Risiko Pascaproduksi Video: MiniMax H3 Mengubah Gambar Tangan menjadi Efek, 'Momen Koding' Multimodal Tiba

MiniMax secara resmi merilis model video generasi terbarunya, MiniMax H3, yang juga merupakan model video open-source pertama mereka. H3 memecahkan paradigma sebelumnya di mana model video hanya menghasilkan footage mentah, dengan mengintegrasikan logika editing, tipografi, desain transisi, kontrol ritme, musik latar, dan efek visual secara end-to-end. Pengguna dapat memasukkan teks dan menerima video jadi yang siap dipublikasikan, dengan resolusi 2K secara default. Model ini telah diterima dengan baik oleh para pengembang luar negeri dan menduduki puncak papan peringkat Artificial Analysis untuk editing video. Penulis menguji H3 dan menemukan bahwa model ini sangat responsif terhadap niat pengguna, bahkan mengikuti prompt multi-shot yang kompleks dengan akurat. H3 juga menunjukkan peningkatan signifikan dalam menghasilkan teks dalam video, yang selama ini menjadi titik kegagalan umum bagi model video AI. Model ini dapat menghasilkan teks yang konsisten antar frame dan bahkan memahami hubungan antara teks dan konten visual. Selain itu, H3 dapat menerima klip audio sebagai input untuk dialog, dengan suara yang disinkronkan dengan emosi dan ritme visual, membangun keahlian MiniMax dalam model suara multimodal. Harganya rendah, dengan biaya per detik pada resolusi 2K kurang dari sepertiga model mainstream. H3 mendukung input multimodal penuh, artinya semua jenis media menjadi bagian dari konteks model. Model ini menggunakan model caption kustom dan arsitektur H3-Omni Transformer untuk pemrosesan multimodal yang efisien. Pendekatan MiniMax didasarkan pada kemunculan multimodal plus bahasa, menghubungkan modalitas yang terisolasi melalui bahasa. Sifat open-source H3 memungkinkan perusahaan untuk menerapkan dan menyetel model secara pribadi untuk alur kerja konten khusus, yang berpotensi memicu ledakan vitalitas kekayaan intelektual. MiniMax memiliki sejarah membuka sumber model, dari seri M2 hingga sekarang H3, sejalan dengan visi mereka 'Intelligence with Everyone'. Rilis ini menandai pergeseran generasi video menjadi 'momen Coding', di mana ia menjadi alat produksi yang layak secara komersial.