MiniMax H3
MiniMax · China · 2026
Model omnimodalny z otwartymi wagami: z mieszanki tekstu, obrazu, wideo i dźwięku tworzy klipy 2K z natywnym dźwiękiem stereo.
MiniMax H3, wydany 31 lipca 2026 i znany na konsumenckiej platformie Hailuo jako Hailuo 3.0, to trzecia generacja modelu wideo szanghajskiej firmy i pierwsza, którą udostępniła z otwartymi wagami. Jego główną ideą jest zniesienie granic między zadaniami: tam gdzie wcześniejsze systemy dzieliły generowanie na osobne modele do tekstu-na-wideo, pierwszej i ostatniej klatki, referencji postaci, przenoszenia ruchu i edycji, H3 czyta tekst, obrazy, wideo i dźwięk jako jeden kontekst i sam wnioskuje ze zwykłego języka, jak te materiały odnoszą się do zamawianego klipu. Wynik ma od 4 do 15 sekund przy 24 kl./s i dźwięk stereo 32 kHz — dialog, muzyka, efekty i tło powstają wspólnie z obrazem, a nie są dokładane później — w proporcjach od 21:9 do 9:16, ze stabilnym dialogiem mówionym w jedenastu językach. System składa się z trzech części. H3-Context-IR interpretuje mieszane materiały użytkownika i sprowadza je do uporządkowanej reprezentacji pośredniej; H3-Base generuje obraz i dźwięk przy krótszym boku 768 pikseli; H3-Regenerate-2K przepuszcza ten szkic przez model bazowy jeszcze raz, razem z pierwotnym kontekstem, i odtwarza go w 2K — co według producenta przywraca drobne detale i mały tekst, których zwykłe powiększanie może się tylko domyślać. H3-Base to gęsty transformer o 33 miliardach parametrów, celowo prostszy od architektury Hailuo 02, którą zastąpił, sprzężony z zamrożonym enkoderem Qwen3-VL-32B. Wagi modułów generatywnych opublikowano 3 sierpnia 2026 na własnej licencji Community firmy MiniMax, z obsługą w vLLM, diffusers i ComfyUI. Warstwy sterującej, H3-Context-IR, nie otwarto: opiera się na modelach hostowanych, więc kto uruchamia model u siebie, albo wywołuje do tego API MiniMaxa, albo buduje własny wstępny przetwornik kontekstu według opublikowanego przewodnika. Na platformie producenta sekunda wideo 2K kosztuje 0,13 dolara, a 768p — 0,08 dolara; wygenerowany dźwięk jest bezpłatny.
▸Newsy
▸Wideo
Brak materiałów wideo.
▸Recenzje
Brak recenzji. Bądź pierwszy!