MiniMax H3多模态能力表现如何？
Seedance和H3，视频生成怎么选？
Minimax H3
MiniMax H3最让我服气的能力是“复杂文本保持”。品牌logo放到玻璃杯上，它要理解玻璃的折射；放到墙上，要理解墙的曲率和纹理；跟随镜头推拉时，要保证字体不畸变。这已经不是“生成字体”了，是模型对场景做完整体理解之后的产物。全模态上下文的统一理解是另一个亮点。给H3一张人物参考图、一段希区柯克式镜头运动的参考视频、一条参考歌声的音频，它能读懂复合指令，一次生成带原生双声道的2K成片。上传一段动画做参考视频、一张街景做参考图片，它能识别球状屏幕的几何特性，让人物运动遵循球面变形规律，同时自动补齐音频。价格也是真便宜。默认2K分辨率，每秒定价0.8元人民币。同级别分辨率的产品里，这个价格确实能打。视频编辑能力在Artificial Analysis榜单上排名全球第一。一个开源模型，能做到这个程度，确实让人意外。品玩的实测说H3和Seedance 2.5旗鼓相当，但“性格”完全不同。H3更知道片子最后应该“像什么”，Seedance更知道导演刚才具体要求它“做什么”。一个更懂“像什么”的模型，和一个更懂“做什么”的模型，视频创作者终于有得选了。
发布于 中国香港
分享
1
1
未登录
友善发言
评论
加载中
