H3 웨이트를 받아도 그동안 보시던 H3 를 얻는 것은 아닙니다

MiniMax H3 웨이트는 Hugging Face 에 있고 다운로드에 문이 걸려 있지 않습니다. 사실이고, 이 정도 품질의 영상 모델로는 드문 일입니다. 그리고 이것이 흔히 「H3 는 오픈소스」로 보도되는데, 그러면 특정한 실망이 예약됩니다. 42 GB 를 ComfyUI 로 끌어와 공식 템플릿을 돌렸는데, 결과가 이 모델을 갖고 싶게 만들었던 그 영상들과 닮지 않은 것이죠.

설정이 잘못된 것이 아닙니다. 시스템의 3분의 1을 가지고 계신 것입니다.

이것의 생김새

서비스로서의 H3 는 세 단계로 돕니다.

여러분의 입력 (텍스트 / 이미지 / 영상 / 오디오)
        ↓
① H3-Context-IR      호스팅, 비공개
        ↓
② H3-Base            오픈 웨이트  ← 내려받으신 것이 이것입니다
        ↓
③ H3-Regenerate-2K   호스팅, 비공개
        ↓
   2K 파일

② 단계가 생성기입니다. 진짜로 공개되어 있고, 진짜로 동기화된 스테레오 오디오가 붙은 영상을 만들며, 이 문제의 어려운 부분입니다. 그리고 여러분이 얻으시는 유일한 단계이기도 합니다.

① Context-IR 은 프롬프트를 제대로 읽어 주는 부분입니다

Context-IR 은 여러분이 준 것 — 문장 하나, 레퍼런스 이미지 아홉 장, 영상 세 편, 오디오 샘플 — 을 받아, 생성기가 받아먹는 구조화된 중간 표현으로 다시 씁니다. 여러 양식에 걸친 지시를 정리하고, 시간 순서를 계산하고, 여러분이 빠뜨린 의미를 채웁니다.

나오는 것은 여러분의 문장을 다듬은 판본이 아닙니다. 항목이 있는 샷 단위 문서입니다.

• integrated_multimodal_description — At 00:04.500 같은 타임스탬프가 붙은 샷별 화면 묘사
• overall_soundscape — 주변음과 폴리
• non_diegetic_music — 음악이 있다면 그 음악

레퍼런스 작업에는 세 항목이 더 붙고, 그중에는 레퍼런스마다 얼마나 엄격히 지켜야 하는지를 적는 유지 분석도 있습니다.

공식 예시의 토큰 수를 보면 이 단계가 여러분을 대신해 얼마나 많이 쓰는지 알 수 있습니다. 텍스트로 영상 작업이 약 8,600 토큰, 사진으로 영상이 약 22,800 토큰, 레퍼런스 작업이 약 39,300 토큰입니다. 생성기가 무언가를 보기 전에, 여러분의 한 줄짜리 프롬프트가 그만한 문서가 되어 있다는 뜻입니다.

오픈 웨이트를 돌리시면 그중 아무것도 일어나지 않습니다. 여러분의 문장이 문장 그대로 들어갑니다. 모델은 같은데, 브리프가 그 몇 분의 일입니다.

MiniMax 자체 안내는 빠져나갈 길 둘을 분명히 적고 있습니다. Context-IR API 를 호출하시거나, 공개된 프롬프트 안내를 따라 직접 맥락 계층을 만드시거나. 문장 하나로 충분한 세 번째 길은 없습니다.

③ Regenerate-2K 는 업스케일러가 아닙니다

이 부분이 가장 이해해 둘 만합니다. 이름이 실제와 다른 것을 떠올리게 하기 때문입니다.

보통의 업스케일러는 완성된 768p 프레임을 받아 빠진 픽셀이 무엇이었어야 하는지를 추론합니다. 다른 근거가 없으니 미세한 디테일 — 작은 글자, 멀리 있는 얼굴, 질감 — 은 지어냅니다.

