MiniMax 将 33B 视频模型 H3 的权重发布至 Hugging Face。该模型支持生成最长 15 秒、最高 2K 分辨率的视频，原生立体声，并允许一次性输入 9 张图片、3 段视频和 3 段音频作为参考。

此举为 AI 短剧制作中的角色一致性提供了更多选择，但若需完整 2K 流程，仍需通过官方 API 实现。