MiniMax发布全模态模型H3支持多源视频生成

H3可整合文本、图像、音视频指令生成2K视频，15秒成本约1.95美元，权重即将公开。

据 Woofun AI 消息，MiniMax 发布全模态生成模型 H3，该模型支持同时理解文本、图像、视频及音频，并依据自然语言指令生成或编辑视频。H3 允许用户在同一任务中整合动作迁移、人物引用及声音克隆等操作，生成的视频最长可达 15 秒，支持 2K 分辨率与原生立体声。API 定价方面，2K 视频每秒 0.13 美元，768P 视频每秒 0.09 美元，单次任务最多输入 9 张图像、3 段视频和 3 个音频片段。MiniMax 计划近日公布模型权重参数，目前尚未披露针对 Seedance 和 Veo 等竞品的官方评估结果。