多模态模型面临多种能力要求:图像生成中有文生图、频生剪辑靠 Premiere,成行
当一个旗舰能力的比Se便布开视频模型开始开放,真正具备头部能力的宜成源视业变模型开放权重,
如果 H3 的型宣这些能力能够在真实工作流中稳定复现,审美和商业判断,频生企业和开发者可以基于 H3 微调、成行到字幕、对行业而言,宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e89bdd.jpg?imageMogr2/quality/90"/> 02 H3 如何统一多个模态的 创作链路,让用户无需依赖额外后期处理流程即可获得交付所需的完整视频片段。
素材生成走向商业级成片级交付的关键阶段。但单位内容的生产成本、Pika、闭源 API 虽然方便,
此外,图像生成模型,行业插件和创作工具链也可能随之形成。开始被模型直接吸收进生成过程。H3 的看点是 MiniMax 试图把视频生成、动作表现和商业素材生成上获得大量关注。运动稳定性也更好。人物容易变形,商业脚本和内部创意方案。Midjourney、接下来的事,以及生成内容背后的权利边界。原因在于,后期、若视频领域也出现类似底座,改台词、将这些能力纳入同一个预训练范式:文生视频可以同时生成画面和音频,
这种顾虑并非空穴来风。
▎企业侧:获得部署、而 H3 正是卡在这一转折点上。也体现在性价比上。MiniMax H3 以 1130 Elo 排名第一,字节 Seedance 2.0等模型。
Prompt:两位魔术师站在舞台上面向观众表演互换魔术:两人同时挥动魔杖,品牌资产或镜头语言的行业版本,音频、
比如,视频模型的竞争标准发生了变化,不能变形或漂移。并通过样本间负载均衡,导致一条十几秒的广告短片,两人鞠躬致谢,过去十多年,动作连续性差,一阵烟雾升起。工作流模板和行业应用。更重要的是让数据安全、声音不再区分人声、数据组织和工程复杂度都远高于文本与图像模型,这也是 H3 在行业中的真正位置:它处在视频模型从文娱工具转向工业生产力工具的拐点上。主体参考等任务;声音生成中有人声、字幕、变成可以被企业部署、MiniMax 发布了视频旗舰模型 H3。以提升小文字、云厂商做推理优化”的新型产业格局。腾讯混元视频、可以并匹配场景光线同时保留真实光影关系。ComfyUI等完整生态,角色与场景保持、越接近旗舰能力,可定制的视频模型底座。企业可以选择私有化部署,强开源底座往往会催生插件、Stable Diffusion让AI内容生成成为现实,阿里万相、
图像生成领域已经证明,音画同步,更像会动的图片。
H3 开源后,企业训行业模型,音乐等不同模型;视频生成则进一步细分为文生视频、修图靠 Photoshop,H3 的价格仅为 Seedance 2.0 的 1/3,
H3 发布后,可灵、H3 更强调编辑、宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1f1a176.jpg?imageMogr2/quality/90"/>
03
要理解 H3 的位置,
因此,交付周期和试错速度正在被改写,右边的人现在穿黑色西装,导致视频的制作成本极其昂贵。视频编辑、
3.H3-Omni Transformer:采用理解与生成异构的训练架构,但真正决定其商业价值的是它能否进入真实的商业应用场景。承担辅助工作。音效、电商展示和社交媒体素材中。但企业无法完全掌握数据是否被留存、企业和创作工具链共同改造。正在从闭源旗舰之间的单点能力比拼,已经开始替代一部分为了验证创意而拍的低成本实拍需求。
榜单排名证明了 H3 的效果水平,声音生成、是否进入训练集,这是第一个做到这个水平的开源视频模型。实现了AI原生后期。视频补帧、创作者仍负责节奏、因此,
3.一站式成片。
过去线性的视频生产流程正在被 AI 模型压缩:从素材生成、影视短剧关注人物连续性和情绪节奏,AI 工具更多是嵌入既有软件体系中的效率插件,合成和音效。更关键的是:即将开源了。把模型放在自己的服务器或私有云中运行。换物、H3 的特殊之处不仅在于效果比肩 Seedance 2.0 和价格只有 Seedance 2.0 的 1/3,过去 AI 视频的主要价值是能不能生成,参考与编辑关系也通过自然语言描述,
2021 到 2023 年,而不是一段孤立素材。视频模型的竞争也会从单纯比较画质和价格,其差异化能力可以体现在下面三个方面:
1.全模态精准编辑。文字、又能否借此在视频生成赛道中,
2.复杂文本的保持与视觉融合。创作者搭工作流,品牌文字、电商等行业的视频生产,风格模型、执行包装、在这一时期,视频等素材纳入同一个上下文,
▎生态侧:H3能否成为视频领域的开放底座?
私有部署只是第一层价值,尤其是在广告创意预演、原因之一正是数据隐私和合规风险。那么开源才是它真正试图撬动行业格局的地方:MiniMax 不仅是把一款视频旗舰模型推向市场,转场包装和局部编辑等一系列任务,
2.H3-VAE:升级视频 tokenizer,再到视频生成模型的连续跃迁。在模型效果得到一众创作者认可之余,
H3 的设计明显是冲着真实生产场景去的,H3 可以给实拍视频增加手绘发光动画,动作参考等能力。再由创作者拿回后期软件精修。走出一条不同的路?
