Die KI-Videoplattform PixTV hat das frisch von MiniMax quelloffen veröffentlichte Bildmodell MiniMax H3 Image integriert. Auf der unendlichen Leinwand von PixTV lässt sich das Modell direkt aufrufen, um 4K-Standbilder zu erzeugen, die anschließend auf derselben Leinwand an das Videomodell übergeben werden.
H3 Image hat MiniMax (chinesisch Xiyu Keji) am 10. November veröffentlicht, samt offener Gewichte. Nach Herstellerangaben erzeugt das Modell in rund 10 Sekunden ein Bild mit 4096×4096 Pixeln, also etwa 16 Megapixeln, unterstützt bis zu 16 Referenzbilder und vereint Text-zu-Bild, Bildreferenz und Bildbearbeitung in einem einzigen Modell. PixTV hatte das MiniMax-H3-Videomodell bereits zuvor im Angebot; mit dem Bildmodell kommt nun die andere Hälfte dazu, sodass Bild und Video der H3-Reihe auf einer Plattform ineinandergreifen.
Auf einer Leinwand: erst das Bild festlegen, dann in Bewegung setzen
Wer KI-Kurzfilme macht, arbeitet meist schon in zwei Stufen: Zuerst werden Standbilder von Figuren, Schauplätzen und Requisiten festgelegt, und erst wenn das Design stimmt, entsteht daraus das Video. Getrennt umgesetzt, bedeutet das ständiges Exportieren und Importieren und obendrein Stilbrüche beim Modellwechsel.
PixTV legt Bild-, Video- und Audiomodelle auf eine einzige unendliche Leinwand, die Knoten werden direkt miteinander verbunden. Ein von H3 Image erzeugtes 4K-Charakterbild lässt sich unmittelbar als erstes Bild oder Referenz an das H3-Videomodell ziehen oder zum Vergleich an Seedance, Kling und andere Videomodelle der Plattform anschließen. Dazu kommen Werkzeuge wie KI-Storyboard, Weißmodell-Video und Video-Replikation, sodass die gesamte Kette im Browser bleibt.
Dass beide Modelle zur H3-Reihe gehören, hat auch eine technische Seite. Laut Model Card auf Hugging Face übernimmt der Text-Encoder von H3 Image unverändert den Qwen3-VL-Encoder des H3-Videomodells. Derselbe Prompt wird damit auf beiden Seiten ähnlicher „gelesen“, was theoretisch den Stildrift beim Übergang vom Bild zum Video verringern kann. Wie gut das tatsächlich klappt, hängt von der jeweiligen Einstellung ab; einen systematischen Vergleich durch Dritte gibt es bislang nicht.
Wozu 4K-Standbilder für Video taugen
Die Ausgabeauflösung von Videomodellen liegt in der Regel unter 4K, die API des H3-Videomodells reicht bis 2K. Standbilder in 4K zu erzeugen wirkt daher etwas überdimensioniert, hat aber drei praktische Vorteile:
- Spielraum beim Zuschneiden: Aus einem Bild mit 4096×4096 Pixeln lassen sich mehrere 16:9-Ausschnitte als Startbilder für verschiedene Einstellungen schneiden, wobei Figuren- und Szenendetails noch ausreichen;
- Ultrabreites Format: H3 Image gibt 21:9 direkt mit 6272×2688 aus, geeignet für Vorspänne, Banner und kinoartige Establishing Shots;
- Konsistenz durch mehrere Referenzen: Bis zu 16 Referenzbilder werden auf einmal gelesen, sodass Figurenansichten, Kostümdetails und Stimmungsbilder der Szene gemeinsam übergeben werden können und die Charakterbilder mehrerer Einstellungen einheitlich bleiben.
Preis und Nutzung hängen von den Vorgaben der Plattform ab
Der von MiniMax veröffentlichte API-Richtpreis liegt bei etwa 0,069 US-Dollar pro Bild in der 4K-Standardversion; in der ersten Woche gilt für Anfragen ab 4K ein Rabatt von 50 Prozent. Wie PixTV abrechnet und wie viele H3-Image-Aufrufe in den Mitgliedschaftspaketen enthalten sind, steht auf den öffentlichen Seiten der Plattform bislang nicht; maßgeblich ist die Anzeige nach dem Login.
Für Kreative, die PixTV bereits für Kurzdramen und Werbefilme nutzen, ändert sich durch den neuen Baustein vor allem, dass Charakterbilder nicht mehr andernorts erzeugt werden müssen. Wer noch nie ein KI-Videotool benutzt hat, kann mit einem 4K-Bild aus H3 Image beginnen und es auf der PixTV-Leinwand an einen Videoknoten anschließen, um zu sehen, wie aus einem Standbild eine mehrsekündige Einstellung wird. Wer eher E-Commerce-Produktbilder braucht: Auch PixPix bietet H3 Image inzwischen an.
Quellen: Offizieller MiniMax-Blog, CocoLoop, Hugging-Face-Model-Card, PixTV-Plattformseite; geprüft wurden Auflösung von H3 Image, Obergrenze der Referenzbilder und Herkunft des Text-Encoders, der API-Preis folgt den offiziellen Angaben.