实测 MiniMax H3:480p 下 BGM 消失,拉长片段时长才能找回
nakamep · reddit · 2026-08-20
作者对 MiniMax H3 做了 10+ 次对照实验:在 864x480 分辨率且提示词含对白时,模型完全不生成背景音乐;改写提示词、提高采样步数(20→30)都无效,唯一有效的是拉长片段——5s 升到 15s 后鼓点和和弦回来了(伴奏响度从 -38.7 LUFS 升到 -29.4)。但多加一句台词(约 2.5s 语音)就能抹掉三倍时长换来的 9dB 增益;去掉对白后 5s 也足够生成音乐(-25.0,甚至高于 720p 参考)。
测量方法可复现:用 demucs --two-stems=vocals 分离人声,对伴奏轨测综合 LUFS(响度)、频谱平坦度(0.094 噪声 vs 0.006 音调性音乐)与 onset 率(0.89/s 铺底 vs 4.97/s 鼓点),三项指标均与听感一致。环境音表现更差:观众低语、衣物摩擦声从未被渲染,只有与画面闪光绑定的单瞬态音效出现。官方指南的时间码指令有时灵有时不灵,无法预测:一次精确实现了 3.5s 镲、7.5s 鼓点中断、11s 乐队回归;另一次要求渐入却得到从最响处持续衰减。
「模型」频道最新
- Muse Spark Open 经 llama.cpp 跑通 M3 Ultra：前沿模型上桌面 — pcuenq · 2026-10-16
- OpenAI 推出 GPT-Live-1.1 语音升级：新增六语种声音、更少卡顿 — OpenAI · 2026-10-16
- LMArena 上线 Muse Spark 新模型，Battle 与 Agent 模式可测 — arena · 2026-10-16
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- Ilya 质疑 Meta 新许可证：年收入超 2000 万美元的推理服务商须与 Meta 另签协议 — ilyasu · 2026-10-16
- Muse-Spark 开源权重发布：816B MoE 模型 MLX 3bit 版已上线 — ns123abc · 2026-10-16