MiniMax 发布 H3 全模态模型：支持 2K 视频与原生立体声生成
multimodalart · x · 2026-08-03
MiniMax 在 Hugging Face 上发布了全新的 H3 全模态生成系统。该模型支持文本、图像、视频和音频的统一理解，并能生成带有原生立体声的视频。
核心特性：
- 高规格输出：支持生成最长 15 秒、最高 2K 分辨率、24 FPS 的视频，音频采样率为 32kHz 立体声。
- 多模态输入：支持文生视频、图生视频、参考视频生成以及首尾帧生成等多种模式。
- 多语言支持：稳定支持中、英、日、法等 11 种语言的指令交互。
- 消费级部署：模型参数量达 33B，但已原生适配 🧨 Diffusers 和 ComfyUI，可在消费级 GPU 上运行。
所属事件:MiniMax 开源 33B 全模态视频模型 H3(35 条相关)→
「模型」频道最新
- 曝 OpenAI 暗测内部神秘模型 Aeon：已现身 Codex 桌面版用量面板 — cedric_chee · 2026-10-16
- 博主实测：argon 日常全面能打，但重度编码仍略逊 Claude — iruletheworldmo · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16
- 开发者实测:决策模型 jev 质量跑赢 GPT-6-Luna — genmon · 2026-10-16
- Reddit 用户求证 Google AI Pro 订阅中 Argon 4 用量上限 — Consistent-Text-2662 · 2026-10-16