Maison
MiniMax dévoile son modèle multimodal H3, réduisant à moins d’un tiers des coûts standards de l’industrie la génération audio-visuelle 2K de 15 secondes.
MiniMax a officiellement dévoilé MiniMax H3, un modèle de génération multimodale à usage général conçu pour unifier la compréhension et la création de textes, d’images, de vidéos et d’audio. En comblant le fossé historique entre les tâches et les modalités dans la génération vidéo, cette version marque un tournant décisif, passant d’outils spécialisés à des assistants polyvalents et tout-en-un.
Selon les spécifications officielles, H3 prend nativement en charge la sortie audio-vidéo à double canal, capable de générer jusqu’à 15 secondes de contenu en résolution 2K. Des tests d’invitation préliminaires ont confirmé sa stabilité de qualité commerciale dans des domaines tels que le respect des instructions, la narration de marque et le transfert d’actions vidéo-à-vidéo. Le modèle est déjà déployé dans divers secteurs, notamment la publicité, le commerce électronique, les jeux vidéo et la conception d’interfaces utilisateur.

Sur le plan technologique, H3 s’appuie sur une Représentation Omni Contextuelle, utilisant le langage naturel comme connecteur universel entre les modalités. Les utilisateurs peuvent définir des interactions complexes via des invites simples ; par exemple, demander au modèle d’appliquer un mouvement de caméra spécifique de style Hitchcock d’une vidéo à un personnage dans une autre image, tout en chantant une mélodie extraite d’un fichier audio. Le système gère automatiquement l’ensemble de la chaîne de compréhension et de génération. Couplé à ses technologies propriétaires H3-VAE et Régénération in-contexte, H3 offre une résolution 2K à moins d’un tiers du coût des principaux concurrents, et moins de la moitié du coût pour une sortie en 768P, proposant ainsi la solution la plus rentable jamais vue dans l’industrie à ce jour.
Il est à noter que MiniMax prévoit d’ouvrir les poids du modèle H3 dans les jours à venir, conformément aux lois et réglementations applicables. Il s’agit de la première fois qu’un modèle majeur de génération vidéo national publie ses poids au public, favorisant les écosystèmes open source et accélérant l’adaptation des puces locales. Conçu dès le départ pour être compatible avec divers processeurs locaux, ce mouvement abaisse considérablement les barrières techniques pour les entreprises nationales adoptant l’IA multimodale.
MiniMax reconnaît que H3 présente encore des marges de progression en matière de détails d’image et d’échelle du modèle. Les futures mises à jour se concentreront sur l’intégration des capacités entre les séries H et M, repoussant continuellement les limites de la performance grâce à l’augmentation de l’échelle.
Les experts de l’industrie suggèrent que le lancement et la disponibilité open source de H3 pourraient bouleverser la domination de longue date des modèles fermés dans la génération vidéo, accélérant ainsi l’adoption généralisée des applications d’IA multimodale.
Article connexe
Purdue Robotics dévoile PuduFM 1.0 et PuduAgent, marquant le début d’une nouvelle ère de l’intelligence incarnée
Dans une ère définie par l’avancement rapide de l’intelligence artificielle et de la robotique, Pudu Robotics, leader mondial des robots de service commerciaux, a dévoilé deux avancées révolutionnaires en matière d’intelligence incarnée : PuduFM 1.0
Ensemble de puces Kunlun de Baidu pour une introduction en bourse à Hong Kong avec un objectif de valorisation de 50 milliards de dollars
Le 29 juin, les marchés de capitaux ont été ébranlés par une information majeure : la filiale de Baidu spécialisée dans les puces IA, Kunlun Tech, accélère son introduction en bourse à Hong Kong, visant une valorisation pouvant atteindre 50 milliards
Instinct lance un agent d'IA dans les conversations de groupe, y compris celles avec des non-utilisateurs
Instinct, l’agent d’intelligence artificielle dont la valorisation s’élève désormais à 10 milliards de dollars après son dernier tour de financement, s’étend aux conversations de groupe. La startup a annoncé lundi que les utilisateurs peuvent ajouter
Recommandations de sujets spéciaux liés
commentaires (0)
MiniMax a officiellement dévoilé MiniMax H3, un modèle de génération multimodale à usage général conçu pour unifier la compréhension et la création de textes, d’images, de vidéos et d’audio. En comblant le fossé historique entre les tâches et les modalités dans la génération vidéo, cette version marque un tournant décisif, passant d’outils spécialisés à des assistants polyvalents et tout-en-un.
