Hoe gebruik je MiniMax H3: prompts, lokale runs en audio die niet waardeloos is

Op 4 augustus downloadde Simon Willison ongeveer 115 GB aan gewichten, richtte een onofficiële MLX-port van MiniMax H3 op zijn M5 Max MacBook Pro, en vroeg om een regenboogkleurig stinkdier dat over een met mos bedekte boomstam springt in een supermarkt. Iets minder dan 45 minuten later had hij een clip die hij omschreef als oprecht indrukwekkend — met een audiotrack die hij omschreef als vreemd, spraakachtig afval. Zijn eigen diagnose was het nuttige deel: hij had het model geen audio-instructies gegeven en de promptgids niet eerst gelezen. Dat is de kortst mogelijke samenvatting van hoe het is om met H3 te beginnen, dat ook als Hailuo 3.0 wordt verkocht. Het beeld komt min of meer gratis. Al het andere — het geluid, de timing van de shots, de 2K, het personage dat vier opeenvolgende shots moet overleven — moet je expliciet vragen, in een formaat dat strikter is dan bij bijna elk ander videomodel dat momenteel in gebruik is.

Dit is een gebruiksgids, geen verslaggeving over de lancering. Er lopen drie categorieën bronnen doorheen, en die worden telkens aangeduid: de eigen documentatie van het bedrijf (de modelkaart, de twee prompt-schrijfgidsen die in de repository worden meegeleverd, de platform-API-documentatie); bevindingen uit de community van mensen die het daadwerkelijk hebben gedraaid — de onderhouders van ComfyUI, onafhankelijke benchmarkers, resellerdocumentatie en Hugging Face-discussiethreads, allemaal gedateerd tussen 31 juli en 5 augustus 2026; en een klein aantal plaatsen waar we zelf een primair bestand lezen en dat vermelden. Communitycijfers zijn individuele meldingen op ongecontroleerde hardware, tenzij anders vermeld. Waar beoefenaars het onderling oneens zijn, wordt het meningsverschil gerapporteerd in plaats van opgelost.

Voordat we iets anders doen: je draait waarschijnlijk niet het hele model

De meeste verwarring in de eerste week van H3 is terug te voeren op één structureel feit dat de marketingtekst vervaagt. H3 is niet één model. Volgens de modelkaart is het een driedelig systeem, en alleen het middelste deel is open-source gemaakt:

• H3-Context-IR — een multimodale instructiepreprocessor. Het leest je tekst, afbeeldingen, audio en video, redeneert over hoe ze zich tot elkaar verhouden, en produceert een gestructureerde, semantisch verrijkte weergave van wat je hebt gevraagd. Alleen gehoste API. Het wordt aangeboden als een eigen taaktype dat een verrijkte prompt teruggeeft en helemaal geen video.

• H3-Base — het 33B-parameter generatiemodel dat daadwerkelijk frames en geluid maakt. Dit is het open-weights deel.

• H3-Regenerate-2K — een in-context regeneratiepass die het 768p-resultaat naar 2K brengt. Alleen via gehoste API.

Twee consequenties volgen onmiddellijk, en ze bepalen je hele workflow. Ten eerste, lokale generatie is een 768p-plafond. Het native canvas van H3 heeft een korte zijde van 768 pixels, met een maximum van 768×1344 — ongeveer 1344×768 voor 16:9. Als je ComfyUI-output geen 2K is, is er niets kapot; het pakket dat je hebt gedownload is H3-Base, en de upscaling-module zit er niet in. Ten tweede, de gehoste API zal een slordige prompt corrigeren en je lokale installatie niet. Alles wat Context-IR doet voor een betalende API-aanroep — structuur afleiden, bepalen welke referentie wat betekent, de delen invullen die je vaag liet — is een stap die je nu handmatig uitvoert, of met een ander model, voordat H3-Base jouw woorden ooit ziet. Die ene asymmetrie verklaart de meeste meldingen van "dezelfde prompt werkt op Hailuo maar ziet er in ComfyUI kapot uit."

Wat opvalt aan de repository zelf: de gewichten dragen een minimax-h3-community-license-agreement-tag in plaats van Apache of MIT (daarover hieronder meer, omdat dit het onderdeel is dat bepaalt of je iets überhaupt kunt uitbrengen), het model wordt vermeld met 33B parameters in F32/BF16, en tot op heden wordt er precies één inference-provider — fal — vermeld die het model serveert. Er zijn al drieëntwintig finetunes, twintig kwantisaties en eenendertig Spaces op gebaseerd, wat een aardige indicatie is van hoe snel de community in beweging is gekomen.

