MiniMax H3 成为首个登顶视频编辑排行榜的开源视频模型

MiniMax 已将其视频模型 H3 的权重公开发布，标志着开放模型首次登顶视频排行榜。在 Artificial Analysis 上，H3 在视频编辑领域排名第一，在文本生成视频领域排名第二，在图像生成视频领域排名第三。这个拥有 330 亿参数的模型联合处理文本、图像、视频和音频，可生成时长为 4 到 15 秒的带有立体声的片段。根据模型卡，它每个提示词最多可处理 9 张参考图像、3 个视频片段和 3 个音频片段。不过，有两个组件仍然封闭：用于 2K 分辨率的模块和 H3-Context-IR（它将提示词和参考材料转换为结构化的中间形式）。在 ComfyUI 本地使用时，这会导致输出为 768p 分辨率，但上下文处理可以通过已发布的提示指南进行复制。开放的权重还允许进行微调，例如针对自己的素材、角色或一致的外观进行微调，但许可证仅允许收入低于 2000 万美元的公司进行商业使用。与此同时，字节跳动发布了封闭的 Seedance 2.5，该模型可生成长达 30 秒且带音频的片段。