Selon les spécifications officielles, H3 prend nativement en charge la sortie audio-vidéo à double canal, capable de générer jusqu’à 15 secondes de contenu en résolution 2K. Des tests d’invitation préliminaires ont confirmé sa stabilité de qualité commerciale dans des domaines tels que le respect des instructions, la narration de marque et le transfert d’actions vidéo-à-vidéo. Le modèle est déjà déployé dans divers secteurs, notamment la publicité, le commerce électronique, les jeux vidéo et la conception d’interfaces utilisateur.

Sur le plan technologique, H3 s’appuie sur une Représentation Omni Contextuelle, utilisant le langage naturel comme connecteur universel entre les modalités. Les utilisateurs peuvent définir des interactions complexes via des invites simples ; par exemple, demander au modèle d’appliquer un mouvement de caméra spécifique de style Hitchcock d’une vidéo à un personnage dans une autre image, tout en chantant une mélodie extraite d’un fichier audio. Le système gère automatiquement l’ensemble de la chaîne de compréhension et de génération. Couplé à ses technologies propriétaires H3-VAE et Régénération in-contexte, H3 offre une résolution 2K à moins d’un tiers du coût des principaux concurrents, et moins de la moitié du coût pour une sortie en 768P, proposant ainsi la solution la plus rentable jamais vue dans l’industrie à ce jour.
Il est à noter que MiniMax prévoit d’ouvrir les poids du modèle H3 dans les jours à venir, conformément aux lois et réglementations applicables. Il s’agit de la première fois qu’un modèle majeur de génération vidéo national publie ses poids au public, favorisant les écosystèmes open source et accélérant l’adaptation des puces locales. Conçu dès le départ pour être compatible avec divers processeurs locaux, ce mouvement abaisse considérablement les barrières techniques pour les entreprises nationales adoptant l’IA multimodale.
MiniMax reconnaît que H3 présente encore des marges de progression en matière de détails d’image et d’échelle du modèle. Les futures mises à jour se concentreront sur l’intégration des capacités entre les séries H et M, repoussant continuellement les limites de la performance grâce à l’augmentation de l’échelle.
Les experts de l’industrie suggèrent que le lancement et la disponibilité open source de H3 pourraient bouleverser la domination de longue date des modèles fermés dans la génération vidéo, accélérant ainsi l’adoption généralisée des applications d’IA multimodale.
Purdue Robotics dévoile PuduFM 1.0 et PuduAgent, marquant le début d’une nouvelle ère de l’intelligence incarnée
Dans une ère définie par l’avancement rapide de l’intelligence artificielle et de la robotique, Pudu Robotics, leader mondial des robots de service commerciaux, a dévoilé deux avancées révolutionnaires en matière d’intelligence incarnée : PuduFM 1.0
Ensemble de puces Kunlun de Baidu pour une introduction en bourse à Hong Kong avec un objectif de valorisation de 50 milliards de dollars
Le 29 juin, les marchés de capitaux ont été ébranlés par une information majeure : la filiale de Baidu spécialisée dans les puces IA, Kunlun Tech, accélère son introduction en bourse à Hong Kong, visant une valorisation pouvant atteindre 50 milliards
Instinct lance un agent d'IA dans les conversations de groupe, y compris celles avec des non-utilisateurs
Instinct, l’agent d’intelligence artificielle dont la valorisation s’élève désormais à 10 milliards de dollars après son dernier tour de financement, s’étend aux conversations de groupe. La startup a annoncé lundi que les utilisateurs peuvent ajouter