Het promptformaat: shotblokken, niet tijdscodes

Hier komen de community en de documentatie openlijk met elkaar in conflict, en dit is belangrijker dan enig ander aspect in dit artikel.

Het sjabloon dat zich het snelst verspreidde — via Reddit, en daarna in verschillende gepubliceerde handleidingen — snijdt de clip in tijdcode-intervallen: [0s-2s], [2s-5s], enzovoort, gevolgd door een structuur van zes blokken: stijlcontract, tijdlijn, camera, audio, uitgeschreven tekst en een negatieve lijst. Het werd teruggeëngineerd door de 45 voorbeeldprompts te lezen die het bedrijf had meegeleverd, en het is geen onzin: die voorbeelden zijn echt shotlists met een geluidscuesheet eraan, met een mediane lengte van ongeveer 130 Chinese karakters en de langste lopen op tot 657 en 858 karakters.

Maar het bedrijfseigen VIDEO_PROMPT_WRITING_GUIDE_base_en.md, dat in de repository's docs-map zit, schrijft iets anders voor. Het organiseert per shotblok, niet per tijdsbereik. We hebben het direct gelezen; de structuur die het voorschrijft is:

• Instructie — regels voor beelduitlijning, gebruikt voor de keyframe-modi (I2VA, FL2VA, L2VA) en weggelaten voor pure tekst-naar-video.

• geïntegreerde multimodale beschrijving — het hoofdgedeelte, verdeeld in [Shot 1], [Shot 2], enzovoort.

• overall_soundscape — één tot vier zinnen diëgetisch geluid.

• non_diëgetische_muziek — één tot drie zinnen over de score.

Daarbinnen zijn de conventies specifiek genoeg om controleerbaar te zijn.[Shot 1] krijgt helemaal geen tijdstempel — daaropvolgende shots beginnen met een absolute cut, geformuleerd als "Om 00:03.500 snijdt de camera naar…". Camerabeweging wordt geschreven als bewegingstype plus amplitude plus snelheid, verwerkt in natuurlijk Engels in plaats van gestapeld als labels: een langzame push-in met kleine amplitude, niet camera: dolly-in, langzaam. De beschikbare bewegingen zijn de bekende set — zoom, pan, tilt, tracking, arc, POV en shake in lichte of sterke varianten. Dialoog wordt tussen tags geplaatst: <d>[English] Get in the car.</d>, waarbij interpunctie exact behouden blijft en nooit wordt vertaald of geparafraseerd. Sprekers krijgen stabiele ID's — (S1), (S2) en (S1,S2) voor een gezamenlijke dialoogregel — waarbij leeftijd, geslacht, timbre en accent bij de eerste verschijning worden beschreven. Voice-over wordt gemarkeerd als een off-screen regel met een expliciete notitie dat de lippen gesloten blijven; zo voorkom je dat het model vertelling op een gezicht lippensynchroniseert. Gesprekken met cross-cuts gebruiken een <scenetrans> marker plus een continuïteitsverklaring.

De expliciete verboden in de gids zijn net zo informatief als de regels: voeg geen tijdstempel toe aan de eerste opname, herhaal geen dialoog of gezang of muziek op het scherm binnen overall_soundscape, gebruik geen abstracte stemmingswoorden in non_diegetic_music, en herschrijf nooit een dialoogregel. En een opvallende afwezigheid: de officiële gids heeft helemaal geen sectie voor negatieve prompts, wat betekent dat de lijst met "verboden overgangen" in de populaire community-sjabloon een uitvinding van de community is, geen gedocumenteerde functie.

Hoe serieus moeten we het conflict nemen? In een Hugging Face-discussie over de H3-repository plaatste een communitylid de timecode-achtige structuur als leidraad, en een andere gebruiker antwoordde botweg dat zij een vergelijkbare structuur hadden gebruikt, dat die volledig fout was, en dat mensen in plaats daarvan de meegeleverde handleiding moesten lezen. Dat is de ene persoon die de andere tegenspreekt, geen uitspraak van een maintainer. Onze lezing van het bewijs: beide werken via de gehoste API, omdat Context-IR normaliseert wat je ook verstuurt; alleen het gedocumenteerde formaat is rechtstreeks betrouwbaar tegen H3-Base. Als je lokale weights draait, volg dan het bestand in de repo. Als je op de API zit en een timecode-prompt levert je goede clips op, dan doet de preprocessor dat werk voor jou, en je moet niet concluderen dat het formaat daarvoor verantwoordelijk is.

