MiniMax H3 vs. Kling 3.0

Auf dem Papier sehen sie sich auf DreamBench ähnlich: Beide erstellen 720p und 1080p in denselben fünf Seitenverhältnissen, von 21:9 bis 9:16, und beide rendern bis zu 15 Sekunden pro Generierung. Die Zeilen oben stammen aus den eigenen Tabellen der Seiten zu MiniMax H3 und Kling 3.0. Die Unterschiede liegen bei Ton, Sprache und dem Ort, an dem jedes läuft, wie die Seiten der Hersteller, gelesen am 1. November 2026, und die Einstellungen von DreamBench zeigen.

Ein DreamBench-Video nutzt für alle Szenen ein Modell. Um sie mit deinem eigenen Briefing zu vergleichen, erstelle das Video zweimal in Film Studio, einmal mit jedem, und behalte das, was dir besser gefällt.

Die beiden Hersteller nennen unterschiedliche Sprachen. Die Modellkarte von MiniMax nennt 11 mit stabiler Unterstützung: Arabisch, Chinesisch, Englisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch, und sagt, andere funktionierten unterschiedlich gut. Der Leitfaden von Kling zu Video 3.0 nennt 5, Chinesisch, Englisch, Japanisch, Koreanisch und Spanisch, und sagt, ein Satz in jeder anderen Sprache werde ins Englische übersetzt. Sätze auf Portugiesisch, Französisch, Deutsch, Italienisch, Russisch und Arabisch sprechen also für MiniMax H3.

Kling geht bei der Sprechweise weiter. Sein Leitfaden nennt englische Akzente, amerikanisch, britisch und indisch, und chinesische Dialekte wie Kantonesisch und Sichuanesisch, lässt Figuren innerhalb einer Szene die Sprache wechseln und schreibt jeden Satz mit seiner sprechenden Figur und der Art, wie sie ihn sagt. Seine Seite zu Kling 3.0 sagt, das Modell ordne jede Stimme und Lippenbewegung zu, wenn mehrere Figuren sprechen. Die Seiten von MiniMax beschreiben keine Akzente und machen keine Aussage zu mehreren Sprechenden.

Auf DreamBench entsteht die Stimme bei beiden Modellen aus den Worten im Prompt: Es gibt keine Sprachaufnahme zum Hochladen. Setz jeden gesprochenen Satz in Anführungszeichen, gib ihn einer benannten Figur und nenne seine Sprache. Halte ihn so kurz, dass er in den Clip passt, bei etwa 2 Wörtern pro Sekunde.

Jeder Clip mit MiniMax H3 wird mit Stereoton generiert, auf DreamBench und in der eigenen Beschreibung des Modells von MiniMax, beschreibe also, was zu hören sein soll, ebenso wie das, was zu sehen sein soll. Kling 3.0 erzeugt Ton mit dem Bild, wenn der Ton an ist, Dialog, Effekte und Atmosphäre, die der Handlung folgen, und erstellt nur Bild, wenn er aus ist.

Der Schalter zählt, wenn der Ton von woanders kommt: eine Sprecherstimme, ein Marken-Track oder Musik, die in einem Schnittprogramm hinzugefügt wird. Auf DreamBench verbraucht ein stummer Clip mit Kling 3.0 weniger Credits pro Sekunde als einer mit Ton. Ein Clip mit MiniMax H3 hat immer seine eigene Tonspur, die du danach stumm schalten oder ersetzen würdest.

MiniMax H3, nicht Kling 3.0

• Läuft auf der Seite „Video“ von DreamBench: ein Clip von 5 bis 15 Sekunden, dein Prompt so gesendet, wie du ihn geschrieben hast.
• Spricht die 11 Sprachen, die seine Karte als zuverlässig nennt, darunter Französisch, Deutsch, Italienisch, Portugiesisch, Russisch und Arabisch.
• Kommt in jedem Clip in Stereo.
• Hat veröffentlichte Gewichte, unter der eigenen H3 Community License von MiniMax, für alle, die es selbst ausführen.

Kling 3.0, nicht MiniMax H3

• Lässt dich den Ton ausschalten, für weniger Credits.
• Spricht mit dem Akzent oder Dialekt, den du nennst, und wechselt die Sprache innerhalb einer Szene.
• Ordnet Sätze den Stimmen und Lippen mehrerer Sprechender zu, nach Angaben von Kling.

Die Tools ihrer Hersteller können mehr, als DreamBench nutzt. Beide nehmen dort ein Start- und Endbild an, und beide können innerhalb eines Clips zwischen Einstellungen schneiden; MiniMax H3 nimmt außerdem Referenzvideo und -audio an und bearbeitet Material, und Kling 3.0 legt das Aussehen einer Figur mit Elements fest. Auf DreamBench beginnt jeder Clip beider Modelle mit einem Startbild, das DreamBench aus deinen Referenzen erstellt, und ist eine Einstellung: Eine neue Einstellung ist eine neue Szene.

Grenzen in den Worten der Hersteller: Laut MiniMax lassen sich die visuellen Details von H3 in bestimmten Szenarien noch verbessern. Auf DreamBench schneidet ein Clip mit Kling 3.0 nicht mittendrin in eine neue Umgebung, und ein neuer Film wird bei beiden Modellen in Clips von 3 bis 12 Sekunden aufgeteilt.

Auf der Seite „Video“ bekommt MiniMax H3 deinen Prompt genau so, wie du ihn geschrieben hast. MiniMax berichtet, dass H3 Anweisungen genau folgt, ein präzises Briefing zahlt sich also aus: Beschreibe die Einstellungsgröße, die Handlung, die Kamerabewegung, dann das, was zu hören ist, mit jedem gesprochenen Satz in Anführungszeichen und genannter Sprache. Wo Schrift oder ein Logo wichtig ist, wähle 1080p und halte ein Motiv im Bild.

Kling 3.0 läuft in Film Studio, wo DreamBench den Prompt jeder Szene aus deinem Briefing schreibt, dein Briefing ist also das, was stimmen muss. Der Leitfaden von Kling schreibt eine durchgehende Einstellung: das Bild, die Handlung Schritt für Schritt mit getimten Momenten wie „in der 4. Sekunde“, die Kamera, den Look, dann den Ton und Dialog als Name (wie die Figur spricht): „der Satz“. Die Prompts von DreamBench für Kling 3.0 lassen Musik weg.

• Nenne bei beiden Modellen die Sprache jedes Satzes.
• Gib MiniMax H3 die Geräusche, die du willst: Jeder Clip hat welche, also sag, welche es sind.
• Gib Kling 3.0 eine Haupthandlung pro Szene, ein paar Sekunden lang; seine Clips auf DreamBench sind jeweils eine Einstellung.
• Markiere in Film Studio ein Referenzbild und nenne es in deinem Briefing mit @, bei beiden Modellen, damit DreamBench es in jedes Startbild einbaut.

Die Kling-3.0-Prompt-Anleitung erklärt mehr zur Dialogform von Kling, mit Prompts zum Kopieren.