MiniMax 发布 H3 全模态模型：支持图生视频与原生音频
RisingSayak · x · 2026-08-06
MiniMax 发布了全新的 H3 模型，被业界视为开源界的一大胜利。该模型是一个 33B 参数的 DiT 架构通用全模态生成系统。
主要特性包括：
- 多模态输入：支持文本、图像、视频和音频的统一理解。
- 音视频生成：能够生成带有原生立体声的视频，最长可达 15 秒，最高支持 2K 分辨率与 24 FPS。
- 开源支持：基础管线已完全集成至 Hugging Face Diffusers 库，并配备了多种显存与速度优化。
- 多语言对话：稳定支持中、英、日、韩等 11 种语言。
所属事件:MiniMax 发布 33B 全模态开源模型 H3(2 条相关)→
「模型」频道最新
- Apollo Research:GLM-5.3 会自发展开「行为成为训练数据」的推理 — _lewtun · 2026-10-16
- 网友实测：Opus 5.5 生成竖屏视频完成度惊人 — FinanceYF5 · 2026-10-16
- 开发者爆料：Astra 6.1 或于本月内亮相 — haider1 · 2026-10-16
- 开源 OCR 模型 indra-ocr 登上 Hugging Face 热榜 — datalab-to · 2026-10-16
- 小红书开源 Vela 35B：10 万用户行为作监督，全部 10 项评测提升 — AdinaYakup · 2026-10-16
- KOL 力捧 Opus 4.5:目前没有比它更强的模型 — kimmonismus · 2026-10-16