Het compileren van een luie brief naar H3's dialect.

Neem de twaalf woorden tellende prompt van Willison als invoer — een regenboogkleurig stinkdier dat in een supermarkt over een mossige boomstam springt. Op de gedocumenteerde manier geschreven, wordt dat grofweg: een [Shot 1] blok dat begint met het benoemen van de stijl (live-action, handheld, tl-verlicht) en het kader (een supermarktgang, met mos bedekte boomstam dwars over het linoleum, terugwijkende schappen), vervolgens het onderwerp en de actie in fysieke volgorde — twee schuifelpasjes, een hurkbeweging, de sprong, de landing — met de camera als een langzame travelling met geringe uitslag die eindigt aan de overkant van de boomstam; een overall_soundscape van klauwen op linoleum, het vochtige schrapen van de boomstam, het gezoem van de koeling en verre winkelwagenwielen; en een non_diegetic_music regel van een korte, lichte cue met getokkelde snaren zonder vocalen. Daar zit geen creatief genie in. Het is hetzelfde idee, met de vier dingen waar H3 om vraagt daadwerkelijk geleverd — en het is het verschil tussen een niet aangevraagde ruimtetoon en een soundtrack die jij hebt ontworpen.

Deze stap is mechanisch, repetitief en een slechte benutting van een mens, en dat is precies waarom het bedrijf er een tool voor heeft uitgebracht die vrijwel geen enkele berichtgeving heeft opgepikt. De repository bevat een skillsdirectory met negen agentvaardigheden, en de eerste — h3-prompt-writing — doet precies dit: het neemt een verzoek en schrijft een gestructureerde H3-prompt voor alle vijf generatiemodi, compleet met de soundscape- en muzieksecties. De andere acht zijn genrerecepten (productadvertentie, 3D-geanimeerde short, papercraft-uitlegvideo, muziekvideo-ondertitels, co-op-game-intro, handgetekende live-action-hybride, enzovoort) die hetzelfde formaat in een workflow verpakken.

Het uitvoeren van die skill vereist een tekstmodel, geen videomodel, en dit is waar een router echt nuttig is in plaats van een plug-in. Het bedrijfseigen LLM, MiniMax M3, is een verstandige keuze voor deze taak en is beschikbaar via OrcaRouter voor $0,30 per miljoen input-tokens en $1,20 per miljoen output — de lijstprijs van de provider, want we rekenen het door met 0% opslag — met een contextvenster van 1M tokens en, ongewoon genoeg, video als geaccepteerd invoertype. Dat laatste detail is precies wat het geschikt maakt: je kunt het in één aanroep de officiële promptgids, je briefing en een echte referentieclip meegeven en krijgt het [Shot N]-blok terug dat de clip beschrijft. Het compileren van een prompt kost een fractie van een cent vergeleken met videogeneratie die per seconde wordt gefactureerd, dus er is geen reden om deze met de hand te schrijven. Twee eerlijke kanttekeningen: H3-videogeneratie draait zelf niet op OrcaRouter — de clips komen van het platform van het bedrijf, fal, of je eigen GPU — en de compilatiestap is een gemaksfunctie, geen kwaliteitsgarantie. Wat de router je hier oplevert, is dat de teksthelft van de pijplijn achter één sleutel zit met automatische failover, zodat een providerstoring midden in een batch een renderwachtrij niet laat stranden, en het vervangen van M3 door een ander model om gecompileerde prompts te vergelijken een stringwijziging is in plaats van een nieuw contract.

Audio is waar iedereen de eerste dag verliest.

Verreweg de meest bevestigde faalmodus in de eerste week is degene waar Willison op stuitte: laat het geluid ongespecificeerd en H3 verzint iets, en dat slecht. Hij kreeg spraakachtige ruis uit een prompt zonder audio-aanwijzingen. Het reverse-engineering-verslag van de officiële voorbeelden rapporteert dezelfde klasse van falen in mildere vorm — laat je het audioblok weg en het model levert een ongevraagde ruimtetoon — en framet deze als omissies in plaats van fouten, wat de juiste manier is om over een gezamenlijk audio-video-model te denken. Het genereert altijd een soundtrack. Je enige keuze is of je het specificeert.

