MiniMax H3 เป็นโมเดลสร้างงานมัลติโมดัลแบบใช้งานทั่วไป อ่านข้อความ ภาพ วิดีโอ และเสียงเป็นคอนเท็กซ์เดียว แล้วคืนวิดีโอพร้อมเสียงสเตอริโอในตัว ยาวได้ถึง 15 วินาทีที่ 2K MiniMax วางตำแหน่งโมเดลนี้ที่ความคุ้มค่าราคา โดยระบุว่าราคาต่อวินาทีที่ 2K อยู่ต่ำกว่าหนึ่งในสามของโมเดลกระแสหลัก และบอกว่ามีแผนจะเปิดน้ำหนักโมเดล
ภาพรวมความสามารถ
2K
ความละเอียดเริ่มต้น
15s
ความยาวคลิปสูงสุด
stereo
เสียงในตัว
มูลค่าเชิงปฏิบัติที่แมปกับขั้นตอนการทำงานจริง
ผลประโยชน์
01
คอนเท็กซ์เดียว ไม่ใช่สี่ไปป์ไลน์
ข้อความ ภาพ วิดีโอ และเสียง เข้าไปเป็นคอนเท็กซ์เดียว พรอมต์จึงบอกได้ว่า "เอาการเคลื่อนกล้องจากคลิปนี้ ให้คนในภาพนี้ร้องเพลง และให้เสียงตรงกับเสียงนี้" แล้วถูกเข้าใจเป็นคำสั่งเดียว แทนที่จะถูกส่งต่อไปยังโมเดลผู้เชี่ยวชาญแยกกันหลายตัว
ผลประโยชน์
02
เสียงที่สร้างมาพร้อมภาพ
เสียงถูกสร้างไปพร้อมกับวิดีโอและออกมาเป็นสเตอริโอในตัว บทสนทนา เสียงประกอบ และเสียงบรรยากาศจึงมาถึงโดยตรงกับช็อตอยู่แล้ว ไม่ต้องมาซ้อนทีหลัง
ผลประโยชน์
03
2K ที่ต้นทุนต่อวินาทีต่ำกว่า
2K เป็นค่าเริ่มต้น ไม่ใช่ระดับพรีเมียม MiniMax ระบุราคาต่อวินาทีของ H3 ที่ 2K ว่าต่ำกว่าหนึ่งในสามของโมเดลกระแสหลัก และต่ำกว่าครึ่งหนึ่งของ 720p กระแสหลักเมื่อรันที่ 768p — ซึ่งเปลี่ยนต้นทุนของการปรับแก้จำนวนมาก
เส้นทางสามขั้นตอนง่ายๆ จากแหล่งข้อมูลไปจนถึงผลลัพธ์ที่นำมาใช้ซ้ำได้
ขั้นตอน 1
ประกอบคอนเท็กซ์
เอาวัสดุอ้างอิงที่คุณมีเข้ามา — คลิปสำหรับการเคลื่อนกล้อง ภาพสำหรับซับเจกต์ เสียงสำหรับน้ำเสียง
ขั้นตอน 2
อธิบายความสัมพันธ์
บอกด้วยคำพูดธรรมดาว่าตัวอ้างอิงเหล่านั้นสัมพันธ์กับวิดีโอเป้าหมายอย่างไร H3 จะจัดการการให้เหตุผลข้ามโมดัลเอง
ขั้นตอน 3
สร้างและปรับแก้
เรนเดอร์ได้ถึง 15 วินาทีที่ 2K พร้อมเสียงสเตอริโอ แล้วปรับแก้ต่อ — ต้นทุนต่อวินาทีนี่เองที่ทำให้การลองซ้ำหลายรอบเป็นไปได้จริง
ยาวได้ถึง 15 วินาที โดยมี 2K เป็นความละเอียดเริ่มต้น มีระดับ 768p ให้เลือกด้วย และเป็นระดับที่ MiniMax ใช้อ้างราคาต่อวินาทีต่ำสุด
H3 สร้างเสียงไปพร้อมกับวิดีโอ และผลลัพธ์เป็นสเตอริโอในตัว ไม่ใช่แทร็กโมโนที่มิกซ์เข้ามาทีหลัง
MiniMax ประกาศความตั้งใจจะเปิดน้ำหนักโมเดล โดยอ้างความเข้ากันได้กับฮาร์ดแวร์และการปรับแต่งเป็นเป้าหมายการออกแบบ ให้ถือว่าการเปิดใช้งานยังรออยู่จนกว่าจะปล่อยออกมาจริง ไม่ใช่สิ่งที่รับประกันได้ในตอนนี้
ขั้นตอนต่อไป
เปิดเครื่องมือด้วยรูปภาพจริง เปรียบเทียบผลลัพธ์ และเก็บเวอร์ชันที่ใช้งานได้