開源視覺大型模型提升多模態生成能力,2K 高畫質音訊與影片將為產業帶來革命性變革

8月3日,人工智慧公司 MiniMax 宣布將其新一代通用影片模型MiniMax H3 開源釋出。這個全模態生成系統突破了傳統單一任務的界限,能深度整合並理解文字、圖像、影片及音訊等多模態情境,展現出強大的任務泛化能力。
在生成方面,H3 支援以 24 FPS 幀率及 32 kHz 立體聲輸出,影片長度範圍為 4 至 15 秒。 使用者可從 21:9、16:9、4:3 或 1:1 等常見畫面比例中選擇,基本創作的預設較短邊為 768 像素。專用的 H3-Regenerate-2K 解決方案可生成最高達 2K 解析度的驚艷影像。 在多語言互動方面,它可靠地支援 11 種主要語言:阿拉伯語、中文、英語、法語、德語、義大利語、日語、韓語、西班牙語、葡萄牙語及俄語。
為因應多元的創作情境,H3 提供靈活的模型版本與豐富的輸入選項。H3-Base-FL2VA 首尾幀模式可接受 0 至 2 張圖片,處理「文字轉影片」、「首幀轉影片」、「尾幀轉影片」以及「首尾幀協作」等任務。 另一方面,H3-Base-Ref2VA 全模態參考模式則支援最多 9 張圖片、3 段影片片段(總時長不超過 15 秒)以及 3 段音訊片段的混合輸入——總計最多 12 個檔案——為專業創作者提供前所未有的精細控制能力。
在技術層面上,MiniMax H3 系統由三個核心模組組成。首先,H3-Context-IR(情境中間表示)會深入分析複雜的多指令,並將其轉換為模型易於處理的結構,作為產生高品質輸出的關鍵環節。 其次,H3-Base 模組以 768p 解析度生成基礎音訊與影片。最後,H3-Regenerate-2K 模組透過將初始結果與原始情境進行反饋,實現 2K 超解析度重建。此組合在保留生動細節的同時,大幅提升了視覺保真度。
該模型現已根據 MiniMax H3 社群授權正式發布。開發者與科技愛好者可透過Hugging Face 取得完整的開源程式碼與資源。業界專家認為,此次開源發布將進一步降低多模態影片生成的門檻,推動電影製作、視覺設計及 AI 互動邁向新高度。
相關文章
Onsemi 將以 70 億美元的股票收購 Synaptics,藉此鞏固其在邊緣 AI 晶片市場的地位
2月25日,領先的半導體製造商安森美(onsemi)宣布,擬以全股票交易方式收購邊緣AI晶片專家Synaptics,交易估值約為70億美元(約合476.6億元人民幣)。該交易預計將於2027年年中前完成。兩家公司的產品線高度互補,預計可產生總計2億美元的協同效益。根據協議,Synaptics 現有股東將獲得 onsemi 約 12% 的完全攤薄股份。 此外,Synaptics 將有一名董事加入 o
機器人獨角獸宇樹科技衝刺科創板;簽約獲5.2萬元,預計發行價超100元
8月5日,中國領先的人形機器人公司高仙科技(Autonavi Technology)在科創板(STAR Market)啟動初步詢價,時間為9:30至15:00。保薦機構兼主承銷商同步開展線下投資者路演,戰略配售物件繳付認購資金。最終定價、合格投標人及分配股份數量將於8月6日確認,網上網下申購於8月10日啟動,繳款截止日為8月12日。關於資本發行,高仙科技計劃發行4044.64萬股新股,佔IPO後總股本(4.04億股)的10%,旨在籌集42.02億元。市場共識預計IPO估值將超過400億元。基於
ChatGPT 推出聊天鎖定功能,以增強隱私保護
週二,OpenAI 公佈了一項新功能,允許使用者鎖定 ChatGPT 對話,確保當他人可能訪問其螢幕或裝置時,敏感討論保持私密。使用者可以使用四位數字 PIN 碼保護這些鎖定的聊天,或在相容裝置上利用 Face ID 和 Touch ID。與建立不顯示在聊天記錄中的隔離會話的“臨時聊天”不同,“鎖定聊天”可以隨時訪問和繼續。OpenAI 設計此功能是為了應對使用者討論個人事務或策劃驚喜的場景,當將裝置借給朋友或家人檢視其他聊天時,希望保持這些對話的機密性。這一補充增強了 ChatGPT 的隱私框
相關專題推薦
評論 (0)
0/500

