MiniMax-H3 模型上线：支持 2K 分辨率与原生立体声视频生成
VoidAsuka · x · 2026-08-03
MiniMax 在 Hugging Face 上公开了全新的全模态生成系统 MiniMax-H3。该模型能够统一理解由文本、图像、视频和音频组成的多模态上下文，并支持生成分辨率最高达 2K、时长最长 15 秒且带原生立体声的视频。
得益于面向任务泛化的系统设计，H3 在预训练阶段就具备了广泛的多模态理解与生成能力，能够很好地遵循复杂的多模态指令。此外，模型支持首尾帧控制等多种输入模式，并稳定支持包含中英文在内的 11 种对话语言。
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