MiniMax發佈全模態模型H3支持多源視頻生成

H3可整合文本、圖像、音視頻指令生成2K視頻，15秒成本約1.95美元，權重即將公開。

據 Woofun AI 消息，MiniMax 發佈全模態生成模型 H3，該模型支持同時理解文本、圖像、視頻及音頻，並依據自然語言指令生成或編輯視頻。H3 允許用戶在同一任務中整合動作遷移、人物引用及聲音克隆等操作，生成的視頻最長可達 15 秒，支持 2K 分辨率與原生立體聲。API 定價方面，2K 視頻每秒 0.13 美元，768P 視頻每秒 0.09 美元，單次任務最多輸入 9 張圖像、3 段視頻和 3 個音頻片段。MiniMax 計劃近日公佈模型權重參數，目前尚未披露針對 Seedance 和 Veo 等競品的官方評估結果。