MiniMax H3 là mô hình tạo sinh đa phương thức dùng chung: nó đọc văn bản, hình ảnh, video và âm thanh như một ngữ cảnh duy nhất rồi trả về video kèm âm thanh stereo gốc, tối đa 15 giây ở 2K. MiniMax định vị mô hình theo hiệu năng trên giá, cho biết chi phí mỗi giây ở 2K thấp hơn một phần ba mức phổ biến, và đã tuyên bố dự định mở trọng số mô hình.
Ảnh chụp nhanh về khả năng
2K
độ phân giải mặc định
15s
clip tối đa
stereo
âm thanh gốc
Tìm hiểu quy trình, lợi ích chính và kết quả trong 27 giây.
Giá trị thực tế được ánh xạ tới quy trình sản xuất thực tế.
Lợi ích
01
Một ngữ cảnh, không phải bốn đường ống
Văn bản, hình ảnh, video và âm thanh cùng vào như một ngữ cảnh, nên câu lệnh có thể nói “lấy chuyển động máy quay từ clip này, cho người trong ảnh này hát, bám theo giọng này” và được hiểu như một chỉ dẫn duy nhất, thay vì bị chia cho các mô hình chuyên biệt.
Lợi ích
02
Âm thanh sinh ra cùng hình ảnh
Âm thanh được tạo cùng lúc với video và xuất ra dạng stereo gốc, nên lời thoại, hiệu ứng và tiếng nền đã khớp sẵn với cảnh quay chứ không phải ghép chồng về sau.
Lợi ích
03
2K với chi phí mỗi giây thấp hơn
2K là mặc định chứ không phải gói cao cấp. MiniMax cho biết giá mỗi giây của H3 ở 2K thấp hơn một phần ba so với các mô hình phổ biến, và thấp hơn một nửa mức 720p phổ biến khi chạy ở 768p — điều này thay đổi chi phí của việc thử lại nhiều lần.
Lộ trình ba bước đơn giản từ tài liệu nguồn đến kết quả có thể sử dụng lại.
Bước 1
Gom ngữ cảnh
Mang theo tư liệu tham chiếu bạn có: một clip cho chuyển động máy quay, một ảnh cho nhân vật, một tệp âm thanh cho giọng nói.
Bước 2
Mô tả mối liên hệ
Nói bằng lời thường xem các tham chiếu liên quan thế nào tới video đích. Phần suy luận xuyên phương thức do chính H3 xử lý.
Bước 3
Tạo rồi lặp
Render tối đa 15 giây ở 2K kèm âm thanh stereo rồi lặp lại — chính chi phí mỗi giây làm cho việc chạy nhiều lượt trở nên khả thi.
Tối đa 15 giây, với 2K là độ phân giải mặc định. Còn có mức 768p, và đó là nơi MiniMax công bố giá mỗi giây thấp nhất.
H3 tạo âm thanh cùng lúc với video, và đầu ra là stereo gốc chứ không phải một bản mono trộn thêm về sau.
MiniMax đã công bố ý định mở trọng số mô hình, viện dẫn khả năng tương thích phần cứng và tùy biến là mục tiêu thiết kế. Hãy xem đây là việc còn chờ cho tới khi bản phát hành thực sự xuất hiện, chứ không phải một bảo đảm ở hiện tại.
Bước tiếp theo
Mở tool bằng hình ảnh thật, so sánh kết quả và giữ nguyên phiên bản hoạt động.