MiniMax H3 多模态生成：支持视频、图像、文本与音频混合输入
piotrbinkowski · x · 2026-08-02
MiniMax 发布了 H3 模型的多模态生成功能更新。
用户现在可以在一次生成中同时启用多种参考素材：
- 视频：用于提供动态参考
- 图像：用于指定视觉风格
- 文本：用于设定生成方向
- 音频：用于控制情绪与氛围
通过开启 H3 Multimodal Reference 功能，模型能够综合理解并融合上述多模态输入进行内容创作。
所属事件:MiniMax 开源 33B 全模态视频模型 H3(35 条相关)→
「多模态」频道最新
- 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
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- AI 生成「巨人 MJ」时装图爆火:夸张比例撞出超现实时尚感 — OVolosin82152 · 2026-10-16
- BFL 官方回应 Flux 3 Klein 争议：Comfy workflow 有 bug 修复中 — desktop4070 · 2026-10-16
- MiniMax H3 搭配 RVC-project 语音效果出乎意料地好 — ColdComplaint8 · 2026-10-16