MiniMax 釋出 H3 多模態模型,將 15 秒 2K 音影片生成成本降至行業標準的三分之一以下
MiniMax 正式釋出了 MiniMax H3,這是一款通用多模態生成模型,旨在統一文字、影象、影片和音訊的理解與創作。透過彌合影片生成任務與模態之間的歷史鴻溝,此次釋出標誌著從專用工具向多功能一體化助手的關鍵轉變。
根據官方規格,H3 原生支援雙通道音影片輸出,能夠生成長達 15 秒、解析度為 2K 的內容。早期邀請測試證實了其在指令遵循、品牌敘事以及影片到影片動作遷移等領域的商業級穩定性。該模型已部署於廣告、電子商務、遊戲和 UI 設計等多個領域。

在技術層面,H3 利用上下文全表徵(Contextual Omni Representation),將自然語言作為跨模態的通用聯結器。使用者可以透過簡單的提示定義複雜的互動——例如,指示模型將一段影片中特定的希區柯克風格鏡頭運動應用到另一張影象中的角色上,同時該角色正在哼唱音訊片段中的旋律。系統自動處理整個理解與生成鏈條。結合其專有的 H3-VAE 和上下文再生技術,H3 以低於主要競爭對手三分之一的成本提供 2K 解析度輸出,且 768P 輸出的成本不到一半,提供了迄今為止最具成本效益的行業解決方案。
值得注意的是,MiniMax 計劃在未來幾天內開源 H3 模型權重,並遵守適用的法律法規。這標誌著國內首個主要影片生成模型向公眾開放權重,有助於培育開源生態系統並加速國產晶片的適配。該模型從底層設計之初就相容各種國產處理器,這一舉措顯著降低了國內企業採用多模態 AI 的技術門檻。
MiniMax 承認,H3 在影象細節和模型規模方面仍有提升空間。未來的更新將側重於整合 H 系列和 M 系列模型之間的能力,並透過擴充套件規模不斷突破效能邊界。
行業專家指出,H3 的釋出及開源可用可能會打破影片生成領域長期由閉源模型主導的局面,加速多模態 AI 應用的廣泛普及。
相關文章
普渡機器人釋出 PuduFM 1.0 和 PuduAgent,標誌著具身智慧新時代的到來
在人工智慧與機器人技術飛速發展的時代,全球商用服務機器人領域的領導者普渡機器人(Pudu Robotics)釋出了具身智慧領域的兩項突破性進展:PuduFM 1.0 和 PuduAgent。這些創新彰顯了普渡深厚的技術實力,並有望加速整個行業的商業化程序。PuduFM 1.0 是一個具身智慧大模型,帶來了三項關鍵突破。首先,它實現了深度的三維空間推理,能夠對複雜環境進行精確分析。其次,其物理行為前向預測技術能夠預判如灑水等動作,從而實現更智慧的任務執行。最後,透過將物理直覺與多模態視覺語言模型
百度崑崙晶片組赴港上市,目標估值500億美元
6月29日,資本市場因一則重大訊息而震動:百度旗下AI晶片子公司崑崙芯正加速推進其香港IPO程序,目標估值高達500億美元。崑崙芯作為百度AI硬體戰略的核心支柱,此舉不僅標誌著其財務歷程中的一個重要里程碑,也為競爭激烈的全球AI計算領域注入了新的活力。作為中國最具前景的AI計算公司之一,崑崙芯已成功釋出多代自主研發的AI晶片,目前已在包括雲端推理在內的多種計算場景中廣泛部署。
Instinct 在群聊中推出 AI 智慧體,包括與非使用者的群聊
Instinct,這家在最新一輪融資後估值達100億美元的AI智慧體,正拓展至群聊領域。該公司於週一宣佈,使用者可將該智慧體新增到與朋友的對話中,在旅行規劃、獲取活動門票、管理夢幻體育聯盟、組織拼車或協調感恩節聚餐等場景中提供幫助。值得注意的是,該公司表示,即使使用者的親友未加入Instinct,與AI智慧體的群聊功能依然可用。透過此次釋出,Instinct在與其主要競爭對手(如Meta的Muse)的競爭中進一步邁進。儘管Meta的舊版應用Meta AI可新增到WhatsApp、Messen
相關專題推薦
評論 (0)
0/500
MiniMax 正式釋出了 MiniMax H3,這是一款通用多模態生成模型,旨在統一文字、影象、影片和音訊的理解與創作。透過彌合影片生成任務與模態之間的歷史鴻溝,此次釋出標誌著從專用工具向多功能一體化助手的關鍵轉變。
根據官方規格,H3 原生支援雙通道音影片輸出,能夠生成長達 15 秒、解析度為 2K 的內容。早期邀請測試證實了其在指令遵循、品牌敘事以及影片到影片動作遷移等領域的商業級穩定性。該模型已部署於廣告、電子商務、遊戲和 UI 設計等多個領域。

