A MiniMax lançou o MiniMax H3, um modelo multimodal de geração de vídeo com pesos abertos capaz de processar texto, imagens, vídeo e áudio. O modelo gera conjuntamente visuais e áudio estéreo sincronizado, incluindo diálogos, efeitos sonoros, ambiente e música, em vez de adicionar o áudio como uma etapa de pós-processamento.

  • Suporta texto para vídeo, imagem para vídeo, geração do primeiro e último quadro, e criação orientada por referência dentro do ComfyUI.
  • Os checkpoints de pesos abertos permitem clipes de até 15 segundos na resolução 768p.
  • A versão hospedada do modelo suporta geração em resolução de até 2K.
  • Utiliza uma representação de vídeo de alta compressão para melhorar a eficiência em múltiplas tarefas de geração dentro de uma única arquitetura.

O lançamento permite que desenvolvedores configurem o modelo localmente através do ComfyUI para síntese integrada de visuais e áudio.