MiniMax H3 to uniwersalny multimodalny model generatywny: czyta tekst, obrazy, wideo i audio jako jeden kontekst i zwraca wideo z natywnym dźwiękiem stereo, do 15 sekund w 2K. MiniMax pozycjonuje go pod kątem stosunku ceny do możliwości, podając w 2K poniżej jednej trzeciej kosztu za sekundę popularnych modeli, i zapowiedział, że planuje otworzyć wagi modelu.
Migawka możliwości
2K
domyślna rozdzielczość
15s
maks. długość klipu
stereo
natywny dźwięk
Wartość praktyczna odwzorowana na rzeczywistych przepływach pracy w produkcji.
Korzyści
01
Jeden kontekst, a nie cztery pipeline'y
Tekst, obraz, wideo i audio trafiają jako jeden kontekst, więc prompt może brzmieć „weź ruch kamery z tego klipu, spraw, by osoba z tego obrazu zaśpiewała, dopasuj ten głos” i zostaje zrozumiany jako jedna instrukcja, zamiast być kierowany do osobnych modeli eksperckich.
Korzyści
02
Dźwięk generowany razem z obrazem
Dźwięk powstaje wspólnie z wideo i wychodzi jako natywne stereo, więc dialog, efekty i tło dźwiękowe są już dopasowane do ujęcia, zamiast być nakładane później.
Korzyści
03
2K przy niższym koszcie za sekundę
2K jest ustawieniem domyślnym, a nie poziomem premium. MiniMax podaje cenę H3 za sekundę w 2K jako poniżej jednej trzeciej ceny popularnych modeli, a przy 768p jako poniżej połowy ceny popularnego 720p — co zmienia koszt iteracji na dużą skalę.
Prosta, trzyetapowa ścieżka od materiału źródłowego do wyniku nadającego się do ponownego wykorzystania.
Krok 1
Złóż kontekst
Dodaj materiał referencyjny, który masz — klip na ruch kamery, obraz na obiekt w kadrze, audio na głos.
Krok 2
Opisz zależności
Powiedz zwykłymi słowami, jak referencje mają się do docelowego wideo. H3 sam rozwiązuje wnioskowanie międzymodalne.
Krok 3
Generuj i iteruj
Wyrenderuj do 15 sekund w 2K z dźwiękiem stereo, a potem iteruj — to koszt za sekundę sprawia, że powtarzane przebiegi mają sens.
Do 15 sekund, przy czym 2K jest oferowane jako domyślna rozdzielczość. Dostępny jest też poziom 768p i to dla niego MiniMax podaje najniższą cenę za sekundę.
H3 generuje dźwięk wspólnie z wideo, a wynik to natywne stereo, a nie ścieżka mono domiksowana później.
MiniMax ogłosił zamiar otwarcia wag modelu, wskazując kompatybilność sprzętową i możliwość dostosowania jako cele projektowe. Traktuj dostępność jako oczekującą do czasu faktycznego wydania, a nie jako obecną gwarancję.
Następny krok
Otwórz narzędzie z prawdziwym obrazem, porównaj wyniki i zachowaj działającą wersję.