Lar
Grandes modelos visuais de código aberto aprimoram a geração multimodal; áudio e vídeo em HD 2K devem revolucionar o setor

Em 3 de agosto, a empresa de IA MiniMax anunciou o lançamento em código aberto de seu modelo de vídeo geral de última geração, o MiniMax H3 . Esse sistema de geração multimodal transcende os limites tradicionais das tarefas únicas, integrando e compreendendo profundamente contextos multimodais de texto, imagens, vídeo e áudio, demonstrando fortes capacidades de generalização de tarefas.
Para geração, o H3 suporta durações de saída de 4 a 15 segundos a 24 FPS e áudio estéreo de 32 kHz. Os usuários podem escolher entre proporções comuns, como 21:9, 16:9, 4:3 ou 1:1, com o lado mais curto padronizado em 768 pixels para criação básica. A solução dedicada H3-Regenerate-2K permite imagens impressionantes com resolução de até 2K. Para interação multilíngue, ele oferece suporte confiável a 11 idiomas principais: árabe, chinês, inglês, francês, alemão, italiano, japonês, coreano, espanhol, português e russo.
Para atender a diversos cenários criativos, o H3 oferece versões flexíveis de modelos e opções abrangentes de entrada. O modo de primeiro e último quadro do H3-Base-FL2VA aceita de 0 a 2 imagens, lidando com tarefas como texto para vídeo, primeiro quadro para vídeo, último quadro para vídeo e colaboração entre o primeiro e o último quadro. Já o modo de referência multimodal completo H3-Base-Ref2VA suporta entrada mista de até 9 imagens, 3 clipes de vídeo (com duração total inferior a 15 segundos) e 3 segmentos de áudio — totalizando até 12 arquivos —, proporcionando aos criadores profissionais um controle preciso sem precedentes.
Por trás dos bastidores, o sistema MiniMax H3 é composto por três módulos principais. Primeiro, o H3-Context-IR (representação intermediária de contexto) analisa profundamente instruções múltiplas complexas e as converte em estruturas compatíveis com o modelo, servindo como um elo fundamental para resultados de alta qualidade. Em seguida, o módulo H3-Base gera áudio e vídeo básicos na resolução de 768p. Por fim, o módulo H3-Regenerate-2K realiza a reconstrução em super-resolução 2K por meio do realimentação dos resultados iniciais e do contexto original. Essa combinação preserva detalhes vívidos ao mesmo tempo em que aprimora significativamente a fidelidade visual.
O modelo foi lançado oficialmente sob a Licença Comunitária MiniMax H3. Desenvolvedores e entusiastas de tecnologia podem acessar o código-fonte completo e os recursos por meio do Hugging Face . Especialistas do setor acreditam que esse lançamento de código aberto reduzirá ainda mais as barreiras à geração de vídeo multimodal, impulsionando a produção cinematográfica, o design visual e a interação com IA a novos patamares.
Artigo relacionado
A Cloudera firma parceria com a Mistral para oferecer soluções de dados corporativos e IA soberana
A Cloudera e a Mistral estão unindo a plataforma híbrida de dados e IA da Cloudera aos modelos de IA soberanos da Mistral. Crédito: ClouderaA Cloudera e a Mistral AI firmaram uma parceria para oferece
A Onsemi vai adquirir a Synaptics por US$ 7 bilhões em ações, fortalecendo sua posição no mercado de chips de IA de ponta
Em 25 de fevereiro, a onsemi, fabricante líder de semicondutores, anunciou sua intenção de adquirir a Synaptics, especialista em chips de IA de ponta, em uma transação totalmente em ações avaliada em
A Robot Unicorn da Yushu Technology avança para o Quadro de Inovação Científica e Tecnológica; 52.000 yuanes ao assinar, preço estimado de emissão excede 100 yuanes
Em 5 de agosto, a principal empresa chinesa de robótica humanoides, Autonavi Technology, iniciou sua consulta preliminar de IPO na Bolsa de Inovação Científica e Tecnológica (STAR Market) entre 9h30 e 15h00. O patrocinador e o subscrito principal rea
Recomendações de tópicos especiais relacionados
Comentários (0)

Em 3 de agosto, a empresa de IA MiniMax anunciou o lançamento em código aberto de seu modelo de vídeo geral de última geração,
Para geração, o H3 suporta durações de saída de 4 a 15 segundos a 24 FPS e áudio estéreo de 32 kHz. Os usuários podem escolher entre proporções comuns, como 21:9, 16:9, 4:3 ou 1:1, com o lado mais curto padronizado em 768 pixels para criação básica. A solução dedicada H3-Regenerate-2K permite imagens impressionantes com resolução de até 2K. Para interação multilíngue, ele oferece suporte confiável a 11 idiomas principais: árabe, chinês, inglês, francês, alemão, italiano, japonês, coreano, espanhol, português e russo.
Para atender a diversos cenários criativos, o H3 oferece versões flexíveis de modelos e opções abrangentes de entrada. O modo de primeiro e último quadro do H3-Base-FL2VA aceita de 0 a 2 imagens, lidando com tarefas como texto para vídeo, primeiro quadro para vídeo, último quadro para vídeo e colaboração entre o primeiro e o último quadro. Já o modo de referência multimodal completo H3-Base-Ref2VA suporta entrada mista de até 9 imagens, 3 clipes de vídeo (com duração total inferior a 15 segundos) e 3 segmentos de áudio — totalizando até 12 arquivos —, proporcionando aos criadores profissionais um controle preciso sem precedentes.
Por trás dos bastidores, o sistema MiniMax H3 é composto por três módulos principais. Primeiro, o H3-Context-IR (representação intermediária de contexto) analisa profundamente instruções múltiplas complexas e as converte em estruturas compatíveis com o modelo, servindo como um elo fundamental para resultados de alta qualidade. Em seguida, o módulo H3-Base gera áudio e vídeo básicos na resolução de 768p. Por fim, o módulo H3-Regenerate-2K realiza a reconstrução em super-resolução 2K por meio do realimentação dos resultados iniciais e do contexto original. Essa combinação preserva detalhes vívidos ao mesmo tempo em que aprimora significativamente a fidelidade visual.
O modelo foi lançado oficialmente sob a Licença Comunitária MiniMax H3. Desenvolvedores e entusiastas de tecnologia podem acessar o código-fonte completo e os recursos por meio
A Cloudera firma parceria com a Mistral para oferecer soluções de dados corporativos e IA soberana
A Cloudera e a Mistral estão unindo a plataforma híbrida de dados e IA da Cloudera aos modelos de IA soberanos da Mistral. Crédito: ClouderaA Cloudera e a Mistral AI firmaram uma parceria para oferece
A Onsemi vai adquirir a Synaptics por US$ 7 bilhões em ações, fortalecendo sua posição no mercado de chips de IA de ponta
Em 25 de fevereiro, a onsemi, fabricante líder de semicondutores, anunciou sua intenção de adquirir a Synaptics, especialista em chips de IA de ponta, em uma transação totalmente em ações avaliada em
A Robot Unicorn da Yushu Technology avança para o Quadro de Inovação Científica e Tecnológica; 52.000 yuanes ao assinar, preço estimado de emissão excede 100 yuanes
Em 5 de agosto, a principal empresa chinesa de robótica humanoides, Autonavi Technology, iniciou sua consulta preliminar de IPO na Bolsa de Inovação Científica e Tecnológica (STAR Market) entre 9h30 e 15h00. O patrocinador e o subscrito principal rea











