MiniMax H3 הוא מודל יצירה רב-מודאלי לשימוש כללי: הוא קורא טקסט, תמונות, וידאו ואודיו כהקשר אחד ומחזיר וידאו עם סאונד סטריאו מובנה, עד 15 שניות ב-2K. MiniMax ממצבת אותו על יחס מחיר-ביצועים, ומציינת שעלות השנייה ב-2K נמוכה משליש מהמקובל, וגם הודיעה שבכוונתה לפתוח את משקולות המודל.
תמונת מצב של יכולת
2K
רזולוציית ברירת מחדל
15s
אורך מרבי
stereo
אודיו מובנה
סקירה של 27 שניות על תהליך העבודה, היתרונות המרכזיים והתוצאות.
ערך מעשי ממופה לזרימות עבודה אמיתיות של ייצור.
הטבה
01
הקשר אחד, לא ארבעה צינורות
טקסט, תמונה, וידאו ואודיו נכנסים כהקשר אחד, כך שהנחיה יכולה לומר ״קח את תנועת המצלמה מהקליפ הזה, תן לאדם בתמונה הזאת לשיר, והתאם לקול הזה״ ותובן כהוראה אחת, במקום להתפצל בין מודלים מומחים נפרדים.
הטבה
02
הסאונד נוצר יחד עם התמונה
האודיו מיוצר יחד עם הווידאו ויוצא בסטריאו מובנה, כך שדיאלוג, אפקטים ואווירה מגיעים כבר מיושרים לשוט במקום להיות מונחים מעליו בדיעבד.
הטבה
03
2K בעלות נמוכה יותר לשנייה
2K היא ברירת המחדל ולא שכבת פרימיום. MiniMax מציינת שמחיר השנייה של H3 ב-2K נמוך משליש מזה של מודלים מקובלים, ובהרצה ב-768p נמוך מחצי מ-720p המקובל — וזה משנה כמה עולה לאייטר בכמויות.
נתיב פשוט בן שלושה שלבים מחומר מקור לתוצאה ניתנת לשימוש חוזר.
שלב 1
הרכיבו את ההקשר
הביאו את חומרי הייחוס שיש לכם — קליפ לתנועת המצלמה, תמונה לדמות, אודיו לקול.
שלב 2
תארו את הקשר בין החומרים
אמרו במילים פשוטות כיצד הייחוסים מתקשרים לווידאו המבוקש. את ההיסק בין המודאליות H3 פותר בעצמו.
שלב 3
צרו ואייטרו
רנדרו עד 15 שניות ב-2K עם סטריאו, ואז אייטרו — עלות השנייה היא מה שהופך סבבים חוזרים למעשיים.
עד 15 שניות, כאשר 2K מוצעת כרזולוציית ברירת המחדל. קיימת גם רמת 768p, ובה MiniMax מציינת את המחיר הנמוך ביותר לשנייה.
H3 מייצר את האודיו יחד עם הווידאו, והפלט הוא סטריאו מובנה ולא ערוץ מונו שנמזג בדיעבד.
MiniMax הודיעה על כוונה לפתוח את משקולות המודל, וציינה תאימות חומרה והתאמה אישית כיעדי תכנון. עד שהשחרור יקרה בפועל, התייחסו לזמינות כמשהו שממתין ולא כהבטחה קיימת.
השלב הבא
פתח את הכלי עם תמונה אמיתית, השווה את התוצאות ושמור על הגרסה שעובדת.