MiniMax H3多模态能力表现如何？
Seedance和H3，视频生成怎么选？
H3支持原生多模态理解与生成，你可以上传文字、图片、音频、视频等多种输入，也可以直接让H3生成缺失的那个模态。这不是“多模态拼接”，是把整段素材当成统一上下文，让模型理解各种元素的关系。导演级指令跟随测试里，H3能精确执行复杂的灯光变化指令，烛光、硬光、彩虹折射、红蓝对打、金色逆光依次出现且过渡平滑。给视频里的人物配音、改变台词，H3能同时适配音色和嘴形。已经不只是“生成画面”了，是在“理解画面之后生成声音”。自研VAE把视频压缩率做到了行业最高水平，同样一段视频，序列长度直接省了4倍。训练便宜了，推理也便宜了。不把低清视频当作唯一依据，而是把它当作一种参考，连同原始多模态上下文一起输入，复用H3的理解能力生成高分辨率画面。H3宣布近期开源。视频生成赛道之前被Seedance、可灵等闭源模型主导。H3开源之后，开发者终于可以免费部署一个性能逼近闭源旗舰的多模态模型了。一个开源的全模态统一模型，能力无限逼近了闭源最强模型。
发布于 中国香港
分享
评论
赞
未登录
友善发言
评论
加载中
