A MiniMax lançou o MiniMax H3, um modelo de geração multimodal de propósito geral que compreende o contexto unificado entre texto, imagens, vídeo e áudio. O modelo gera vídeo com som estéreo nativo de até 15 segundos de duração e resolução 2K.

  • O H3 possui as tecnologias Contextual Omni Representation, H3-VAE, H3-Omni Transformer e In-Context Regeneration.
  • Ele se destaca no seguimento de instruções, renderização precisa de texto e marcas, e transferência de movimento V2V.
  • Na resolução 2K, o preço por segundo é menos de um terço dos modelos principais; a 768p, é menos da metade do preço do 720p dos modelos principais.
  • A MiniMax planeja liberar os pesos abertos nos próximos dias para apoiar a comunidade open-source e acelerar a compatibilidade com hardware.

O lançamento visa combater o domínio dos modelos de geração de vídeo de código fechado, fornecendo um ecossistema aberto e versões personalizáveis para os usuários.