Нейросеть MiniMax — на самом деле целая линейка моделей китайской компании MiniMax, которая с 2021 года работает в Шанхае. На сайте их восемь: видео H3 и две версии Hailuo, картинки H3 Image, три версии озвучки Speech и Music 3.0 для песен. Задания для роликов и картинок, текст озвучки и слова песни мы писали по-русски, и переводить ничего не пришлось.
Для сравнения мы сделали в Nano Banana 2 кадр с выдуманной героиней: вечерняя улица, жёлтый дождевик, закрытый прозрачный зонт в руке. Этот кадр получили все четыре нейросети с одним заданием.

Женщина раскрывает прозрачный зонт над головой, улыбается и идёт по мокрому тротуару навстречу камере. Камера плавно отъезжает назад. Дождь усиливается, капли стучат по зонту, неон отражается в лужах.
MiniMax H3 · 2K, 5 с, со звуком · от 2 ₽/сек.
Hailuo 2.3 · модель «Про», 1080p, 6 с · от 30 ₽
Hailuo 2.3 · модель «Стандарт», 768p, 6 с · от 30 ₽
Hailuo 02 · модель «Pro», 1080p, 6 с · от 12 ₽
У H3 мы поставили самую короткую длительность, 5 секунд: она берёт плату за каждую секунду, а для сравнения движения секунды разницы хватает. Снимали в 2K: в сентябре 2026 года других разрешений у неё ещё не было. Лучше всех справилась она: зонт раскрылся без искажений, дождевик остался тем же, с капюшоном, и в ролике слышен шум дождя, который нейросеть сделала сама. Обе модели Hailuo 2.3 на секунду закрыли лицо зонтом, а в «Про» под дождевиком вместо светлой кофты появилось чёрное платье. Hailuo 02 справилась хуже всех: зонт при раскрытии «поплыл», дождевик превратился в пальто на пуговицах. Вывеску «Кафе у Светы» с исходника сохранили все четыре. Быстрее всех ответила Hailuo 2.3 в модели «Стандарт», чуть больше чем за минуту, а H3 думала шесть с половиной минут.
MiniMax H3 вышла 31 июля 2026 года и стала самой новой видеомоделью MiniMax. Ролик длится от 5 до 15 секунд, и платите вы за каждую секунду. Первым в форме стоит поле Режим. В «Дешёвом» (он выбран сразу) H3 снимает только в 16:9 или 9:16, в 480p, 768P или 1080p (в 1080p не длиннее 10 секунд) и готовит ролик дольше. В «Обычном» есть две модели: H3 снимает в 768P или 2K (это больше 1080p, но меньше 4K), старшая H3 Max в 480p, 768P или 1080p, а пропорций шесть, от 21:9 до 9:16. В поле Тип генерации три варианта: видео из текста, видео из изображения и видео по референсам. В «Обычном» ролик из изображения берёт пропорции кадра, а галочкой Конечный кадр можно задать ещё и последний кадр. Референсами называют образцы, на которые нейросеть опирается: до 9 картинок и 3 аудио, а в «Обычном» ещё и до 3 видео. Секунды референс-видео оплачиваются так же, как секунды ролика, а одно аудио без картинки или видео не сработает.
Разработчик отдельно хвалит, как H3 пишет текст в кадре. Мы проверили это на русских надписях:
Раннее утро, маленькая кофейня на углу. Бариста в зелёном фартуке переворачивает табличку на стеклянной двери стороной с надписью «ОТКРЫТО» и улыбается. Над дверью звенит колокольчик, за окном проезжает трамвай. Над входом вывеска «КОФЕ У МОСТА». Тёплый свет, камера медленно приближается.
MiniMax H3 · Видео из текста, 16:9, 2K, 5 с · от 2 ₽/сек.
Обе надписи вышли без единой ошибки с первой попытки, трамвай проехал, а колокольчик слышен в самом начале. Ролик делался почти четыре минуты.
