkeringarna. Längre är tillgängligt, men längre är inte fritt från konsekvenser.

Total kostnad för de fyra handledningsstegen: $1,12 + $3,20 + $0,40 + $1,50 = $6,22, enstaka försök per modell, inga omtagningar. Den extra 768P åtta-sekunders körningen som användes i nästa avsnitt lade till $0,80, och lekplatsbilderna var separata betalda körningar utöver det.

---

MiniMax H3 vs Veo 3.1: Där H3 Går Förbi Vad Google Tillåter

Fyra kapaciteter på H3-sidan av tabellen som inte är långsammare eller billigare versioner av Veo-funktioner, de är saker som Veo inte exponerar alls.

21:9 scope. H3:s ratio-uppräkning inkluderar 21:9, 4:3, 1:1 och 3:4 vid sidan av det vanliga paret. Veo 3.1 och Lite erbjuder båda 16:9 eller 9:16 och inget annat. Om du klipper en teatralformat-trailer, kan en av dessa modeller rama in den naturligt och den andra behöver en beskärning.

Referenser som inte bara är bilder. H3:s reference-to-video-slutpunkt tar en refers[]-array som blandar bild, video och ljud-referenser för att förankra ett utseende, och den behåller hela intervallet 4 till 15 sekunder medan den gör det. Veo 3.1:s reference-to-video tar en images-array begränsad till 3 poster och dess duration-uppräkning kollapsar till [8], så att referera låser dig till åtta sekunder. En varning från erfarenhet: att ladda H3:s referensplatser till kapacitet tenderar att dra utdata bort från prompten snarare än mot den, så bygg upp gradvis.

2K är en omrendering, inte en uppskalning. Denna överraskade mig och jag har inte sett den skriven någonstans. Kör den identiska prompten på H3 text-till-video vid 768P och vid 2K och du får inte samma film i två storlekar. Du får två olika filmer. I denna körning lämnade 768P-tagningen melonen hel och upprätt med ett ljus som brann bakom den och slog typen över mitten av bildrutan vid fyra-sekundersmarkeringen. 2K-tagningen bröt melonen i tre bitar, flyttade bakgrundsljuset och placerade typen liten i den nedre tredjedelen under den sista sekunden, som skrivet. Samma prompt, samma förhållande, samma fröfria provtagare.

Sida-vid-sida bildrutor från samma promptkörning vid 768P och vid 2K på MiniMax H3, som visar olika scenklädsel snarare än samma bild i två storlekar_Samma prompt, samma modell, samma förhållande, 768P till vänster och 2K till höger, båda vid samma tidsstämpel. Olika iscensättning, olika ljus, olika typbehandling. Om du behöver komposition för att överleva mellan nivåer, lås den första bildrutan med_ image-to-video istället.

Ingen ljudavgift, någonsin. Sagt rakt ut eftersom det ändrar hur du budgeterar: det finns ingen version av ett H3-klipp som kostar mindre genom att vara tyst, och ingen version av ett Veo 3.1-klipp har ljud till det tysta priset.

För att hålla boken ärlig, tre ställen där Google verkligen vinner och H3 inte har något svar:

• 4K. Veo 3.1:s upplösningsuppräkning inkluderar 4k. H3 toppar på 2K. Om ett kundkontrakt säger 4K-master, slutar denna jämförelse här.
• seed och negative_prompt . Veo låter dig justera repeterbarhet och uttryckligen förbjuda misslyckandemönster. H3 ger dig ingetdera. På en inspelning där du behöver omtagning av en nära-miss utan att förlora hela utseendet, gör det gapet ont.
• Hastighet, typ. Veo 3.1:s modelldokumentation anger ungefär 2 till 3 minuter för ett 8-sekunders 1080p-klipp. I denna körning, inskickade samtidigt, tog H3 i 2K 455 sekunder och Veo 3.1 i 1080p tog 462 sekunder, så de var i praktiken oavgjorda och båda långt över den angivna siffran. Veo 3.1 Lite slutade på 237 sekunder, mindre än hälften av någon av dem. Om du itererar live framför en kund är Lite den enda av de tre som hänger med, och det är en verklig fördel som priset per sekund inte visar.