Door de richtlijnen uit de officiële promptgids te combineren met wat resellerdocumentatie en reviewers melden dat daadwerkelijk werkt:

• Dialoog is het moeilijkste om te vragen. Beperk gesproken zinnen tot één of twee per vijf seconden clip. Te lange zinnen leiden tot gehaaste uitspraak, audio die voorbij het laatste frame doorloopt, of geforceerde lip-sync — consequent gerapporteerd door alle beoordelaars.

• Beschrijf de spreker vóór de regel, en de voordracht erbij. Leeftijd, geslacht, timbre en accent bij de eerste verschijning volgens de officiële gids; eenvoudige, directe voordrachtsnotities (helder, warm, vlak) in plaats van uitgebreide regieaanwijzingen, die de synchronisatie naar verluidt verslechteren.

• Bind elk effect aan een zichtbare gebeurtenis. "Een kurkplop precies wanneer de kurk vliegt" in plaats van "geluid: een plop". De woorden als, wanneer en dan zijn wat de synchronisatie dragen.

• Beschrijf muziek kort op genre, tempo, sfeer en instrumentatie — nooit op artiest of nummer. Voeg "zonder zang" toe wanneer het beeld de leiding moet hebben; het is een gedocumenteerde manier om de mix schoon te houden.

• Breng sfeer aan in één zin. Regen op glas, een zacht gemurmel van gesprekken, het af en toe rinkelen van kopjes, zachte achtergrondjazz — gestapeld in één zin in plaats van opgesomd.

• Herhaal geen dialoog in de geluidslandschap-sectie. Een expliciet verbod in de officiële gids; de secties zijn bedoeld om los van elkaar te staan, en een regel daar herhalen is een manier om hem twee keer te krijgen.

• Als een woord leesbaar op het scherm moet zijn, typ het woord dan tussen aanhalingstekens. Recensenten melden dat gespecificeerde strings netjes worden weergegeven, terwijl vage verzoeken ("HUD elements", "a sign") terugkomen als letterachtige ruis.

Waar de audio oprecht uitblinkt, volgens meerdere recensenten, is concreet fysiek geluid — foley en effecten gekoppeld aan iets zichtbaars — en sfeer. Het is zwakker bij abstracte of atmosferische verzoeken. Scènes met meerdere sprekers vereisen vaak bewerking om de volgorde van de sprekers goed te krijgen, en de uitspraakkwaliteit varieert per taal, dus test je doeltaal op een wegwerpclip voordat je een project eraan toevertrouwt. Meerdere recensenten merken ook het eerlijke plafond op: het geluid is goed genoeg voor sociale distributie en over het algemeen niet goed genoeg om als broadcast- of betaalde advertentiemix op te leveren zonder vervanging. Niets daarvan is leveranciersadvies; het is wat beoefenaars rapporteren.

Referenties: geef elk bestand een taak

Het referentiesysteem van H3 is de sterkste onderscheidende factor en de plek waar de meeste instelfouten worden gemaakt. De gedocumenteerde limieten, uit de platform-API-documentatie: tot 9 afbeeldingen, 3 videoclips en 3 audioclips, beperkt tot 12 bestanden in totaal, waarbij elke referentievideo of -audio tussen de 2 en 15 seconden duurt en het totaal daarvan niet meer dan 15 seconden bedraagt. Voor referentie-naar-video is ten minste één afbeelding of video vereist; alleen audio wordt niet geaccepteerd.

De techniek waar zowel de officiële referentiegids als community-rapporten op wijzen, is om elke invoer te taggen en een taak toe te wijzen. Verwijs per tag in de exacte volgorde waarin de bestanden waren bijgevoegd — <Picture 1>, <Video 1>, <Audio 1> — en vermeld daarna in de prompt welke referentie welke eigenschap bepaalt: identiteit, stijl, beweging, camera of stem. De officiële voorbeeldprompts beginnen exact op deze manier, met de verklaring dat afbeelding één de referentie is voor de algemene sfeer en stijl, en afbeelding twee het hoofdpersonage. Beoefenaars melden dat expliciete toewijzing aanzienlijk beter werkt dan negen afbeeldingen neer te gooien en te hopen.

