MiniMax H3 เป็นโมเดลสร้างสรรค์แบบมัลติโมดัลสำหรับงานทั่วไป อ่านข้อความ ภาพ วิดีโอ และเสียงเป็นบริบทเดียว แล้วคืนวิดีโอพร้อมเสียงสเตอริโอในตัว ยาวได้ถึง 15 วินาทีที่ความละเอียด 2K MiniMax วางตำแหน่งด้วยความคุ้มค่าต่อราคา โดยระบุว่าค่าใช้จ่ายต่อวินาทีที่ 2K ต่ำกว่าหนึ่งในสามของโมเดลกระแสหลัก และประกาศว่ามีแผนเปิดน้ำหนักโมเดล
ภาพรวมความสามารถ
2K
ความละเอียดเริ่มต้น
15s
ความยาวสูงสุด
stereo
เสียงในตัว
ทำความรู้จักเวิร์กโฟลว์ จุดเด่นสำคัญ และผลลัพธ์ใน 27 วินาที
มูลค่าเชิงปฏิบัติที่แมปกับขั้นตอนการทำงานจริง
ผลประโยชน์
01
บริบทเดียว ไม่ใช่สี่สายงาน
ข้อความ ภาพ วิดีโอ และเสียงเข้าไปเป็นบริบทเดียว พรอมป์จึงสั่งได้ว่า “ใช้การเคลื่อนกล้องจากคลิปนี้ ให้คนในภาพนี้ร้องเพลง และให้เสียงเหมือนไฟล์นี้” แล้วถูกเข้าใจเป็นคำสั่งเดียว แทนที่จะถูกส่งต่อไปยังโมเดลเฉพาะทางหลายตัว
ผลประโยชน์
02
เสียงถูกสร้างมาพร้อมภาพ
เสียงถูกผลิตไปพร้อมกับวิดีโอและออกมาเป็นสเตอริโอในตัว บทสนทนา เอฟเฟกต์ และเสียงบรรยากาศจึงมาพร้อมกับช็อตอยู่แล้ว ไม่ต้องมาซ้อนทีหลัง
ผลประโยชน์
03
2K ที่ต้นทุนต่อวินาทีต่ำกว่า
2K เป็นค่าเริ่มต้น ไม่ใช่ระดับพรีเมียม MiniMax ระบุราคาต่อวินาทีของ H3 ที่ 2K ว่าต่ำกว่าหนึ่งในสามของโมเดลกระแสหลัก และต่ำกว่าครึ่งของ 720p กระแสหลักเมื่อรันที่ 768p ซึ่งเปลี่ยนต้นทุนของการทดลองซ้ำจำนวนมาก
เส้นทางสามขั้นตอนง่ายๆ จากแหล่งข้อมูลไปจนถึงผลลัพธ์ที่นำมาใช้ซ้ำได้
ขั้นตอน 1
ประกอบบริบท
รวบรวมวัสดุอ้างอิงที่มี เช่น คลิปสำหรับการเคลื่อนกล้อง ภาพสำหรับตัวแบบ และไฟล์เสียงสำหรับน้ำเสียง
ขั้นตอน 2
อธิบายความสัมพันธ์
บอกด้วยภาษาธรรมดาว่าวัสดุอ้างอิงเกี่ยวข้องกับวิดีโอที่ต้องการอย่างไร ส่วนการเชื่อมโยงข้ามสื่อ H3 จัดการเอง
ขั้นตอน 3
สร้างแล้วทำซ้ำ
เรนเดอร์ได้ถึง 15 วินาทีที่ 2K พร้อมเสียงสเตอริโอ แล้วทำซ้ำ ต้นทุนต่อวินาทีนี่เองที่ทำให้การไล่ลองหลายรอบเป็นไปได้จริง
ยาวได้ถึง 15 วินาที โดยมี 2K เป็นความละเอียดเริ่มต้น และมีระดับ 768p ให้เลือก ซึ่งเป็นระดับที่ MiniMax ระบุราคาต่อวินาทีต่ำที่สุด
H3 สร้างเสียงไปพร้อมกับวิดีโอ และผลลัพธ์เป็นสเตอริโอในตัว ไม่ใช่แทร็กโมโนที่มิกซ์เพิ่มภายหลัง
MiniMax ประกาศเจตนาจะเปิดน้ำหนักโมเดล โดยอ้างความเข้ากันได้กับฮาร์ดแวร์และการปรับแต่งเป็นเป้าหมายการออกแบบ จนกว่าจะปล่อยออกมาจริง ควรถือว่าเป็นแผนที่รออยู่ ไม่ใช่การรับประกัน ณ ปัจจุบัน
ขั้นตอนต่อไป
เปิดเครื่องมือด้วยรูปภาพจริง เปรียบเทียบผลลัพธ์ และเก็บเวอร์ชันที่ใช้งานได้