MiniMax-H3发布,可生成同步立体声音频
AI 总结
MiniMax 的 Hugging Face 页面发布了 330 亿参数的 MiniMax-H3,将其定位为理解文本、图像、视频和音频的全模态生成模型。厂商称,该模型可生成 4 至 15 秒、最高达 2K 分辨率并带原生 32 kHz 立体声的视频,支持文本、图像、视频、音频及参考素材条件生成;页面还提供 SGLang 部署与 2K 工作流示例。相关规格和能力说明均来自 MiniMax 自身页面,供应报告未提供独立评测。
深度见解
MiniMax-H3 将多模态视频生成与同步立体声音频结合,并为文本生成视频、首尾帧生成和参考素材生成提供本地部署路径。
MiniMaxAI/MiniMax-H3 Image-Text-to-Video • 33B • Updated 1 day ago • 5.83M • • 7.15k
pipeline_tag: image-text-to-video license: other license_name: minimax-h3-community-license-agreement license_link: LICENSE library_name: minimax-h3 tags:
#MiniMax#MiniMax-H3#H3-Context-IR#H3-Regenerate-2K#SGLang#Diffusers