Twee details die mensen renders kosten:

• <Picture 1> is geen moodboard — het is het letterlijke eerste frame op 0.000 seconden, en het hoort bij [Shot 1]. Beschrijf wat erin te zien is (stijl, onderwerpen, compositie, scène-ankers) voordat je de actie beschrijft die erop volgt. Behandel het als een stilstaand beeld dat je animeert, niet als een hint.

• Er zijn twee afzonderlijke checkpoints, en als je de verkeerde gebruikt, faalt het stil. fl2va verwerkt tekst-naar-video en eerste/laatste-frame werk; ref2va verwerkt referentie-naar-video. Dit is de meest gerapporteerde ComfyUI-fout: de R2V-grafiek draait terwijl het FL2VA-model nog is geselecteerd. Het is ook goed om te weten dat een commentator op de ComfyUI-aankondiging erop wijst dat de meegeleverde R2V-sjabloon slechts twee beeldreferentiesleuven toont, ook al accepteert het model negen — een beperking van de sjabloon, niet van het model.

Aan de hosted-kant, nog twee praktijknotities uit de reseller-documentatie: de ratio parameter is vereist op ref2va-endpoints en kan niet op "adaptive" blijven staan, en overlappende taken retourneren een 429 vanwege taakconcurrency in plaats van in de wachtrij te worden geplaatst — dus verwerk ze sequentieel, of bouw je eigen wachtrij. Lokaal, ref_image_size is standaard ingesteld op match, wat sneller is; max behoudt tot een korte zijde van 2048 pixels op de referentie en kost tijd.

Wat een lokale run daadwerkelijk kost in kloktijd

Het downloaden van de volledige officiële repository is 498 GB, en de ComfyUI-herverpakte mirror is 343 GB. Je hebt geen van beide volledig nodig. De vier bestanden die ComfyUI's eigen tutorial vermeldt voor text-to-video en image-to-video komen op ongeveer 42,5 GB:

• Diffusiemodel — minimax_h3_fl2va_pruned_int8_convrot.safetensors, 20,97 GB, naar models/diffusion_models.

• Tekstencoder — qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors, 15,69 GB, naar models/text_encoders.

• Video VAE — minimax_h3_video_vae_fp16.safetensors, 5,21 GB, in models/vae.

• Audio VAE — minimax_h3_audio_vae_fp32.safetensors, 0.61 GB, ook in models/vae.

• Toegevoegd voor referentie-naar-video — minimax_h3_ref2va_pruned_int8_convrot.safetensors, nog eens 20,97 GB.

Die 42,5 GB is geen VRAM-getal — het is schijfruimte, en de onderdelen worden gestreamd en geoffload. Dat het model überhaupt op consumentenkaarten past, komt door een technische truc die ComfyUI heeft gedocumenteerd: ruwweg 40% van de parameters bevindt zich in AdaLN-modulatietakken waarvan de outputs vooraf kunnen worden berekend en vervangen door functioneel gelijkwaardige opzoektabellen; daarmee gaat het geladen model van 33,12B naar ongeveer 20,11B, zonder kwaliteitsverlies volgens ComfyUI. Volledige precisie zou 123,6 GB zijn. Er bestaan ongeprunte int8-checkpoints (34,04 GB per stuk) en bf16-versies (66,28 GB per stuk) voor wie wil fine-tunen of de laatste paar procent nauwkeurigheid najaagt.

ComfyUI 0.30.0 of nieuwer is vereist, en het wordt geleverd met drie sjablonen: T2V, I2V en R2V. De basislijn waar elke gids en onderhouder op uitkomt voor een eerste run is bewust klein: 16:9 op 0,4 MP (864×480), 5 seconden, 20 stappen, res_multistep-sampler met de simple scheduler, denoise 1.0, batch 1. Zorg dat je één MP4 krijgt met zowel video als stereo-audio voordat je de resolutie of lengte aanraakt. Een rekenkundige eigenaardigheid om te verwachten: de duur wordt afgerond op een grid van 17k+5 frames, dus een verzoek van 5 seconden wordt 124 frames — ongeveer 5,17 seconden bij 24 fps — en een van 10 seconden belandt op 243 frames, oftewel 10,125 seconden. Verzoeken in het bereik van 5–15 seconden vormen de veiligere zone.

