Hogar
Los grandes modelos visuales de código abierto mejoran la generación multimodal; el audio y el vídeo en alta definición 2K están llamados a revolucionar el sector

El 3 de agosto, la empresa de inteligencia artificial MiniMax anunció el lanzamiento en código abierto de su modelo de vídeo general de última generación, MiniMax H3 . Este sistema de generación multimodal trasciende los límites tradicionales de las tareas únicas, integrando y comprendiendo en profundidad contextos multimodales de texto, imágenes, vídeo y audio, lo que demuestra una gran capacidad de generalización de tareas.
En cuanto a la generación, H3 admite duraciones de salida de entre 4 y 15 segundos a 24 FPS y audio estéreo a 32 kHz. Los usuarios pueden elegir entre relaciones de aspecto habituales como 21:9, 16:9, 4:3 o 1:1, con un lado más corto predeterminado de 768 píxeles para la creación básica. La solución específica H3-Regenerate-2K permite obtener imágenes impresionantes con una resolución de hasta 2K. En cuanto a la interacción multilingüe, es compatible de forma fiable con 11 idiomas principales: árabe, chino, inglés, francés, alemán, italiano, japonés, coreano, español, portugués y ruso.
Para adaptarse a diversos escenarios creativos, H3 ofrece versiones flexibles del modelo y amplias opciones de entrada. El modo «primer y último fotograma» (H3-Base-FL2VA) admite de 0 a 2 imágenes, y gestiona tareas como la conversión de texto a vídeo, de primer fotograma a vídeo, de último fotograma a vídeo y la colaboración entre primer y último fotograma. Por su parte, el modo de referencia multimodal completo H3-Base-Ref2VA admite entradas mixtas de hasta 9 imágenes, 3 clips de vídeo (con una duración total inferior a 15 segundos) y 3 segmentos de audio —hasta un total de 12 archivos—, lo que proporciona a los creadores profesionales un control preciso sin precedentes.
En su interior, el sistema MiniMax H3 se compone de tres módulos principales. En primer lugar, el H3-Context-IR (representación intermedia del contexto) analiza en profundidad instrucciones múltiples complejas y las convierte en estructuras compatibles con el modelo, lo que constituye un eslabón clave para obtener resultados de alta calidad. A continuación, el módulo H3-Base genera audio y vídeo base con una resolución de 768p. Por último, el módulo H3-Regenerate-2K logra una reconstrucción con superresolución 2K mediante la retroalimentación de los resultados iniciales y el contexto original. Esta combinación conserva detalles vívidos al tiempo que mejora considerablemente la fidelidad visual.
El modelo ya se ha lanzado oficialmente bajo la licencia MiniMax H3 Community License. Los desarrolladores y los entusiastas de la tecnología pueden acceder al código fuente completo y a los recursos a través de Hugging Face . Los expertos del sector creen que este lanzamiento de código abierto reducirá aún más las barreras para la generación de vídeo multimodal, impulsando la producción cinematográfica, el diseño visual y la interacción con la IA a nuevas cotas.
Artículo relacionado
Cloudera se asocia con Mistral para ofrecer soluciones de datos empresariales e inteligencia artificial soberana
Cloudera y Mistral están fusionando la plataforma híbrida de datos e IA de Cloudera con los modelos de IA soberana de Mistral. Crédito: ClouderaCloudera y Mistral AI han establecido una alianza para o
Onsemi adquirirá Synaptics por 7.000 millones de dólares en acciones, lo que reforzará su posición en el mercado de chips de IA de borde
El 25 de febrero, onsemi, fabricante líder de semiconductores, anunció su intención de adquirir Synaptics, empresa especializada en chips de IA de borde, en una operación íntegramente en acciones valo
Robot Unicorn Yushu Technology avanza a la Junta de Innovación Científica y Tecnológica; 52.000 yuanes al firmar, el precio estimado de emisión supera los 100 yuanes
El 5 de agosto, la principal empresa china de robótica humanoides, Autonavi Technology, inició su consulta preliminar de oferta pública inicial (IPO) en la Bolsa de Ciencia y Tecnología (STAR Market) entre las 9:30 y las 15:00. El patrocinador y el s
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

El 3 de agosto, la empresa de inteligencia artificial MiniMax anunció el lanzamiento en código abierto de su modelo de vídeo general de última generación,
En cuanto a la generación, H3 admite duraciones de salida de entre 4 y 15 segundos a 24 FPS y audio estéreo a 32 kHz. Los usuarios pueden elegir entre relaciones de aspecto habituales como 21:9, 16:9, 4:3 o 1:1, con un lado más corto predeterminado de 768 píxeles para la creación básica. La solución específica H3-Regenerate-2K permite obtener imágenes impresionantes con una resolución de hasta 2K. En cuanto a la interacción multilingüe, es compatible de forma fiable con 11 idiomas principales: árabe, chino, inglés, francés, alemán, italiano, japonés, coreano, español, portugués y ruso.
Para adaptarse a diversos escenarios creativos, H3 ofrece versiones flexibles del modelo y amplias opciones de entrada. El modo «primer y último fotograma» (H3-Base-FL2VA) admite de 0 a 2 imágenes, y gestiona tareas como la conversión de texto a vídeo, de primer fotograma a vídeo, de último fotograma a vídeo y la colaboración entre primer y último fotograma. Por su parte, el modo de referencia multimodal completo H3-Base-Ref2VA admite entradas mixtas de hasta 9 imágenes, 3 clips de vídeo (con una duración total inferior a 15 segundos) y 3 segmentos de audio —hasta un total de 12 archivos—, lo que proporciona a los creadores profesionales un control preciso sin precedentes.
En su interior, el sistema MiniMax H3 se compone de tres módulos principales. En primer lugar, el H3-Context-IR (representación intermedia del contexto) analiza en profundidad instrucciones múltiples complejas y las convierte en estructuras compatibles con el modelo, lo que constituye un eslabón clave para obtener resultados de alta calidad. A continuación, el módulo H3-Base genera audio y vídeo base con una resolución de 768p. Por último, el módulo H3-Regenerate-2K logra una reconstrucción con superresolución 2K mediante la retroalimentación de los resultados iniciales y el contexto original. Esta combinación conserva detalles vívidos al tiempo que mejora considerablemente la fidelidad visual.
El modelo ya se ha lanzado oficialmente bajo la licencia MiniMax H3 Community License. Los desarrolladores y los entusiastas de la tecnología pueden acceder al código fuente completo y a los recursos a través de
Cloudera se asocia con Mistral para ofrecer soluciones de datos empresariales e inteligencia artificial soberana
Cloudera y Mistral están fusionando la plataforma híbrida de datos e IA de Cloudera con los modelos de IA soberana de Mistral. Crédito: ClouderaCloudera y Mistral AI han establecido una alianza para o
Onsemi adquirirá Synaptics por 7.000 millones de dólares en acciones, lo que reforzará su posición en el mercado de chips de IA de borde
El 25 de febrero, onsemi, fabricante líder de semiconductores, anunció su intención de adquirir Synaptics, empresa especializada en chips de IA de borde, en una operación íntegramente en acciones valo
Robot Unicorn Yushu Technology avanza a la Junta de Innovación Científica y Tecnológica; 52.000 yuanes al firmar, el precio estimado de emisión supera los 100 yuanes
El 5 de agosto, la principal empresa china de robótica humanoides, Autonavi Technology, inició su consulta preliminar de oferta pública inicial (IPO) en la Bolsa de Ciencia y Tecnología (STAR Market) entre las 9:30 y las 15:00. El patrocinador y el s