До H3 компания выпускала видеонейросети Hailuo. Hailuo 2.3 (октябрь 2025 года) делает только видео из изображений, в моделях «Стандарт» и «Про». Обе снимают 6 или 10 секунд в 768p либо 6 секунд в 1080p. Hailuo 02 умеет и видео из текста, и видео из картинки, в том числе с конечным кадром, то есть переход между двумя кадрами. В модели «Standard» она снимает 6 или 10 секунд в 512p или 768p, в модели «Pro» — 6 секунд в 1080p. Из двух Hailuo дешевле ролик из фото у Hailuo 02 в модели «Standard» и 512p, а самый дешёвый короткий ролик во всей линейке с октября 2026 года снимает H3 в режиме «Дешёвый».
Из всей линейки картинки рисует только MiniMax H3 Image. Компания выпустила её в ноябре 2026 года с открытыми весами (модель можно скачать и запустить у себя) и построила на H3, но задачи у моделей разные: H3 снимает видео, а H3 Image работает с картинками. Она создаёт картинку по описанию, правит загруженную и собирает одну сцену из нескольких файлов. В поле Изображения можно загрузить до 16 штук в JPG, PNG, WebP, HEIC или HEIF, а в задании сослаться на них по номеру: @image1, @image2 и так далее.
Разрешение на выбор: 1K, 2K или 4K (квадрат в 4K выходит 4096×4096 пикселей). Пропорций 15. При варианте «Авто» с загруженными файлами нейросеть подберёт пропорцию сама, а без файлов получится квадрат. Картинку отдаёт в PNG, JPEG или WebP, по одной за запуск. Цена зависит от разрешения и числа загруженных файлов, её видно в таблице ниже.
Больше всего нам хотелось проверить сборку сцены. Мы загрузили три файла: портрет выдуманной женщины, рюкзак и панораму с домами и горами.
Женщина с @image1 стоит на каменной набережной с @image3 и смотрит на горы, на одном плече у неё рюкзак с @image2. Она в том же бежевом свитере, поверх лёгкая куртка. Сохрани лицо и причёску женщины, форму, цвет и ремешки рюкзака, дома и горы с панорамы. Утренний розовый свет, кадр в полный рост.
MiniMax H3 Image · 2K, 3:4, JPEG · от 3 ₽
Лицо и рюкзак узнаются сразу, а вот фон с панорамы нейросеть не перенесла: дома и горы она нарисовала заново. Ещё мы попросили меню кафе и баннер с русскими надписями. В меню ошибок не было, а в баннере проскочила опечатка, так что надписи перед печатью стоит перечитать. На каждую картинку уходило 25–35 секунд. С другими нейросетями для картинок H3 Image можно сравнить в разделах «Создание изображений» и «Редактирование изображений».
Голоса, эмоции и языки у трёх версий общие. Как Speech 2.8 звучит рядом с другими нейросетями, слышно в разделе «Озвучка текста», а здесь сравним версии между собой: мы дали всем трём одну фразу с числами и именем, голос Марина, модель «HD»:
Автобус номер сорок два опять ушёл без меня. Ну вот скажите, Андрей Петрович, как можно приезжать на остановку в 7:15, если по расписанию он в 7:20? Ладно. Пойду пешком, тут всего три километра. Зато успею купить кофе.
MiniMax Speech 2.8 · голос Марина, HD · от 10 ₽ за 1000 символов
MiniMax Speech 2.6 · голос Марина, HD · от 10 ₽ за 1000 символов
MiniMax Speech 2.5 · голос Марина, HD · от 8 ₽ за 1000 символов
Записи мы прогнали через распознавание речи. Время «7:15» и «7:20», а ещё «три километра» все три версии прочитали правильно, только у 2.5 распознавание услышало «но» вместо «ну». Разница в подаче небольшая: 2.6 читает быстрее (15 секунд против 16,6 у 2.8), а у 2.8 голос звучит чуть ниже. Каждая запись была готова меньше чем за 20 секунд.