Wat dat in werkelijke tijd kost, volgens community-rapporten (allemaal losse runs, ongecontroleerd, met verschillende instellingen — de grafiek hierboven toont elke configuratie naast zijn balk): een RTX 3060 met 12 GB, 32 GB systeem-RAM en een snelle NVMe voltooide de baseline van 864×480 / 124 frames / 20 stappen in minder dan negen minuten met dynamische offload. Een RTX 4090-laptop met 16 GB en SageAttention ingeschakeld deed 960×540, 5 seconden, 20 stappen in 182 seconden. Een NVFP4-build op een enkele RTX 5090 produceerde een clip van 243 frames (10,1 s) op 864×480 met 10 stappen in 175 seconden, met een piek van 26,9 GiB VRAM en slechts 31,7 GB aan bestanden op schijf. SGLang's eigen cookbook-referentie — 1344×768, 124 frames, 50 stappen verspreid over twee RTX 5090's met layerwise offload — duurde 559,67 seconden. En het Apple Silicon-traject, via de onofficiële MLX-port, kostte iets minder dan 45 minuten voor één clip.

Praktische notities gedistilleerd uit die rapporten:

• Systeem-RAM en schijfsnelheid zijn essentieel, niet optioneel. Op een 12 GB-kaart overschrijden de geselecteerde bestanden het VRAM doelbewust, dus het offloadpad loopt via het RAM en vervolgens naar de SSD. 32 GB RAM komt voor in beide succesvolle low-VRAM-rapporten. Er bestaat geen geverifieerd 8 GB-resultaat.

• SageAttention is de enige gratis versnelling — ruwweg 2× per ComfyUI, minder als je run wordt gedomineerd door offload-verkeer. Installeer het wheel dat overeenkomt met je exacte PyTorch- en CUDA-build plus ComfyUI-KJNodes, en plaats dan Patch Sage Attention KJ tussen de UNET-loader en de guider en zet het op auto. Verwacht waarschuwingen dat sommige H3-lagen niet FP16/BF16 zijn; die fallback is gedocumenteerd en normaal.

• Stappen zijn onderhandelbaar. De 5090-benchmark draaide met 10 en de ComfyUI-baseline met 20, terwijl de SGLang-referentieconfiguratie 50 gebruikt. Niemand heeft een kwaliteit-per-stap-curve gepubliceerd, dus bepaal zelf je ondergrens voordat je aanneemt dat je 50 nodig hebt.

• Verander bij OOM één variabele tegelijk. De gedocumenteerde herstelprocedure is om terug te vallen op 0.4 MP, 5 seconden, batch 1, en per poging één knop te verstellen.

• Stille audio betekent dat de audio-VAE niet op de video-uitvoernode is aangesloten. Een duidelijk andere fout dan slechte audio, en gemakkelijk te verwarren met het model dat weigert geluid te genereren.

• Apple Silicon is niet officieel. Willisons route was PipeNetwork/minimax-h3-mlx, een community-port, uitgevoerd via uv tegen een MLX-requirementsbestand. De eigen documentatie van het bedrijf noemt SGLang, vLLM, Diffusers en ComfyUI, met een typische implementatie van vier GPU's in BF16, en zegt niets over Metal of MPS. Beschouw Mac-ondersteuning als community-onderhouden.

Lokaal versus gehost, met de cijfers

Omdat de 2K-module en de prompt-preprocessor uitsluitend gehost worden, is dit niet echt een of/of-kwestie. Het patroon waar de architectuur je naartoe duwt is: lokaal itereren op 768p, waar elke poging elektriciteit en drie minuten kost, en dan het eindresultaat kopen. Een prijs per seconde is prima voor de take die je bewaart, maar rampzalig voor de veertig die je weggooit.

Wat de prijs betreft, wees voorzichtig, want die varieert ongeveer 2× naargelang van wie je koopt en de eigen blogpost van de leverancier vermeldt geen dollarbedrag — alleen dat 2K op minder dan een derde van de prijs van reguliere modellen uitkomt en 768p op minder dan de helft van de prijs van de 720p van concurrenten. Wat concreet gepubliceerd is: fal, momenteel de enige inference-provider die op de Hugging Face-repo staat, rekent $0.16 per seconde bij 768p en $0.26 per seconde bij 2K. Secundaire trackers melden dat de eigen catalogusprijs van het bedrijf aanzienlijk lager ligt — rond $0.09–$0.10 per seconde bij 768p en $0.13–$0.14 per seconde bij 2K — en ze zijn het niet tot op de cent met elkaar eens, dus beschouw die als indicatief en raadpleeg de prijspagina van het platform voordat je een budget opstelt. Houd er ook rekening mee dat een referentievideo wordt gefactureerd op basis van de eigen duur én de gegenereerde output.

Reken het door met een concreet getal. Honderd keeperclips van elk acht seconden is 800 gegenereerde seconden: ongeveer $112 tegen een 2K-tarief van $0,14, ruwweg $208 tegen fal's $0,26, en rond de $76 als je levert in 768p tegen de lage catalogusprijs. De veertig afgekeurde clips per keeperclip bepalen de rekening, en die moet je lokaal genereren. Dit is ook de reden om de prijs waarmee je vergelijkt eerlijk te houden — op OrcaRouter wordt de tekstkant van die pijplijn doorgegeven tegen de providerlijstprijs met 0% opslag, dus wanneer een leverancier een prijs verlaagt, is die dezelfde dag live in plaats van na een herberekening van de marge. Videogeneratie is, nogmaals, niet van ons; het punt is alleen dat de compilatiestap niet de factuurregel mag zijn waar je over na moet denken.

Lees de licentie voordat je een product hierop bouwt

Dit is het onderdeel dat de meeste "hoe te gebruiken"-handleidingen overslaan, en voor veel lezers is het het enige onderdeel dat een beslissing doet veranderen. We lezen het LICENSE-bestand rechtstreeks in de repository. De gewichten worden verspreid onder de H3 Community License Agreement, geen open-sourcelicentie, en deze bevat voorwaarden die ongewoon genoeg zijn om ze inhoudelijk te citeren:

• Grondgebied. De licentie definieert het "toepasselijke grondgebied" als wereldwijd uitgezonderd de Europese Unie, het Verenigd Koninkrijk, de Republiek Korea en de Verenigde Staten van Amerika. Simpel gezegd sluit dat een groot deel uit van de mensen die momenteel resultaten van lokale generatie plaatsen — en de beperking is zo geschreven dat ze de outputs bestrijkt, niet alleen de gewichten.

• Naamsvermelding. Commercieel gebruik vereist het weergeven van "H3" op de interface van het product; de licentie moedigt ook een "Powered by H3"-kennisgeving aan.

• Omzetdrempel. Organisaties die meer dan $20 miljoen per jaar verdienen met producten of diensten die erop zijn gebouwd, moeten afzonderlijke schriftelijke toestemming van het bedrijf verkrijgen.

• Geen distillatie. U mag H3 of de outputs ervan niet gebruiken om enig ander AI-model te verbeteren, behalve H3-derivaten. Dat sluit de standaard synthetic-data-aanpak uit.

• Toepasselijk recht. Hongkong SAR, met exclusieve rechtsmacht bij de rechtbanken van Hongkong.

• Eén werkelijk open component. De tekstencoder van Qwen3-VL-32B is Apache 2.0; de bovenstaande beperkingen zijn van toepassing op de H3-gewichten.

Wij zijn niet jouw advocaten en dit is geen juridisch advies — lees de licentie en het Q&A-document dat het bedrijf ernaast levert, en als je commercieel bouwt in een uitgesloten territorium, schakel dan een advocaat in in plaats van af te gaan op een blog. De praktische keuze: de gehoste API is een aparte transactie met andere voorwaarden dan de communitylicentie op de gewichten, dus als de lokale licentie niet voor je werkt, is de API-route mogelijk nog steeds beschikbaar. Controleer de voorwaarden van het platform waar je koopt.

Een testplan voor de eerste week

Vijf runs, in deze volgorde, is genoeg om te weten of H3 in je pipeline thuishoort:

• Run 1 — bewijs de leidingen. T2V-sjabloon, 864×480, 5 seconden, 20 stappen, res_multistep/simple. Succescriterium is een MP4 met stereo-audio, niet een goede clip.

• Run 2 — bewijs dat het formaat ertoe doet. Hetzelfde onderwerp twee keer: eenmaal als losse eenregelige beschrijving, eenmaal geschreven als [Shot 1] plus overall_soundscape plus non_diegetic_music. Als de tweede niet duidelijk beter is dan H3-Base, klopt er iets niet aan je opstelling.

• Run 3 — één dialoogregel. Eén spreker, één zin, omschreven voordracht, vijf seconden. Dit is de snelste manier om te beoordelen of de audio goed genoeg is voor jouw gebruik en hoe jouw doeltaal wordt uitgesproken.

