MiniMax H3 Menjadi Model Video Terbuka Pertama yang Menduduki Peringkat Teratas dalam Penyuntingan Video

MiniMax telah merilis bobot model video H3-nya secara publik, menandai pertama kalinya model open-source menempati peringkat teratas dalam peringkat video. Di Artificial Analysis, H3 menempati peringkat pertama dalam penyuntingan video, kedua dalam teks-ke-video, dan ketiga dalam gambar-ke-video. Model dengan 33 miliar parameter ini memproses teks, gambar, video, dan audio secara bersamaan, menghasilkan klip berdurasi empat hingga 15 detik dengan suara stereo, dan menurut kartu model, model ini dapat menangani hingga sembilan gambar referensi, tiga klip video, dan tiga klip audio per prompt. Namun, dua komponen tetap tertutup: modul untuk resolusi 2K dan H3-Context-IR, yang mengubah prompt dan materi referensi menjadi bentuk antara yang terstruktur. Secara lokal di ComfyUI, ini menghasilkan keluaran 768p, tetapi pemrosesan konteks dapat ditiru menggunakan panduan prompt yang diterbitkan. Bobot terbuka juga memungkinkan penyesuaian halus, misalnya pada footage sendiri, karakter, atau tampilan yang konsisten, meskipun lisensi mengizinkan penggunaan komersial hanya untuk perusahaan dengan pendapatan di bawah 20 juta dolar. Secara bersamaan, ByteDance merilis Seedance 2.5 yang tertutup, yang menghasilkan klip 30 detik dengan audio.