이미지·영상 생성

MiniMax H3 로컬 실행: 영상·오디오와 장비 조건

H3-Base는 영상과 소리를 함께 만들지만 가벼운 단일 GPU 모델로 보기는 어렵습니다.

쉽게 말하면

MiniMax H3-Base는 4초부터 15초까지의 768p 영상과 스테레오 오디오를 함께 만들 수 있는 공개 모델입니다. 첫·끝 프레임과 여러 참고 자료를 받을 수 있으며, 소비자 GPU에서는 시스템 메모리와 저장장치 오프로딩까지 포함해 실행 조건을 봐야 합니다.

장비를 고를 때

H3를 직접 돌리는 것이 목적이라면 VRAM 총량만 보지 마세요. 여러 GPU를 실제로 나눠 쓰는 실행 프로그램, 시스템 RAM, 저장 공간과 카드 사이 통신까지 한 구성으로 봐야 합니다.

이 글에서 확인할 내용

H3-Base는 짧은 변 768p, 24fps 영상과 32kHz 스테레오 오디오를 함께 생성합니다.
첫·끝 프레임과 이미지·영상·오디오 참조 입력을 작업에 활용할 수 있습니다.
검증된 2× RTX 5090 경로도 약 108GB 가중치를 호스트 메모리에서 나눠 올리므로 충분한 시스템 RAM이 중요합니다.

로컬에서 공개된 범위부터 구분

직접 내려받아 실행할 수 있는 중심 모델은 H3-Base입니다. 기본 출력은 짧은 변 768픽셀, 24fps이며 4초부터 15초 사이의 영상과 32kHz 스테레오 오디오를 함께 생성합니다. 영상만 만든 뒤 소리를 별도로 붙이는 모델과 달리 화면의 사건과 대사, 환경음을 한 과정에서 맞추는 것이 특징입니다.

더 높은 2K 출력이나 특정 연속성 기능까지 모두 같은 공개 모델에 들어 있는 것은 아닙니다. 이 사이트의 로컬 계산기는 내려받아 직접 실행 가능한 H3-Base의 768p 범위만 다룹니다. 이름이 비슷한 상위 출력 기능을 로컬 성능처럼 섞지 않아야 장비 요구를 과소평가하지 않습니다.

하나의 타임라인에서 영상 프레임과 좌우 스테레오 음파가 함께 만들어지는 오디오·비디오 생성 과정 그림 — H3-Base는 영상과 스테레오 오디오를 함께 생성하므로 무음 영상을 만든 뒤 소리를 별도로 붙이는 작업과 계산 구조가 다릅니다.

첫 프레임과 마지막 프레임을 활용

시작 이미지만 넣으면 모델이 그 장면에서 움직임을 이어 만듭니다. 첫 이미지와 마지막 이미지를 함께 주면 제품이 회전한 뒤 도착할 각도나 인물이 이동할 위치처럼 장면의 끝을 더 분명히 정할 수 있습니다. 완성된 두 키프레임 사이를 연결하는 짧은 컷에 잘 맞습니다.

중간 프레임의 손, 얼굴과 배경이 자연스럽게 이어지는지는 별도 확인이 필요합니다. 4초 안팎의 짧은 결과로 먼저 움직임을 보고, 끝 프레임 차이가 너무 크다면 이동 거리나 카메라 동작을 줄여야 합니다. 길이를 늘리기 전에 짧은 구간을 안정시키는 순서가 중요합니다.

첫 프레임과 마지막 프레임 사이를 여러 중간 장면과 카메라 이동이 연결하는 필름 스트립 그림 — 첫·끝 프레임을 함께 주면 시작 모습과 도착 장면을 고정할 수 있지만 중간 움직임이 자연스러운지는 짧은 시안으로 먼저 확인해야 합니다.

참고 자료를 함께 주는 방식

H3-Base는 시작·끝 이미지 없이 텍스트만 쓰는 방식, 한두 장의 프레임을 고정하는 방식과 여러 참고 파일을 넣는 방식을 나눠 제공합니다. 참조 입력 방식은 이미지 최대 9개, 영상 최대 3개, 오디오 최대 3개를 조합할 수 있고 전체 파일 수에는 제한이 있습니다.

참고 파일이 많다고 결과가 자동으로 좋아지지는 않습니다. 인물 외형, 카메라, 음색처럼 각 파일이 맡을 역할을 분명히 하고, 서로 충돌하는 자료를 줄이는 편이 좋습니다. 원본 사용 권한과 얼굴·음성 동의도 로컬 처리 여부와 별개로 확인해야 합니다.

여러 GPU와 호스트 메모리가 하나의 768p 영상·오디오 생성을 나눠 처리하는 구조 그림 — H3-Base 소비자 GPU 실행은 그래픽 메모리 합산뿐 아니라 충분한 시스템 RAM, 오프로딩과 런타임 분산 지원까지 함께 준비해야 합니다.

왜 오프로딩과 여러 GPU를 함께 보는가

H3는 영상 생성 본체와 Qwen3-VL-32B 인코더를 함께 사용하며 공개된 구성요소 가중치만 약 108GB입니다. 모델 파일 외에도 VAE, 오디오 처리와 생성 중간 상태가 필요해 단일 소비자 GPU에 전부 상주시키기 어렵습니다. 검증된 2× RTX 5090 경로도 레이어별 CPU 오프로딩을 사용하며 호스트 메모리 384GiB급 환경에서 측정됐습니다.

낮은 메모리 실행법은 12GB급 VRAM에서도 시작할 수 있지만 32GB 이상의 시스템 RAM과 디스크 오프로딩을 사용해 매우 느릴 수 있습니다. GPU를 여러 장 꽂는 것만으로 끝나지 않고 메인보드 슬롯, 전원, 냉각, 시스템 RAM, 고속 저장장치와 분산 실행 지원을 한 구성으로 봐야 합니다.

H3가 맞는 장비인지 판단

영상과 오디오를 한 번에 만들고 참조 자료를 많이 쓰는 작업이 핵심이라면 H3용 멀티 GPU 워크스테이션을 검토할 이유가 있습니다. 반대로 무음 5초 클립이나 사진에 움직임을 주는 일이 대부분이라면 더 작은 영상 모델이 장비 가격과 대기 시간 모두에서 합리적일 수 있습니다.

먼저 비교 화면에서 H3-Base의 768p, 목표 길이와 생성 장수를 넣어 보세요. 예상 시간이 작업량에 맞고 다른 로컬 작업도 같은 장비에서 충분히 활용할 수 있을 때 장비 후보를 확인하는 편이 좋습니다. 한 모델 하나만을 위해 과한 시스템을 맞추지 않는 것이 장기적으로 안전합니다.