MiniMax H3 là mô hình tạo sinh đa phương thức đa dụng: nó đọc văn bản, hình ảnh, video và âm thanh như một ngữ cảnh duy nhất và trả về video kèm âm thanh stereo gốc, tối đa 15 giây ở 2K. MiniMax định vị mô hình này ở hiệu quả chi phí, nêu mức giá mỗi giây ở 2K thấp hơn một phần ba so với các mô hình phổ biến, và cho biết họ dự định mở trọng số mô hình.
Ảnh chụp nhanh về khả năng
2K
độ phân giải mặc định
15s
độ dài clip tối đa
stereo
âm thanh gốc
Giá trị thực tế được ánh xạ tới quy trình sản xuất thực tế.
Lợi ích
01
Một ngữ cảnh, không phải bốn pipeline
Văn bản, hình ảnh, video và âm thanh cùng đi vào như một ngữ cảnh duy nhất, nên một prompt có thể nói "lấy chuyển động máy quay từ clip này, cho người trong ảnh này hát, khớp với giọng này" và được hiểu như một chỉ dẫn duy nhất thay vì bị định tuyến qua các mô hình chuyên biệt riêng rẽ.
Lợi ích
02
Âm thanh sinh ra cùng hình ảnh
Âm thanh được tạo cùng lúc với video và xuất ra ở dạng stereo gốc, nên thoại, hiệu ứng và tiếng nền đã khớp sẵn với cú máy thay vì được chồng thêm về sau.
Lợi ích
03
2K với chi phí mỗi giây thấp hơn
2K là mặc định chứ không phải một gói cao cấp. MiniMax nêu giá mỗi giây của H3 ở 2K thấp hơn một phần ba so với các mô hình phổ biến, và thấp hơn một nửa so với 720p phổ biến khi chạy ở 768p — điều này thay đổi chi phí của việc lặp ở quy mô lớn.
Lộ trình ba bước đơn giản từ tài liệu nguồn đến kết quả có thể sử dụng lại.
Bước 1
Lắp ghép ngữ cảnh
Đưa vào tư liệu tham chiếu bạn đang có — một clip cho chuyển động máy quay, một ảnh cho chủ thể, một đoạn âm thanh cho giọng nói.
Bước 2
Mô tả mối quan hệ
Nói bằng lời thông thường xem các tham chiếu liên quan thế nào tới video mục tiêu. H3 tự xử lý phần suy luận xuyên phương thức.
Bước 3
Tạo và lặp
Render tối đa 15 giây ở 2K kèm âm thanh stereo, rồi lặp — chính chi phí mỗi giây làm cho việc chạy đi chạy lại trở nên khả thi.
Tối đa 15 giây, với 2K là độ phân giải mặc định. Còn có mức 768p, và đó là mức MiniMax nêu giá mỗi giây thấp nhất.
H3 tạo âm thanh cùng lúc với video, và đầu ra là stereo gốc chứ không phải một track mono được trộn vào sau.
MiniMax đã công bố ý định mở trọng số mô hình, nêu khả năng tương thích phần cứng và tùy biến là mục tiêu thiết kế. Hãy xem việc này là còn chờ cho tới khi bản phát hành thực sự ra mắt, chứ không phải là điều đã được bảo đảm.
Bước tiếp theo
Mở tool bằng hình ảnh thật, so sánh kết quả và giữ nguyên phiên bản hoạt động.