MiniMax 发布 H3 多模态模型,将 15 秒 2K 音视频生成成本降至行业标准的三分之一以下
MiniMax 正式发布了 MiniMax H3,这是一款通用多模态生成模型,旨在统一文本、图像、视频和音频的理解与创作。通过弥合视频生成任务与模态之间的历史鸿沟,此次发布标志着从专用工具向多功能一体化助手的关键转变。
根据官方规格,H3 原生支持双通道音视频输出,能够生成长达 15 秒、分辨率为 2K 的内容。早期邀请测试证实了其在指令遵循、品牌叙事以及视频到视频动作迁移等领域的商业级稳定性。该模型已部署于广告、电子商务、游戏和 UI 设计等多个领域。

在技术层面,H3 利用上下文全表征(Contextual Omni Representation),将自然语言作为跨模态的通用连接器。用户可以通过简单的提示定义复杂的交互——例如,指示模型将一段视频中特定的希区柯克风格镜头运动应用到另一张图像中的角色上,同时该角色正在哼唱音频片段中的旋律。系统自动处理整个理解与生成链条。结合其专有的 H3-VAE 和上下文再生技术,H3 以低于主要竞争对手三分之一的成本提供 2K 分辨率输出,且 768P 输出的成本不到一半,提供了迄今为止最具成本效益的行业解决方案。
值得注意的是,MiniMax 计划在未来几天内开源 H3 模型权重,并遵守适用的法律法规。这标志着国内首个主要视频生成模型向公众开放权重,有助于培育开源生态系统并加速国产芯片的适配。该模型从底层设计之初就兼容各种国产处理器,这一举措显著降低了国内企业采用多模态 AI 的技术门槛。
MiniMax 承认,H3 在图像细节和模型规模方面仍有提升空间。未来的更新将侧重于整合 H 系列和 M 系列模型之间的能力,并通过扩展规模不断突破性能边界。
行业专家指出,H3 的发布及开源可用可能会打破视频生成领域长期由闭源模型主导的局面,加速多模态 AI 应用的广泛普及。
相关文章
Instinct 在群聊中推出 AI 智能体,包括与非用户的群聊
Instinct,这家在最新一轮融资后估值达100亿美元的AI智能体,正拓展至群聊领域。该公司于周一宣布,用户可将该智能体添加到与朋友的对话中,在旅行规划、获取活动门票、管理梦幻体育联盟、组织拼车或协调感恩节聚餐等场景中提供帮助。值得注意的是,该公司表示,即使用户的亲友未加入Instinct,与AI智能体的群聊功能依然可用。通过此次发布,Instinct在与其主要竞争对手(如Meta的Muse)的竞争中进一步迈进。尽管Meta的旧版应用Meta AI可添加到WhatsApp、Messenge
世界银行敦促新兴经济体跳过大型模型,专注于本地小工具
世界银行最新报告为发展中国家规划了一条务实的发展路径:立即将人工智能整合到公共管理和商业活动中,同时根据当地情况调整现有解决方案。无需在大型数据中心或基础语言模型方面与富裕国家展开昂贵的竞争。与其将资源投入庞大的计算基础设施,优先采用负担得起且适应本地的人工智能工具,才是提升医疗和教育水平的更可行路径。这一指导方针基于紧迫的经济现实。发展中国家目前正面临三十年来最弱的平均增长率,但世界银行认为,人工智能可以成为恢复增长轨迹的催化剂。报告强调,人工智能更有可能增强劳动力能力,而非取代他们,并设想
OpenAI首席执行官Altman在第二个女儿出生后取消了韩国和日本之行
OpenAI首席执行官山姆·阿尔特曼(Sam Altman)近日迎来了他的第二个女儿,该女婴早产,这导致他原定于15日前往韩国和日本的计划行程被迫取消。尽管业界曾推测此次行程变更可能与美国政府针对OpenAI的调查或新一代大语言模型的即将发布有关,但最近的披露证实,此次延期纯粹是由于家庭原因,这也凸显了硅谷对工作和生活方式平衡的高度重视。按照原定计划,阿尔特曼的访问旨在加强与韩国主要科技公司的战略联系。他原计划与三星电子、NAVER和Kakao的高层领导会面,讨论人工智能合作策略,并向三星员工发
相关专题推荐
评论 (0)
0/500
MiniMax 正式发布了 MiniMax H3,这是一款通用多模态生成模型,旨在统一文本、图像、视频和音频的理解与创作。通过弥合视频生成任务与模态之间的历史鸿沟,此次发布标志着从专用工具向多功能一体化助手的关键转变。
根据官方规格,H3 原生支持双通道音视频输出,能够生成长达 15 秒、分辨率为 2K 的内容。早期邀请测试证实了其在指令遵循、品牌叙事以及视频到视频动作迁移等领域的商业级稳定性。该模型已部署于广告、电子商务、游戏和 UI 设计等多个领域。