---

Vad en Färdig Annons Kostar på MiniMax H3 vs Veo 3.1

Priser per sekund är inte vad du spenderar. Vad du spenderar är pris per sekund multiplicerat med klipp du slängde. Kolumnen 30 sekunder nedan tillämpar ett 3:1 keeper-förhållande, tre generationer per användbar tagning, vilket är ett arbetsantagande från normal produktionspraxis snarare än något denna körning mätte. Behandla det som en skalningsfaktor, inte en benchmark.

Tabell C: verklig kostnad per levererad plats, Atlas Cloud-prissättning från och med augusti 2026, inga aktiva rabatter

Två slutsatser, och den andra är inte den jag förväntade mig att skriva.

Om du behöver 2K, eller längre än 8 sekunder, eller ett annat bildförhållande än 16:9 och 9:16, eller inbyggt ljud utan extraavgift, vinner H3 på kostnad med bred marginal. En 30-sekunders plats på H3:s toppnivå landar nära en tredjedel av samma plats på Veo 3.1 med ljud.

Om 720p och 8 sekunder verkligen räcker, är Veo 3.1 Lite det billigaste här, och det är inte ens nära. Till $0,05 per sekund är det halva priset av H3:s billigaste nivå, ljud ingår med ingen brytare att glömma, och det var dubbelt så snabbt som någon av flaggskeppen. Alla som säger att H3 villkorslöst är det billiga alternativet har inte tittat på Lite-raden. Google listar också Veo 3.1 Fast däremellan, till $0,10 per sekund vid 720p i sin egen prislista, även om Atlas katalog och dess modellsida citerar olika siffror för den nivån, så behandla Fast exakta siffra som osäker.

Haken är vad rabatten köper dig. Detta är den sista bildrutan Lite lämnade tillbaka på första försöket:

Sista bildrutan från Veo 3.1 Lite-tagningen, med två identiska hallucinerade kvinnor i porträttutskärningar på båda kanterna av bildrutan_Veo 3.1 Lite, sista bildruta, första tagningen. Prompten nämnde en kvinnoröst; Lite bestämde sig för att visa henne, två gånger, i matchande utskärningar. Den gav också melonen det bästa gröna skalet och fröna av de tre modellerna, vilket är vad som gör detta frustrerande snarare än bara dåligt._

Det är den ärliga formen av den billiga nivån. Den läste objektet bättre än något av flaggskeppen och bröt sedan bilden på ett sätt du inte kan fixa i efterredigering. Billigt per sekund är inte billigt per användbart klipp om felfrekvensen rör sig, så om du går Lite, budgetera för omtagningar snarare än att anta klistermärkespriset.

---

Öppna Vikter, Exkluderade Territorier och Delen Ingen Läser

Vikterna är verkligen publicerade. MiniMaxAI/MiniMax-H3 på Hugging Face är en 33B-parameters tät enkelströms omni Transformer i BF16, som levereras med två redo kontrollpunkter, den fulla Qwen3-VL-32B textkodaren och två autoencoders. Dra allt och det är ungefär 499 GB. Det är det nuvarande flaggskeppet, inte en pensionerad version, och bland topprankningarna på varje Artificial Analysis video-tavla är det den enda öppna vikter-posten.

Sedan läser du licensen, och den gör mer arbete än "öppna vikter" antyder (Hugging Face, augusti 2026):

• §I.5 definierar Excluded Territories som Europeiska unionen, Storbritannien, Republiken Korea och Amerikas förenta stater. Beviljandet gäller över hela världen förutom där.
• §V.4 går längre än distribution. Du får inte använda, reproducera, modifiera, distribuera eller visa verken eller någon av deras Outputs utanför Applicable Territory.
• §IV.1 kräver separat skriftligt förhandsgodkännande om dina kommersiella produkter överstiger $20 miljoner i årlig intäkt.
• §IV.2 kräver att du visar "MiniMax H3" framträdande i användargränssnittet för alla kommersiella produkter byggda på den.

