Télécharger les poids H3 ne donne pas le H3 que vous voyez

Les poids de MiniMax H3 sont sur Hugging Face et le téléchargement n’est pas verrouillé. C’est réel, et c’est inhabituel pour un modèle vidéo de ce niveau. C’est aussi régulièrement rapporté comme « H3 est open source », ce qui prépare une déception bien précise : vous tirez 42 Go dans ComfyUI, vous lancez le flux officiel, et le résultat ne ressemble pas aux clips qui vous avaient donné envie du modèle.

Votre installation n’a rien d’anormal. Vous avez un tiers d’un système.

La forme de la chose

H3, en tant que service, fonctionne en trois étages :

votre entrée (texte / images / vidéo / audio)
        ↓
① H3-Context-IR      hébergé, fermé
        ↓
② H3-Base            poids ouverts  ← c'est cela que vous avez téléchargé
        ↓
③ H3-Regenerate-2K   hébergé, fermé
        ↓
   le fichier 2K

L’étage ② est le générateur. Il est réellement ouvert, il produit réellement de la vidéo avec un audio stéréo synchronisé, et c’est la partie difficile du problème. C’est aussi le seul étage que vous obtenez.

① Context-IR est la partie qui lit correctement votre prompt

Context-IR prend tout ce que vous lui avez donné — une phrase, neuf images de référence, trois extraits vidéo, un échantillon audio — et le réécrit en une représentation intermédiaire structurée que le générateur consomme. Il résout les instructions d’une modalité à l’autre, établit l’ordre temporel, et complète la sémantique que vous avez laissée de côté.

Ce qui en sort n’est pas une version rangée de votre phrase. C’est un document au niveau du plan, avec des champs :

• integrated_multimodal_description — description visuelle plan par plan, avec des minutages comme At 00:04,500
• overall_soundscape — ambiance et bruitage
• non_diegetic_music — la musique, s’il y en a

Les travaux avec référence reçoivent trois champs de plus, dont une analyse de rétention par élément qui dit avec quelle rigueur chaque référence doit être tenue.

Le nombre de tokens dans les exemples officiels montre à quel point cet étage écrit à votre place : environ 8 600 tokens pour un travail texte vers vidéo, à peu près 22 800 pour une animation de photo, et autour de 39 300 pour un travail avec référence. Voilà le document que devient votre prompt d’une ligne avant que le générateur ne voie quoi que ce soit.

Faites tourner les poids ouverts et rien de tout cela n’arrive. Votre phrase entre telle quelle. Le modèle est le même ; le brief fait une fraction de la taille.

La documentation de MiniMax est explicite sur les deux sorties possibles : appeler l’API Context-IR, ou bâtir votre propre couche de contexte en suivant le guide de rédaction publié. Il n’y a pas de troisième option où la phrase suffit.

③ Regenerate-2K n’est pas un agrandisseur

C’est la partie qu’il vaut le plus la peine de comprendre, parce que le nom suggère autre chose que ce que c’est.

Un agrandisseur classique reçoit une image finie en 768p et déduit ce que les pixels manquants devraient être. Il n’a rien d’autre pour travailler, donc le détail fin — petits textes, visages lointains, texture — est inventé.

Regenerate-2K renvoie le résultat 768p plus le contexte multimodal d’origine dans H3 et génère à nouveau, en 2K. Il a toujours votre prompt et votre matériel de référence, donc un détail trop petit pour être résolu en 768p peut être reconstruit à partir de ce qu’il était censé être plutôt que deviné à partir de ce qu’il est devenu.

C’est pour cela qu’il est facturé comme de la génération ($0.05 la seconde produite, les éléments sources étant refacturés) et non comme du post-traitement, et c’est pour cela que « j’agrandirai en local » n’est pas le même échange.

Ce que cela veut dire selon ce que vous faites

Il y a dans la deuxième ligne un pli facile à manquer. Depuis ComfyUI 0.33.1, il existe des nœuds partenaires pour Context-IR et Regenerate-2K, donc un graphe sur votre machine peut atteindre le 2K. Ces nœuds tournent sur les serveurs de MiniMax. Un pipeline local qui se termine en 2K envoie votre résultat 768p et votre matériel source hors de la machine, ce qui sape la principale raison pour laquelle on s’auto-héberge.

« Poids ouverts », pas « open source »

La distinction n’est pas du pédantisme ici, et c’est la licence qui mord.

La MiniMax H3 Community License limite l’usage à un « Territoire d’application » qui exclut l’Union européenne, le Royaume-Uni, la République de Corée et les États-Unis. La restriction est écrite dans la première phrase de l’accord, pas dans une annexe — et elle s’étend aux productions, donc un clip généré dans un lieu autorisé et publié dans un lieu exclu est lui aussi hors de la concession.

Deux choses sont largement mal rapportées à ce sujet :

1. L’accord est rattaché au dépôt Hugging Face. Il régit le checkpoint. Quelqu’un qui n’a jamais téléchargé les poids et n’a jamais fait qu’appeler l’API hébergée n’y est pas entré — sa relation passe par les conditions du service. L’API hébergée est documentée comme disponible dans le monde entier.
2. Les régions exclues ont une voie formelle. MiniMax y invite les demandes de licence et présente la restriction comme une prudence réglementaire plutôt qu’une politique : « La limitation actuelle signifie “pas encore”, pas “jamais”. »

Mesurée à l’aune de l’Open Source Definition, la licence manque deux critères : discrimination envers des personnes ou des groupes, et envers des domaines d’activité. Les poids sont ouverts. La licence n’est pas une licence libre. L’étiquette que Hugging Face lui donne est other, donc l’éditeur ne prétend pas le contraire non plus.

Ceci est un résumé, pas un avis juridique. Lisez la LICENSE et la FAQ officielle avant de prendre une décision qui en dépend.

Avant de télécharger 498 Go

Une dernière note pratique, parce qu’elle attrape les gens dès la première étape. Le dépôt complet fait environ 498,5 Go, parce que les checkpoints bruts et les conversions diffusers sont côte à côte. Vous voulez presque certainement un sous-ensemble :

Limitez le téléchargement à ce dont votre framework a besoin. Et si vous suivez un guide ComfyUI, vérifiez la version qu’il vise — un très grand nombre d’entre eux disent encore 0.30.0, qui a livré les nœuds mais pas les neuf correctifs H3 qui ont suivi. Prenez la 0.32.0 ou plus récente ; deux de ces correctifs traitent la corruption audio et le pic mémoire.

Ou ne téléchargez rien du tout. Le générateur de vidéo IA MiniMax H3 proposé ici est la voie hébergée, Context-IR et Regenerate-2K compris, et c’est ce qui fait que sa sortie ressemble aux clips qui vous ont envoyé chercher les poids.