MiniMax 发布全模态生成模型 H3，支持 2K 视频且价格低于主流 1/3
赛博禅心 · wechat · 2026-07-31
MiniMax 正式发布全模态生成模型 H3，支持文本、图像、视频、声音的统一理解与生成，可输出原生双声道音视频，最高支持 15 秒 2K 分辨率。H3 在指令遵循、文字与品牌信息呈现、视频到视频动作迁移（V2V Motion Transfer）等方面表现出色，适用于广告、电商、游戏等商业场景。
技术亮点：
- Contextual Omni Representation：增强多模态上下文理解，通过语言统一任务描述。
- H3-VAE：高压缩率带来 4 倍序列长度收益，降低训练推理成本。
- H3-OmniTransformer：理解与生成异构架构，端到端训练吞吐提升近 30%。
- In-context Regeneration：用基模对低分辨率结果进行上下文重生成，超越传统超分。
定价：2K 分辨率下每秒价格不到主流模型的 1/3，768P 下不到 1/2。
开源计划：未来几天内开放模型权重，并考虑国产芯片适配。
设计理念：打破任务边界，从专用迈向通用，统一图像、视频、音频生成任务。
所属事件:MiniMax发布全模态模型H3，支持2K原生双声道视频(18 条相关)→
「多模态」频道最新
- 电影级 3D 奇幻角色提示词模板：机械残件甲胄风 — azed_ai · 2026-10-16
- Midjourney 复古木刻漫画风：--sref 参数直出海狸持刀图 — michaelrabone · 2026-10-16
- 网友将 MOSS-Image 量化为 INT8,在 ComfyUI 近乎无损运行 — East_Shoe8814 · 2026-10-16
- Tripo 旧金山首届世界构建黑客松落幕，World Labs 与 Runway 参与 — mhdfaran · 2026-10-16
- Pollo 推出 Recast 视频重绘工具,保留动作与口型,限时六折 — SimplyAnnisa · 2026-10-16
- Kling 4.0 强化文生视频：角色一致性、口型同步与对话表现升级 — CurieuxExplorer · 2026-10-16