在技术层面,H3 利用上下文全表征(Contextual Omni Representation),将自然语言作为跨模态的通用连接器。用户可以通过简单的提示定义复杂的交互——例如,指示模型将一段视频中特定的希区柯克风格镜头运动应用到另一张图像中的角色上,同时该角色正在哼唱音频片段中的旋律。系统自动处理整个理解与生成链条。结合其专有的 H3-VAE 和上下文再生技术,H3 以低于主要竞争对手三分之一的成本提供 2K 分辨率输出,且 768P 输出的成本不到一半,提供了迄今为止最具成本效益的行业解决方案。
值得注意的是,MiniMax 计划在未来几天内开源 H3 模型权重,并遵守适用的法律法规。这标志着国内首个主要视频生成模型向公众开放权重,有助于培育开源生态系统并加速国产芯片的适配。该模型从底层设计之初就兼容各种国产处理器,这一举措显著降低了国内企业采用多模态 AI 的技术门槛。
MiniMax 承认,H3 在图像细节和模型规模方面仍有提升空间。未来的更新将侧重于整合 H 系列和 M 系列模型之间的能力,并通过扩展规模不断突破性能边界。
行业专家指出,H3 的发布及开源可用可能会打破视频生成领域长期由闭源模型主导的局面,加速多模态 AI 应用的广泛普及。
Instinct 在群聊中推出 AI 智能体,包括与非用户的群聊
Instinct,这家在最新一轮融资后估值达100亿美元的AI智能体,正拓展至群聊领域。该公司于周一宣布,用户可将该智能体添加到与朋友的对话中,在旅行规划、获取活动门票、管理梦幻体育联盟、组织拼车或协调感恩节聚餐等场景中提供帮助。值得注意的是,该公司表示,即使用户的亲友未加入Instinct,与AI智能体的群聊功能依然可用。通过此次发布,Instinct在与其主要竞争对手(如Meta的Muse)的竞争中进一步迈进。尽管Meta的旧版应用Meta AI可添加到WhatsApp、Messenge
世界银行敦促新兴经济体跳过大型模型,专注于本地小工具
世界银行最新报告为发展中国家规划了一条务实的发展路径:立即将人工智能整合到公共管理和商业活动中,同时根据当地情况调整现有解决方案。无需在大型数据中心或基础语言模型方面与富裕国家展开昂贵的竞争。与其将资源投入庞大的计算基础设施,优先采用负担得起且适应本地的人工智能工具,才是提升医疗和教育水平的更可行路径。这一指导方针基于紧迫的经济现实。发展中国家目前正面临三十年来最弱的平均增长率,但世界银行认为,人工智能可以成为恢复增长轨迹的催化剂。报告强调,人工智能更有可能增强劳动力能力,而非取代他们,并设想
OpenAI首席执行官Altman在第二个女儿出生后取消了韩国和日本之行
OpenAI首席执行官山姆·阿尔特曼(Sam Altman)近日迎来了他的第二个女儿,该女婴早产,这导致他原定于15日前往韩国和日本的计划行程被迫取消。尽管业界曾推测此次行程变更可能与美国政府针对OpenAI的调查或新一代大语言模型的即将发布有关,但最近的披露证实,此次延期纯粹是由于家庭原因,这也凸显了硅谷对工作和生活方式平衡的高度重视。按照原定计划,阿尔特曼的访问旨在加强与韩国主要科技公司的战略联系。他原计划与三星电子、NAVER和Kakao的高层领导会面,讨论人工智能合作策略,并向三星员工发





首页






