إنتاج ما بعد الفيديو في خطر: MiniMax H3 يحول الرسومات اليدوية إلى مؤثرات، لحظة 'الترميز' متعددة الوسائط تصل

أصدرت MiniMax رسميًا نموذج الفيديو من الجيل التالي، MiniMax H3، وهو أيضًا أول نموذج فيديو مفتوح المصدر لها. يكسر H3 النموذج السابق حيث كانت نماذج الفيديو تولد لقطات خام فقط، من خلال دمج منطق التحرير، والطباعة، وتصميم الانتقالات، والتحكم في الإيقاع، والموسيقى التصويرية، والمؤثرات البصرية من البداية إلى النهاية. يمكن للمستخدمين إدخال النص والحصول على فيديو نهائي جاهز للنشر، بدقة 2K افتراضيًا. وقد لقي النموذج استحسان المطورين في الخارج وتصدر قائمة Artificial Analysis لتحرير الفيديو. اختبر المؤلف H3 ووجده شديد الاستجابة لنية المستخدم، حتى أنه يتبع التعليمات المعقدة متعددة اللقطات بدقة. يُظهر H3 أيضًا تحسنًا ملحوظًا في توليد النص داخل الفيديو، وهو ما كان يمثل نقطة ضعف شائعة في نماذج الفيديو بالذكاء الاصطناعي. يمكنه توليد نص يظل متسقًا عبر الإطارات، بل ويفهم العلاقة بين النص والمحتوى البصري. بالإضافة إلى ذلك، يمكن لـ H3 قبول مقطع صوتي كمدخل للحوار، مع مزامنة الصوت مع عاطفة وإيقاع المرئيات، استنادًا إلى خبرة MiniMax في نماذج الصوت متعددة الوسائط. التسعير منخفض، حيث تبلغ التكلفة لكل ثانية بدقة 2K أقل من ثلث تكلفة النماذج السائدة. يدعم H3 الإدخال الكامل الوسائط، مما يعني أن جميع أنواع الوسائط تعتبر جزءًا من سياق النموذج. يستخدم نموذج تسمية توضيحية مخصصًا وهندسة H3-Omni Transformer لمعالجة الوسائط المتعددة بكفاءة. يعتمد نهج MiniMax على ظهور الظاهرة الناشئة للوسائط المتعددة بالإضافة إلى اللغة، حيث يربط الوسائط المنعزلة من خلال اللغة. تتيح الطبيعة مفتوحة المصدر لـ H3 للمؤسسات نشر النموذج وتخصيصه بشكل خاص لسير عمل المحتوى المخصص، مما قد يؤدي إلى انفجار في الحيوية الفكرية. لدى MiniMax تاريخ في فتح نماذجها، من سلسلة M2 إلى H3 الآن، بما يتماشى مع رؤيتها 'الذكاء مع الجميع'. يمثل الإصدار تحولًا في توليد الفيديو إلى 'لحظة البرمجة'، حيث يصبح أداة إنتاج قابلة للتطبيق تجاريًا.