Дом
Визуальные модели большого масштаба с открытым исходным кодом совершенствуют мультимодальное генеративное создание контента; аудио и видео в формате 2K HD готовы произвести революцию в отрасли

3 августа компания MiniMax, специализирующаяся на искусственном интеллекте, объявила о выпуске в открытый доступ своей универсальной видеомодели нового поколения — MiniMax H3 . Эта система генерации с поддержкой всех модальностей выходит за рамки традиционных однозадачных подходов, обеспечивая глубокую интеграцию и понимание мультимодальных контекстов, включающих текст, изображения, видео и аудио, и демонстрируя высокую способность к обобщению задач.
Для генерации H3 поддерживает продолжительность вывода от 4 до 15 секунд при частоте 24 кадра в секунду и стереозвуке 32 кГц. Пользователи могут выбирать из распространённых соотношений сторон, таких как 21:9, 16:9, 4:3 или 1:1, при этом по умолчанию для базового создания короткая сторона составляет 768 пикселей. Специализированное решение H3-Regenerate-2K позволяет создавать потрясающие изображения с разрешением до 2K. Что касается многоязычного взаимодействия, система надежно поддерживает 11 основных языков: арабский, китайский, английский, французский, немецкий, итальянский, японский, корейский, испанский, португальский и русский.
Для адаптации к разнообразным творческим сценариям H3 предлагает гибкие версии моделей и богатые возможности ввода данных. Режим «первый-последний кадр» (H3-Base-FL2VA) принимает от 0 до 2 изображений, обрабатывая такие задачи, как преобразование текста в видео, преобразование первого кадра в видео, преобразование последнего кадра в видео, а также совместную обработку первого и последнего кадров. Между тем, полномодальный режим H3-Base-Ref2VA поддерживает смешанный ввод до 9 изображений, 3 видеороликов (общей продолжительностью менее 15 секунд) и 3 аудиофрагментов — всего до 12 файлов — что дает профессиональным творцам беспрецедентные возможности точного управления.
Внутри система MiniMax H3 состоит из трёх основных модулей. Во-первых, модуль H3-Context-IR (промежуточное представление контекста) проводит глубокий анализ сложных многошаговых инструкций и преобразует их в структуры, удобные для модели, выступая в качестве ключевого звена для получения высококачественного результата. Далее модуль H3-Base генерирует базовые аудио- и видеоматериалы с разрешением 768p. Наконец, модуль H3-Regenerate-2K обеспечивает реконструкцию с суперразрешением 2K путем обратной связи с исходными результатами и исходным контекстом. Такая комбинация позволяет сохранить яркие детали и значительно повысить точность воспроизведения изображения.
Модель теперь официально выпущена под лицензией MiniMax H3 Community License. Разработчики и технические энтузиасты могут получить доступ к полному открытому исходному коду и ресурсам через Hugging Face . Эксперты отрасли считают, что этот выпуск с открытым исходным кодом ещё больше снизит барьеры для мультимодального генерации видео, выведя кинопроизводство, визуальный дизайн и взаимодействие с ИИ на новый уровень.
Связанная статья
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Google тестирует агента Remy AI для Gemini по мере смещения фокуса на управление пользователями
Согласно Business Insider, Google тестирует Remy, нового ИИ-персонального агента для Gemini. Этот инструмент предназначен для выполнения задач от имени пользователей, упрощая как профессиональные рабочие процессы, так и повседневные рутины.В настоящ
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны
Рекомендации по связанным специальным темам
Комментарии (0)

3 августа компания MiniMax, специализирующаяся на искусственном интеллекте, объявила о выпуске в открытый доступ своей универсальной видеомодели нового поколения —
Для генерации H3 поддерживает продолжительность вывода от 4 до 15 секунд при частоте 24 кадра в секунду и стереозвуке 32 кГц. Пользователи могут выбирать из распространённых соотношений сторон, таких как 21:9, 16:9, 4:3 или 1:1, при этом по умолчанию для базового создания короткая сторона составляет 768 пикселей. Специализированное решение H3-Regenerate-2K позволяет создавать потрясающие изображения с разрешением до 2K. Что касается многоязычного взаимодействия, система надежно поддерживает 11 основных языков: арабский, китайский, английский, французский, немецкий, итальянский, японский, корейский, испанский, португальский и русский.
Для адаптации к разнообразным творческим сценариям H3 предлагает гибкие версии моделей и богатые возможности ввода данных. Режим «первый-последний кадр» (H3-Base-FL2VA) принимает от 0 до 2 изображений, обрабатывая такие задачи, как преобразование текста в видео, преобразование первого кадра в видео, преобразование последнего кадра в видео, а также совместную обработку первого и последнего кадров. Между тем, полномодальный режим H3-Base-Ref2VA поддерживает смешанный ввод до 9 изображений, 3 видеороликов (общей продолжительностью менее 15 секунд) и 3 аудиофрагментов — всего до 12 файлов — что дает профессиональным творцам беспрецедентные возможности точного управления.
Внутри система MiniMax H3 состоит из трёх основных модулей. Во-первых, модуль H3-Context-IR (промежуточное представление контекста) проводит глубокий анализ сложных многошаговых инструкций и преобразует их в структуры, удобные для модели, выступая в качестве ключевого звена для получения высококачественного результата. Далее модуль H3-Base генерирует базовые аудио- и видеоматериалы с разрешением 768p. Наконец, модуль H3-Regenerate-2K обеспечивает реконструкцию с суперразрешением 2K путем обратной связи с исходными результатами и исходным контекстом. Такая комбинация позволяет сохранить яркие детали и значительно повысить точность воспроизведения изображения.
Модель теперь официально выпущена под лицензией MiniMax H3 Community License. Разработчики и технические энтузиасты могут получить доступ к полному открытому исходному коду и ресурсам через
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны











