H3-World：8 千条游戏数据让视频模型变成可控世界模拟器
sachasayan · reddit · 2026-09-02
研究者发布 H3-World，把 MiniMax H3 的文本理解变成「世界控制」：
- 语言原生控制：将角色与相机动作组合为文本指令，通过 H3 预训练的文本通路注入，无需新控制分支。
- 时间对齐：每个视频 latent 区间绑定一个动作 prompt，实现动作随时间变化时的精确控制。
- 高效：仅用 8,000 条游戏画面样本、10,000 步 LoRA 训练、0.199% 可训练参数，即可控制角色与相机运动，并能泛化到未见过的动作组合和视觉场景。
论文、代码、模型与项目页均已公开（arXiv 2609.01560），属于视频生成模型向交互式世界模型的低成本改造尝试。
所属事件:MiniMax 发布首个交互式世界模型 H3-World(6 条相关)→
「多模态」频道最新
- MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开 — photobombolo · 2026-10-18
- Black Forest Labs 时隔许久发新图像模型，图像编辑能力惊艳 — Xianbao_QIAN · 2026-10-18
- DeepSeek V4.1 Flash 一句话生成细节拉满的90年代中国居民楼3D场景 — zizhpan · 2026-10-18
- 开源版CapCut:Rust引擎视频编辑器Concat可被AI Agent直接控制 — techNmak · 2026-10-18
- 学生开源 kimo:无 GUI 视频编辑器,由 AI Agent 经 MCP 驱动 — LieTop7965 · 2026-10-18
- 视频生成 API 每 10 秒约 0.5 美元,自建服务器何时更划算? — Key-Lychee-913 · 2026-10-18