MiniMaxAI/MiniMax-H3

🎬 MiniMax H3: Hệ thốy video-âm thanh đa phương thức thực sự "đa năng"

MiniMax H3 là hệ thống sinh học đa phương thức (omni-modal), hỗ trợ sinh video với âm thanh stereo gốc đến 2K và tới 15 giây.

MiniMax H3 (phát triển bởi MiniMax AI) là một hệ thối nghĩa đa phương thức chung, hỗ trợ hiểu và sinh nội dung đa phương thức bao gồm văn bản, hình ảnh, video và âm thanh. Hệ thống có khả năng tổng hợp video với âm thanh stereo gốc ở độ phân giải lên tới 2K và thời lượng lên tới 15 giây. Nhờ thiết kế hướng tổng quát hóa nhiệm vụ, H3 đã sở hữu khả năng hiểu và sinh đa phương thức mạnh mẽ ngay từ giai đoạn tiền huấn luyện, phản hồi xuất sắc với các chỉ thị đa phương thức phức tạp.

✨ Điểm nổi bật

• Sinh video + âm thanh stereo gốc: Hỗ trợ sinh video kèm âm thanh stereo 32 kHz tự nhiên, đồng bộ chính xác.
• Hỗ trợ đa dạng đầu vào: Bao gồm text-to-video, image-to-video, video-to-video, text-to-audio-video, image-to-audio-video, image-text-to-audio-video, video-to-audio-video, audio-to-audio-video.
• Độ phân giải lên tới 2K: Sinh video ở độ phân giải 768p mặc định, hỗ trợ nâng cấp lên 2K qua H3-Regenerate-2K.
• Thời lượng linh hoạt: Hỗ trợ sinh video từ 4 đến 15 giây.
• Tỉ lệ khung hình đa dạng: Hỗ trợ nhiều tỉ lệ khung hình như 21:9, 16:9, 4:3, 1:1, 3:4, 9:16.
• Tốc độ khung hình ổn định: Sinh video ở 24 khung hình/giây.
• Hỗ trợ 11 ngôn ngữ: Bao gồm tiếng Trung, Anh, Pháp, Đức, Ý, Nhật, Hàn, Bồ Đào Nha, Nga, Ả Rập, Tây Ban Nha.
• Hai chế độ đầu vào: H3-Base-FL2VA (first-and-last-frame) và H3-Base-Ref2VA (omni-reference) linh hoạt theo nhu cầu.

💡 Vì sao đáng chú ý

Không giống các hệ thống sinh video truyền thống chỉ xử lý một loại đầu vào, MiniMax H3 tích hợp toàn bộ chuỗi xử lý từ hiểu biết đa phương thức (thông qua H3-Context-IR) tới sinh video và âm thanh (qua H3-Base), cuối cùng là nâng cấp độ phân giải (qua H3-Regenerate-2K). Điểm mạnh nằm ở khả năng thống nhất các nguồn thông tin phong phú — văn bản, hình ảnh, đoạn video ngắn, và câu lạc bộ âm thanh — để sinh ra nội dung đa phương thức mạch lạc và đồng bộ.

Hệ thống phù hợp cho các ứng dụng như sản xuất nội dung giáo dục, giải trí, quảng cáo, và khám phá sáng tạo, nơi yêu cầu kết hợp chặt chẽ giữa hình ảnh chuyển động và âm thanh.

#MiniMaxH3 #OmniModal #TextToVideo #ImageToVideo #VideoToVideo #AudioVideoGeneration #MultimodalAI #TiniX