MiniMax H3 สร้างคลิปโดยอิงจากภาพอ้างอิงที่คุณให้ — สูงสุดเก้าคนหรือวัตถุที่ต้องคงไว้ — และสร้างเสียงไปพร้อมกับภาพ โดยทำงานบน Reelfo ผ่านการเรียก API ที่มีการจัดการให้ โดยไม่ต้องติดตั้งอะไร สำหรับความยาว 5, 10 หรือ 15 วินาที
โมเดลH3 เป็นโมเดลจากภาพอ้างอิงเป็นวิดีโอ: คุณส่งภาพคนและวัตถุที่คลิปต้องคงไว้ให้ได้สูงสุดเก้าภาพ แล้วโมเดลจะสร้างช็อตโดยอิงจากสิ่งเหล่านั้น นั่นคือข้อมูลที่นักแสดงชุดหนึ่งต้องใช้ เพื่อให้คนเดิมปรากฏได้ทั้งในช็อตที่หนึ่งและช็อตที่หก
ออกแบบมาสำหรับฉากที่มีตัวแบบมากกว่าหนึ่ง โดยแต่ละตัวแบบยึดตามภาพอ้างอิงของตัวเอง แทนที่จะมีตัวเอกหนึ่งคนและฝูงชนที่เบลอ
คลิปมาพร้อมแทร็กเสียงของตัวเอง ซึ่งสร้างขึ้นพร้อมกับภาพ Reelfo ขอสิ่งนี้เป็นค่าเริ่มต้น และโมเดลไม่มีโหมดไม่มีเสียง