MiniMax 在 Hugging Face 开放 H3：33B 多模态视频模型带立体声
mark_k · x · 2026-08-04
MiniMax 在 Hugging Face 开源 H3，多模态视频模型可生成立体声
MiniMax 说 H3 已经在 Hugging Face 上开放。它是一个通用的 全模态生成模型，把 文本、图像、视频和音频 统一到一个上下文里。
- 支持生成带原生立体声的视频，最长可到 15 秒、2K 分辨率。
- 官方强调它在指令遵循、文字/品牌渲染准确性、以及视频到视频的动作迁移方面表现不错。
- 目标场景包括 广告、品牌、电商、产品设计和游戏。
- 帖子称它是一个 33B 参数 的 Omni-Transformer，并由 Qwen3-VL-32B 条件化。
- 目前提供 FL2VA 和 Ref2VA 两个 checkpoint，本地推理可用 Diffusers、SGLang、vLLM 和原生 ComfyUI。
所属事件:MiniMax H3 模型本地实测：多款显卡跑分与效果对比(88 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