Regenerate-2K 는 768p 결과에 원래의 멀티모달 맥락까지 함께 다시 H3 로 넣어 2K 로 다시 만듭니다. 여전히 여러분의 프롬프트와 레퍼런스 소재를 가지고 있으니, 768p 에서 너무 작아 표현되지 못했던 디테일을 「무엇이 되어 버렸는가」가 아니라 「무엇이었어야 하는가」에서 복원할 수 있습니다.

그래서 후처리가 아니라 생성으로 값이 매겨지고(결과물 초당 $0.05, 원본 소재는 다시 청구), 「그냥 로컬에서 업스케일하지」가 같은 거래가 아닌 이유가 이것입니다.

무엇을 하시느냐에 따라 달라지는 의미

두 번째 줄에 놓치기 쉬운 주름이 있습니다. ComfyUI 0.33.1 부터 Context-IR 과 Regenerate-2K 용 파트너 노드가 있어서, 여러분 컴퓨터의 그래프가 2K 까지 닿을 수 있습니다. 그 노드들은 MiniMax 서버에서 돕니다. 2K 로 끝나는 로컬 파이프라인은 768p 결과와 원본 소재를 컴퓨터 밖으로 보냅니다. 애초에 대부분이 직접 돌리는 이유를 무너뜨리는 셈입니다.

「오픈 웨이트」이지 「오픈소스」가 아닙니다

여기에서 이 구분은 트집이 아니고, 라이선스에서 실제로 물립니다.

MiniMax H3 Community License 는 사용을 「적용 지역」으로 제한하는데, 그 지역에서 유럽연합, 영국, 대한민국, 미국이 빠져 있습니다. 이 제한은 부칙이 아니라 계약서의 첫 문장에 적혀 있고, 결과물까지 미칩니다. 허용된 곳에서 만든 영상을 제외된 곳에서 공개하는 것도 허락 범위 밖이라는 뜻입니다.

이에 대해 널리 잘못 알려진 것이 둘 있습니다.

1. 이 계약은 Hugging Face 저장소를 대상으로 합니다. 체크포인트를 규율합니다. 웨이트를 한 번도 내려받지 않고 호스팅 API 만 호출한 사람은 이 계약을 맺은 적이 없습니다. 그쪽의 관계는 서비스 약관과 맺어져 있습니다. 호스팅 API 는 전 세계에서 이용 가능하다고 문서화되어 있습니다.
2. 제외 지역에는 정식 절차가 있습니다. MiniMax 는 그 지역에서의 라이선스 신청을 받고 있고, 이 제한을 정책이 아니라 규제상의 신중함으로 설명합니다. 「현재의 제한은 '아직'이라는 뜻이지 '영원히'라는 뜻이 아닙니다.」

오픈소스 정의에 비추면 이 라이선스는 두 기준에서 어긋납니다. 사람이나 집단에 대한 차별, 그리고 활동 분야에 대한 차별입니다. 웨이트는 열려 있습니다. 라이선스는 오픈소스 라이선스가 아닙니다. Hugging Face 가 붙인 라벨도 other 이니, 공개한 쪽도 달리 주장하고 있지는 않습니다.

이는 요약이며 법률 자문이 아닙니다. 이것에 좌우되는 결정을 하시기 전에 LICENSE 와 공식 Q&A 를 읽어 주세요.

498 GB 를 내려받으시기 전에

첫 단계에서 사람들이 걸리는 부분이라 실용적인 이야기를 하나 덧붙입니다. 저장소 전체는 약 498.5 GB 인데, 원본 체크포인트와 diffusers 변환본이 나란히 들어 있기 때문입니다. 거의 확실히 일부만 필요하실 겁니다.

쓰시는 프레임워크에 필요한 만큼만 범위를 잡으세요. 그리고 ComfyUI 가이드를 따라 하신다면 대상 버전을 확인하세요. 상당수가 아직 0.30.0 이라고 적어 두고 있는데, 그 버전은 노드는 넣었지만 뒤이은 아홉 개의 H3 수정은 담고 있지 않습니다. 0.32.0 이상을 쓰세요. 그 수정 중 둘이 오디오 손상과 최대 메모리를 다룹니다.