MiniMax har inte lämnat det hängande. Arkivet innehåller en licens Q&A och en ansökningsblankett, och licensen säger att företaget kommer att fortsätta utvärdera dessa jurisdiktioner och bjuder in intresserade parter att ansöka. Så den korrekta formuleringen är "inte än, fråga oss", inte "förbjudet för alltid". Det är fortfarande en fråga att gå förbi juridik innan du planerar en USA- eller EU-produkt runt de lokala vikterna.

Och de lokala vikterna är inte API:et. Självvärdad H3-Base renderar på en 768-pixlars kort sida; 2K-vägen går genom ett separat regenereringssteg på API-sidan. Öppna vikter köper dig en 768p-modell du kontrollerar, inte 2K-modellen som vann de rösterna.

En sak jag inte kunde fastställa: om Veo 3.1-utdata bär en SynthID-vattenstämpel när den serveras via ett tredjeparts-API. Behandla det som overifierat. H3-filerna i denna körning bar ingen synlig vattenstämpel.

---

Vanliga frågor

Är MiniMax H3 verkligen bättre än Veo 3.1?

På blindröstningar med ljud, ja, med 145 Elo på Artificial Analysis text-till-video, och H3 är först på video-redigeringslistan som Veo 3.1 inte visas på. Den kostar också mindre per sekund med ljud på än Veo gör med ljud av. Veo 3.1 vinner fortfarande på 4K-utdata och på seed plus negative_prompt-kontroll.

Varför är min Veo 3.1-video tyst?

För att generate_audio har standardvärdet false på Veo 3.1 och Veo 3.1 Fast. Sätt den till true explicit. Var medveten om att detta fördubblar din kostnad per sekund, från $0,20 till $0,40 på Atlas Cloud. MiniMax H3 har ingen sådan parameter, eftersom ljud genereras i samma pass som bild. Veo 3.1 Lite genererar också alltid ljud.

Kan MiniMax H3 göra klipp längre än Veo 3.1:s 8 sekunder?

Ja. H3 accepterar vilken hel sekund som helst från 4 till 15 som en enda kontinuerlig tagning, båda fälten obligatoriska på begäran. Veo 3.1:s varaktighetsuppräkning är [4, 6, 8], hårt. Att gå längre på Veo innebär att generera 8-sekundersblock och förlänga eller sy ihop dem, sedan matcha grad och ljud över fogarna.

MiniMax H3 har öppna vikter. Gör det det gratis?

Inte på det sättet de flesta menar. Nedladdningen är cirka 499 GB, självvärdad H3-Base renderar på en 768-pixlars kort sida, och 2K kräver API-sidans regenereringssteg. Communitylicensen utesluter också EU, Storbritannien, Sydkorea och USA, och den begränsningen täcker utdata, inte bara distribution, med en formell auktorisationskanal öppen för dessa regioner.

Vilket är billigast för en färdig 30-sekunders annons, MiniMax H3 eller Veo 3.1?

H3 i 2K blir cirka $12,60 för en 30-sekunders plats vid ett 3:1 keeper-förhållande, mot ungefär $36,00 för Veo 3.1 med ljud på. Men Veo 3.1 Lite slår båda med cirka $4,50 om 720p och 8-sekundersblock är acceptabla. H3:s kostnadsfördel är villkorad av att vilja ha 2K, längre tagningar, bredare bildförhållandeval eller gratis ljud.

Gör MiniMax H3 4K som Veo 3.1?

Nej. H3:s upplösningsuppräkning är endast 768P och 2K. Veo 3.1:s inkluderar 4k, till $0,60 per sekund i Googles egen prissättning, och Veo 3.1 Lite stöder uttryckligen inte 4K heller. Om en 4K-master är avtalsenlig är Veo 3.1 standard den enda av dessa tre som levererar den.