Главное отличие MiniMax Speech 2.8 в тегах звуков. Тег — это слово в скобках прямо в тексте: (laughs) смех, (chuckle) смешок, (sighs) вздох, (breath) вдох, (coughs) кашель, (gasps) ахнуть. Паузу пишут так: <#0.8#>, это 0,8 секунды. У 2.6 и 2.5 тегов звуков нет. Вот 2.8 с эмоцией «Радость»:
(laughs) Слушай, ты не поверишь! Я вчера перепутала сахар с солью и испекла самый солёный торт в мире. (chuckle) И что ты думаешь? Гости ели и хвалили. <#0.8#> А потом Лёша попросил рецепт. (sighs) Пришлось признаться.
MiniMax Speech 2.8 · голос Марина, HD, эмоция «Радость» · от 10 ₽ за 1000 символов
Теги не прозвучали словами: распознавание записало смех в начале как «ха-ха». Цены MiniMax Speech 2.6 и MiniMax Speech 2.5 — в таблице ниже. Во всех трёх есть режим Клонировать голос (подробно — в вопросах ниже).
MiniMax Music 3.0 поёт ваш текст с аранжировкой. В поле Задание пишут стиль (жанр, голос, инструменты, темп), в поле Текст песни — слова, без текста песню не запустить. Пустая строка в тексте даёт паузу, а в ##…## описывают аккомпанемент, например проигрыш без слов. Длину песни задать нельзя: в наших пробах нейросеть пела написанное один раз, без повторов, поэтому припев мы вписали в текст дважды.
[Intro]
##синтезаторы, шум дождя##
[Verse]
Жёлтый плащ и мокрый тротуар,
Город светит в лужах, как бульвар.
Ты раскрыла зонт над головой,
И трамвай уходит на восьмой.
[Chorus]
Дождь, дождь, не спеши домой,
Мы с тобой танцуем под водой.
Неон горит, и ночь длинна,
Нам этот дождь, как музыка, нужна.
[Verse]
Кафе закрыто, свет погас в окне,
Но это всё неважно мне.
Ты смеёшься, капли на щеке,
И город тонет в этой реке.
[Chorus]
Дождь, дождь, не спеши домой,
Мы с тобой танцуем под водой.
Неон горит, и ночь длинна,
Нам этот дождь, как музыка, нужна.
Задание: synth-pop, male vocal singing in Russian, 80s drum machine, warm analog bass, bright synth lead, 112 BPM, nostalgic night city mood, catchy chorus
MiniMax Music 3.0 · 256 кбит/с, 44,1 кГц · 25 ₽
Песня вышла на 1 минуту 57 секунд, меньше чем через две минуты после запуска, и распознавание речи нашло в ней оба куплета и оба припева. Битрейт и Частоту дискретизации оставьте максимальными: цена от них не зависит. Как Music 3.0 поёт рядом с Suno и другими, слышно в сравнении раздела «Музыка», а как написать текст песни, рассказано в инструкции как создать песню нейросетью.
Цены обновляются сами. На все примеры этой статьи у нас ушло около 385 ₽.
| Нейросеть | Цена | Что делает | Чем выделяется |
|---|---|---|---|
| MiniMax H3 | от 2 ₽/сек. | видео из текста, картинки и референсов | 480p–2K, 5–15 с, звук, режим «Дешёвый» |
| Hailuo 2.3 | от 30 ₽ | видео из картинки | 1080p уже в модели «Стандарт» |
| Hailuo 02 | от 12 ₽ | видео из текста и картинки | конечный кадр, от 512p |
| MiniMax H3 Image | от 3 ₽ | картинки по тексту, правка, сцена из файлов | до 16 файлов, 1K–4K |
| MiniMax Speech 2.8 | от 10 ₽ за 1000 символов | озвучка и клон голоса | теги смеха и вздохов |
| MiniMax Speech 2.6 | от 10 ₽ за 1000 символов | озвучка и клон голоса | читает быстрее, без тегов |
| MiniMax Speech 2.5 | от 8 ₽ за 1000 символов | озвучка и клон голоса | самая дешёвая в модели «Turbo» |
| MiniMax Music 3.0 | 25 ₽ | песня со словами | поёт по-русски, 44,1 кГц |
Статья обновлена 11 ноября 2026 г.