MiniMax H3多模态能力表现如何？
Artificial Analysis的有声视频编辑榜单，H3以1130分的Elo成绩拿了全球第一。压过了Gemini Omni Flash、Wan 2.7这些国内外模型。文生视频排第二，图生视频排第三，综合能力跻身全球第一梯队。实际测试中，H3的“广义编辑”能力确实有点东西。给视频里的人物换台词，它能同时适配音色和嘴形。让品牌logo贴到玻璃杯上，它能理解玻璃的折射；贴到曲面上，它能理解曲率。这已经超出了“生成”的范畴，更像是模型对场景做了整体理解之后的产物。从“理解”到“编辑”再到“生成”，H3把这几个环节串起来了。视频编辑这个细分方向，开源模型能拿第一，之前确实不多见。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
