MiniMax открыла исходники H3: видеомодель со звуком, 2K и поддержкой русского
Модель генерирует ролики до 15 секунд со стереозвуком, принимает на вход текст, картинки, видео и аудио, а её веса выложены в открытый доступ.
Компания MiniMax выложила в открытый доступ H3 — генеративную модель нового поколения, которая делает видео сразу со звуком. Это не отдельный видеогенератор, а омнимодальная система: на вход она принимает текст, изображения, видео и аудио и понимает их в одном контексте.
Характеристики модели
| Параметр | Значение |
|---|---|
| Длительность ролика | 4–15 секунд |
| Частота кадров | 24 кадра в секунду |
| Разрешение | короткая сторона 768 пикселей; до 2K в режиме H3-Regenerate-2K |
| Звук | стерео 32 кГц, генерируется вместе с изображением |
| Соотношения сторон | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 и другие |
| Языки диалогов | 11 с устойчивой поддержкой, включая русский |
| Лицензия | открытая, веса опубликованы |
Два режима работы
H3-Base-FL2VA работает с первым и последним кадром: без картинок это обычная генерация по тексту, с одной — оживление кадра, с двумя — построение перехода между заданными кадрами.
H3-Base-Ref2VA принимает набор референсов: до 9 изображений, до 3 видеофрагментов и до 3 аудиодорожек, но не более 12 файлов суммарно и не длиннее 15 секунд в сумме. Аудио не может быть единственным входом — оно работает только вместе с картинкой или видео.
Что это значит на практике
Ключевое здесь — открытая лицензия. Закрытые видеогенераторы вроде Runwayml и Luma AI доступны только через свои сервисы и их тарифы. Открытые веса означают, что модель можно развернуть на своих мощностях — это снимает и вопрос оплаты зарубежной подписки, и вопрос передачи материалов на чужой сервер.
Цена вопроса — железо: генерация видео со звуком в 2K требует серьёзной видеопамяти, поэтому «запустить дома» получится не у всех. Поддержка русского в озвучке при этом заявлена самой компанией, а не выведена из сторонних тестов.
Источник: MiniMax
Комментарий опубликован.