MiniMax H3 هو نموذج توليد متعدد الوسائط للأغراض العامة أنشأته MiniMax. يستقبل سياقًا إبداعيًا عبر النصوص والصور والفيديو والصوت، ويفهم العلاقات بين هذه المدخلات، ثم ينشئ فيديو مع صوت ستيريو أصلي متزامن. أعلنت MiniMax عن مخرجات تصل إلى 15 ثانية بدقة 2K، واضعةً H3 كخيار مناسب للإعلانات وبناء العلامة التجارية والتجارة الإلكترونية والأفلام وتصميم المنتجات وواجهات المستخدم والألعاب وغيرها من الأعمال الإبداعية التجارية.
على عكس أنظمة الفيديو التي تُقسَّم إلى نماذج منفصلة لتحويل النص إلى فيديو، وتحويل الصورة إلى فيديو، ومرجع الحركة، ومرجع العنصر، والصوت، والتحرير، تم تصميم H3 لتنفيذ هذه المهام عبر تعليمات باللغة الطبيعية داخل نظام عام واحد. تشمل سير العمل المدعومة: تحويل النص إلى صوت وفيديو، وتوليد الإطار الأول والأخير، وتحويل المرجع إلى صوت وفيديو، والتحرير متعدد الوسائط، ونقل الحركة، والنمذجة الأصلية متعددة اللقطات، والتوليد المشترك للصوت والمؤثرات الصوتية والموسيقى.
أصدرت MiniMax أوزان H3-Base بموجب ترخيص MiniMax H3 Community License. وتصف بطاقة النموذج الرسمية نموذج H3-Omni Transformer كثيفًا بحجم 33B، وVAEs مرئية وصوتية لـ H3، ونقاط تحقق منفصلة لمهام الإطار الأول أو الأخير ولمهام تحويل المرجع إلى صوت وفيديو. صفحة VisionStory هذه هي ملف تعريف مستقل للنموذج: قامت MiniMax ببناء H3، بينما يساعد VisionStory المبدعين على استكشاف سير عمل فيديو الذكاء الاصطناعي ومقارنة أبرز نماذج الفيديو.