8月3日,人工智慧公司 MiniMax 宣布將其新一代通用影片模型
在生成方面,H3 支援以 24 FPS 幀率及 32 kHz 立體聲輸出,影片長度範圍為 4 至 15 秒。 使用者可從 21:9、16:9、4:3 或 1:1 等常見畫面比例中選擇,基本創作的預設較短邊為 768 像素。專用的 H3-Regenerate-2K 解決方案可生成最高達 2K 解析度的驚艷影像。 在多語言互動方面,它可靠地支援 11 種主要語言:阿拉伯語、中文、英語、法語、德語、義大利語、日語、韓語、西班牙語、葡萄牙語及俄語。
為因應多元的創作情境,H3 提供靈活的模型版本與豐富的輸入選項。H3-Base-FL2VA 首尾幀模式可接受 0 至 2 張圖片,處理「文字轉影片」、「首幀轉影片」、「尾幀轉影片」以及「首尾幀協作」等任務。 另一方面,H3-Base-Ref2VA 全模態參考模式則支援最多 9 張圖片、3 段影片片段(總時長不超過 15 秒)以及 3 段音訊片段的混合輸入——總計最多 12 個檔案——為專業創作者提供前所未有的精細控制能力。
在技術層面上,MiniMax H3 系統由三個核心模組組成。首先,H3-Context-IR(情境中間表示)會深入分析複雜的多指令,並將其轉換為模型易於處理的結構,作為產生高品質輸出的關鍵環節。 其次,H3-Base 模組以 768p 解析度生成基礎音訊與影片。最後,H3-Regenerate-2K 模組透過將初始結果與原始情境進行反饋,實現 2K 超解析度重建。此組合在保留生動細節的同時,大幅提升了視覺保真度。
該模型現已根據 MiniMax H3 社群授權正式發布。開發者與科技愛好者可透過
Onsemi 將以 70 億美元的股票收購 Synaptics,藉此鞏固其在邊緣 AI 晶片市場的地位
2月25日,領先的半導體製造商安森美(onsemi)宣布,擬以全股票交易方式收購邊緣AI晶片專家Synaptics,交易估值約為70億美元(約合476.6億元人民幣)。該交易預計將於2027年年中前完成。兩家公司的產品線高度互補,預計可產生總計2億美元的協同效益。根據協議,Synaptics 現有股東將獲得 onsemi 約 12% 的完全攤薄股份。 此外,Synaptics 將有一名董事加入 o
機器人獨角獸宇樹科技衝刺科創板;簽約獲5.2萬元,預計發行價超100元
8月5日,中國領先的人形機器人公司高仙科技(Autonavi Technology)在科創板(STAR Market)啟動初步詢價,時間為9:30至15:00。保薦機構兼主承銷商同步開展線下投資者路演,戰略配售物件繳付認購資金。最終定價、合格投標人及分配股份數量將於8月6日確認,網上網下申購於8月10日啟動,繳款截止日為8月12日。關於資本發行,高仙科技計劃發行4044.64萬股新股,佔IPO後總股本(4.04億股)的10%,旨在籌集42.02億元。市場共識預計IPO估值將超過400億元。基於
ChatGPT 推出聊天鎖定功能,以增強隱私保護
週二,OpenAI 公佈了一項新功能,允許使用者鎖定 ChatGPT 對話,確保當他人可能訪問其螢幕或裝置時,敏感討論保持私密。使用者可以使用四位數字 PIN 碼保護這些鎖定的聊天,或在相容裝置上利用 Face ID 和 Touch ID。與建立不顯示在聊天記錄中的隔離會話的“臨時聊天”不同,“鎖定聊天”可以隨時訪問和繼續。OpenAI 設計此功能是為了應對使用者討論個人事務或策劃驚喜的場景,當將裝置借給朋友或家人檢視其他聊天時,希望保持這些對話的機密性。這一補充增強了 ChatGPT 的隱私框





首頁