在技術層面,H3 利用上下文全表徵(Contextual Omni Representation),將自然語言作為跨模態的通用聯結器。使用者可以透過簡單的提示定義複雜的互動——例如,指示模型將一段影片中特定的希區柯克風格鏡頭運動應用到另一張影象中的角色上,同時該角色正在哼唱音訊片段中的旋律。系統自動處理整個理解與生成鏈條。結合其專有的 H3-VAE 和上下文再生技術,H3 以低於主要競爭對手三分之一的成本提供 2K 解析度輸出,且 768P 輸出的成本不到一半,提供了迄今為止最具成本效益的行業解決方案。
值得注意的是,MiniMax 計劃在未來幾天內開源 H3 模型權重,並遵守適用的法律法規。這標誌著國內首個主要影片生成模型向公眾開放權重,有助於培育開源生態系統並加速國產晶片的適配。該模型從底層設計之初就相容各種國產處理器,這一舉措顯著降低了國內企業採用多模態 AI 的技術門檻。
MiniMax 承認,H3 在影象細節和模型規模方面仍有提升空間。未來的更新將側重於整合 H 系列和 M 系列模型之間的能力,並透過擴充套件規模不斷突破效能邊界。
行業專家指出,H3 的釋出及開源可用可能會打破影片生成領域長期由閉源模型主導的局面,加速多模態 AI 應用的廣泛普及。
普渡機器人釋出 PuduFM 1.0 和 PuduAgent,標誌著具身智慧新時代的到來
在人工智慧與機器人技術飛速發展的時代,全球商用服務機器人領域的領導者普渡機器人(Pudu Robotics)釋出了具身智慧領域的兩項突破性進展:PuduFM 1.0 和 PuduAgent。這些創新彰顯了普渡深厚的技術實力,並有望加速整個行業的商業化程序。PuduFM 1.0 是一個具身智慧大模型,帶來了三項關鍵突破。首先,它實現了深度的三維空間推理,能夠對複雜環境進行精確分析。其次,其物理行為前向預測技術能夠預判如灑水等動作,從而實現更智慧的任務執行。最後,透過將物理直覺與多模態視覺語言模型
百度崑崙晶片組赴港上市,目標估值500億美元
6月29日,資本市場因一則重大訊息而震動:百度旗下AI晶片子公司崑崙芯正加速推進其香港IPO程序,目標估值高達500億美元。崑崙芯作為百度AI硬體戰略的核心支柱,此舉不僅標誌著其財務歷程中的一個重要里程碑,也為競爭激烈的全球AI計算領域注入了新的活力。作為中國最具前景的AI計算公司之一,崑崙芯已成功釋出多代自主研發的AI晶片,目前已在包括雲端推理在內的多種計算場景中廣泛部署。
Instinct 在群聊中推出 AI 智慧體,包括與非使用者的群聊
Instinct,這家在最新一輪融資後估值達100億美元的AI智慧體,正拓展至群聊領域。該公司於週一宣佈,使用者可將該智慧體新增到與朋友的對話中,在旅行規劃、獲取活動門票、管理夢幻體育聯盟、組織拼車或協調感恩節聚餐等場景中提供幫助。值得注意的是,該公司表示,即使使用者的親友未加入Instinct,與AI智慧體的群聊功能依然可用。透過此次釋出,Instinct在與其主要競爭對手(如Meta的Muse)的競爭中進一步邁進。儘管Meta的舊版應用Meta AI可新增到WhatsApp、Messen





首頁






