MiniMax hat am 20. August MiniMax Design vorgestellt, eine multimodale Kreativplattform rund um das hauseigene Videomodell H3. Nutzer beschreiben in natürlicher Sprache, was sie wollen, und das System zerlegt selbstständig das Skript, plant die Einstellungen, generiert Keyframes, erzeugt das Video, komponiert Musik, fügt Untertitel hinzu und schneidet – bis zum fertigen Film.
Das Produkt setzt sich aus mehreren Bausteinen zusammen: einer Workflow-Canvas, einem 3D-Regiepult, einem Asset-Center, einer Skills-Bibliothek und mehreren spezialisierten Agenten. Die Canvas hält die Beziehungen zwischen Material und Einstellungen sichtbar fest, eine Änderung an einer Stelle erfordert keinen Neustart und lässt sich auch als neue Version fortführen. Das 3D-Regiepult geht direkter vor – Figuren, Kameraposition und Pose werden in einer dreidimensionalen Szene angeordnet, daraus entsteht eine Storyboard-Referenz, die anschließend an das Modell zur Generierung übergeben wird. Die Skills-Bibliothek enthält fertige Stilvorlagen wie Papiercollage, Tuschemalerei oder Anime-Wissenschaftsformate, man kann sich aber auch per Dialog einen eigenen Skill zusammenstellen. Material wird automatisch lokal abgelegt und lässt sich mit einem Klick im Asset-Center speichern. ComfyUI-Workflows lassen sich direkt importieren.
Was zwischen 15 Sekunden und 3 Minuten liegt
H3 generiert pro Durchgang maximal 15 Sekunden. In den von MiniMax veröffentlichten Beispielen finden sich eine 42-sekündige Kurzgeschichte, ein einminütiges Musikvideo und eine dreiminütige Dokumentation. Grob gerechnet bedeuten drei Minuten mindestens zwölf aneinandergereihte Einstellungen, bei denen Aussehen der Figuren, Kleidung, Licht und Bildsprache jeweils zueinander passen und zusätzlich in der erzählerischen Reihenfolge in eine Timeline einsortiert werden müssen.
Genau das ist es, was Design eigentlich löst. Die Fortschritte bei KI-Video konzentrierten sich im vergangenen Jahr auf die Qualität einzelner Einstellungen – höhere Auflösung, glaubwürdigere Physik, Hände ohne sechs Finger. Doch ein Dutzend Einzeleinstellungen zu einem sehenswerten Film zusammenzufügen, verlangt etwas anderes: Charakterkonsistenz, einheitlichen Stil, Timeline-Organisation und die Fähigkeit, auch in der fünften Überarbeitung nicht auseinanderzufallen. MiniMax teilt die Aufgabe so auf, dass H3 nur für die Generierung der Einstellungen zuständig ist, ein Agent Stil und Timeline vereinheitlicht und ein Harness an entscheidenden Punkten zurückfragt, worum es im Kern eigentlich geht, während im Hintergrund eine fachspezifische Wissensdatenbank für mehrstufige Qualitätsprüfungen herangezogen wird.
Diese Struktur folgt fast demselben Muster wie aktuelle KI-Programmier-Tools: Das Basismodell liefert die Einzelergebnisse, darüber liegt eine Orchestrierungsschicht, die planen, sich selbst prüfen und von Menschen unterbrochen werden kann. Bei Video gibt es mehr Variablen – ist eine Einstellung falsch, muss alles Nachfolgende angepasst werden, weshalb die Prüfschritte deutlich weiter vorgezogen werden.
Wem geht es an den Kragen
MiniMax nennt die Zielszenarien unmissverständlich: komplette Kurzserien-Produktion, massenhafte Bild- und Videoerstellung für E-Commerce, Marken-TVCs, Werbematerial, Wissensvideos, PV/MV. Gemeinsam ist diesen Kategorien ein hohes Volumen, enge Zeitpläne und knappe Budgets pro Auftrag – genau der Bereich, der am leichtesten von effizienteren Tool-Ketten überrollt wird.
Ifanr schreibt, H3 zusammen mit Design schneide bereits in die professionellen Kreativ-Workflows, die lange Zeit von Adobe dominiert wurden. Das stimmt zur Hälfte. Der Kernwert professioneller Editoren bestand nie nur aus Software-Funktionen, sondern auch aus dem Urteilsvermögen für Material und der Kommunikation mit Kunden – diesen Teil kann ein Agent kurzfristig nicht übernehmen. Doch die repetitive Arbeit am unteren Ende eines Projekts – Referenzen suchen, Storyboards bauen, Bilder in Masse erzeugen, Spuren angleichen, Untertitel einfügen – lässt sich, sobald sie sich in einen einzigen auslösenden Satz packen lässt, verändern, wie viele Projekte eine Person gleichzeitig betreuen kann. Was in der Branche als "KI senkt die Content-Kosten auf ein Zehntel" bezeichnet wird, betrifft vor allem diesen Bereich.
Die Kette von MiniMax-Schritten
Zieht man die Timeline nach, wird es klarer. Zuerst wurde das Videomodell H3 als Open Source veröffentlicht und verbreitete die Generierungsfähigkeit; Hailuo AI erreichte auf der Konsumentenseite bereits ein beachtliches Volumen bei heimischer Videogenerierung; jetzt verbindet Design beide Enden zu einer projektbasierten Arbeitsumgebung. Open Source bringt das Ökosystem, die Konsumentenseite bringt Daten, die professionelle Seite bringt Umsatz – die drei Linien laufen koordiniert nebeneinander.
Für inländische Content-Teams dürfte die kurzfristig greifbarste Veränderung der Importkanal für ComfyUI-Workflows sein. Diese Gruppe hat längst einen ganzen Stapel fein abgestimmter Node-Graphen angesammelt, und dass sie sich unverändert übernehmen lassen, bedeutet, nicht alles neu lernen zu müssen. Die größte Reibung beim Werkzeugwechsel entsteht selten dadurch, dass man etwas nicht lernen kann, sondern meist dadurch, dass man das bereits eingespielte System nicht aufgeben will.
Quellen: offizielle Ankündigung von MiniMax, Ifanr, redaktionell zusammengestellt von CocoLoop; die maximale Generierungslänge von H3 pro Durchgang sowie die Filmlängen in den Beispielen basieren auf den öffentlichen Demos.