• Run 4 — referentiediscipline. R2V met de ref2va checkpoint, twee of drie referenties, elk expliciet getagd en van een taak voorzien, met <Picture 1> beschreven als het eigenlijke eerste frame. Breek het vervolgens opzettelijk: koppel dezelfde referenties zonder toewijzingen en vergelijk.

• Run 5 — de finish. Neem je beste lokale 768p-prompt naar de gehoste API op 2K en kijk wat Context-IR en de regeneratiepass toevoegen. Dat verschil is wat de prijs per seconde koopt, en het is de enige manier om de hybride workflow eerlijk te prijzen.

Veelgestelde vragen

Kan ik 2K uit de lokale gewichten halen?

Nee. Het open pakket is H3-Base, waarvan het native canvas een korte zijde van 768 pixels heeft (tot 768×1344). 2K komt van H3-Regenerate-2K, een aparte in-context regeneratiemodule die het bedrijf op de gehoste API heeft gehouden. Je kunt lokaal opschalen met elke algemene upscaler, maar dat is een andere bewerking dan de eigen regeneratiepass van H3 en zal er niet mee overeenkomen.

Waarom gedraagt dezelfde prompt zich anders op de API en in ComfyUI?

Omdat de API eerst H3-Context-IR uitvoert. Het leest je tekst en je referenties, beredeneert hoe ze zich tot elkaar verhouden, en geeft H3-Base een gestructureerde, verrijkte instructie. Lokaal is er geen dergelijke fase — H3-Base krijgt je ruwe woorden. Een vage prompt die via de API een degelijke clip oplevert, wordt gered door een voorverwerker die je niet hebt geïnstalleerd. Daarom doet het gedocumenteerde promptformaat er voor lokale gebruikers veel meer toe dan voor API-gebruikers.

Is het [0s-2s] tijdcode-sjabloon fout?

Het is niet wat de meegeleverde gids voorschrijft. Het VIDEO_PROMPT_WRITING_GUIDE_base_en.md van het bedrijf organiseert in [Shot N]-blokken, geeft Shot 1 geen tijdstempel en drukt latere cuts uit als absolute tijden ("Om 00:03.500 snijdt de camera naar…"). Het bevat ook geen negatieve-prompt-sectie, dus de lijst met "verboden overgangen" in de populaire template is een community-toevoeging. Dat gezegd zijnde, melden gebruikers goede API-resultaten met de tijdcode-vorm — vermoedelijk omdat Context-IR het normaliseert. Onze lezing: gebruik de gedocumenteerde opmaak met lokale gewichten, en ken de tijdcode-haakjes niet de eer toe voor API-resultaten die de preprocessor mogelijk heeft verdiend.

Kan een bedrijf in de VS of de EU de open weights commercieel gebruiken?

De licentietekst die we hebben gelezen, sluit de EU, het Verenigd Koninkrijk, Zuid-Korea en de VS uit van het toepasselijke grondgebied, en de uitsluiting geldt zowel voor outputs als voor gewichten. Dat vormt een ernstig obstakel voor commerciële inzet in die regio's, en het is eerder een juridische dan een technische kwestie — lees zelf de licentie en het Q&A-bestand en laat u adviseren. De gehoste API valt onder de eigen voorwaarden van het platform, niet onder de communitylicentie, dus het is de moeite waard om die apart te beoordelen in plaats van aan te nemen dat die even beperkt is.

Wat te controleren voordat je commit

H3 is ongewoon goede waar voor een specifieke vorm van werk: korte, geluidsontworpen, referentie-consistente clips waarvoor je bereid bent een echte shotlijst te schrijven. Het is ongewoon veeleisend over hoe je vraagt. De drie dingen die de moeite waard zijn om zelf te verifiëren, omdat zij het snelst veranderen: of er naast fal meer inferentieproviders verschijnen (wat de prijs per seconde zal verlagen), of de ComfyUI R2V-sjabloon groeit van twee referentieslots naar de negen van het model, en of de timecode-gewoonte van de community of het gedocumenteerde shot-blockformaat wint zodra iemand een gecontroleerde vergelijking met lokale gewichten uitvoert. Nog niemand heeft die vergelijking gepubliceerd. Totdat ze dat doen, is de handleiding in de repository de betere gok — en die zit in dezelfde download waar je al 42 GB aan hebt besteed.