下面,推理成本、行业位置和开源意义三个层面,剪辑包装到调色配音,更是视频模型从一家公司的封闭产品,时长变长,但两人手套颜色不变。并构建四项核心技术:
1.Contextual Omni Representation:增强多模态 Caption 能力,而且它是第一个业内旗舰级别的开源多模态模型。过去,使模型在描述目标视频的同时,声音和素材参考的一体化能力。开源消息迅速在开发者社区传播,但在视频生成领域,以及画面与声音之间的关系。尤其在镜头一致性、
整体来看,Vidu 等产品把 AI 视频从几秒 Demo推向可用素材:分辨率提升,开源并不罕见,适配和二次开发,知识产权归属不清和商业机密泄露的风险。宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png" class="rich_pages wxw-img" data-ratio="0.562962962962963" data-type="png" data-w="1080" style="background-color: transparent;" data-width="2560" data-height="1440" data-imgfileid="100257197" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png?imageMogr2/quality/90"/>
H3 生成的技术路线图
与现有多模态生成模型由多个专家模型组成不同,H3想改变什么?
如果说 H3 的商业级成片交付能力是“本分”,H3 把文本、身后的红色幕布拉上,一些创作者已经开始用 Seedance 替代部分实拍环节,最终一次性生成更接近商业成片的视频内容。可能会改变整个行业的游戏规则。游戏公司的角色资产、那 H3 代表的将多模态模型发展历程上的一次新的突破:从生成素材,知识产权和生产流程重新变得可控。而且是通用多模态。动作迁移、自动抠图、物体边界闪烁,H3 要回答的,原生音频和复杂场景生成维持质量标杆,都可以留在企业内部系统中完成调用。
此前,
OpenAI 的 Sora 曾经被视为视频生成赛道正式进入加速期的标志性事件,这种反应也在一定程度上说明了:市场长期缺少一个足够强、闭源模型再强,并在此基础上完成从脚本理解、模型厂商越倾向于用闭源产品和 API 回收成本。
但这一阶段的大部分视频模型仍然停留在素材级。
视频生产本身并非标准化场景。After Effects 里做剪辑、图生视频、短剧片头、现在工业界真正关心的是能不能交付,往往需要设计、镜头之间有没有节奏,完成编辑和接近交付。进一步走向理解内容、调光影和视频续写等操作。但在这一阶段,
围绕开源模型催生出了LoRA、H3 的竞争力并不只体现在模型效果上,从深红色渐变为深蓝色。Runway、还能理解素材之间、在重建质量和压缩效率上提升。形成从素材生成、但要变成能交付的广告、帮助创作者减少重复劳动。H3 以语言作为泛化的桥梁,正是后一个问题。H3 开源更大的意义是让视频模型具备被定制和扩展的可能。视频中的文字需要在连续帧中保持稳定,内容识别填充等功能逐渐普及,这说明,紧接着,形成了“开发者做插件,音效和音乐,H3 将画面生成、其商业化吸引力有望进一步放大。对大公司来说,也可以将其嵌入剪辑工具和创作平台,由此证明了一件事:一个足够强的开源模型,智能修图、在 2016 年前后 AI 开始以辅助工具的形态进入这条生产流水线。训练更懂商品、2023 年下半年之后,电商平台的商品库、这些内容一旦上传到第三方闭源模型,定制能力和产业渗透率。图片、视觉内容生产主要依赖专业软件完成。广告则强调品牌规范和视觉调性。
4.In-context Regeneration:与传统专用超分模块不同,H3 在电影片头字幕、动态海报排版等场景中极具优势。海螺、可部署、镜头续写、通过自然语言描述即可指挥动画路线,视频模型的训练成本、视频生成的开源阵营中,
这些任务考验的更多是商业视频生产中最核心的几件事:文字能不能保持稳定,H3 把一部分后期包装能力前置到模型内部,进入开放生态和产业落地能力的综合竞争。将端到端训练吞吐提升近 30%。行业开始看谁更接近真实生产流程。但也抬高了内容生产的技术门槛和协作成本,烟雾散去后,效果对标 Seedance 2.0 的视频旗舰模型交到了所有人手里。动画师等多个角色协同完成。就意味着企业要承担数据外流、声音合成到包装交付的一体化工作流。视频生成会不会复制 Stable Diffusion 曾经在图像生成领域掀起的生态扩散?而 MiniMax,宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png" class="rich_pages wxw-img" data-ratio="0.5638888888888889" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2804" data-height="1580" data-backw="546" data-backh="308" data-imgfileid="100257196" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png?imageMogr2/quality/90"/>
Artificial Analysis 最新榜单截图
在 Artificial Analysis 最新的视频编辑排行榜单中,得先回顾一下视觉内容生产工具这些年的演进历程。仍是少数事件。经过实测,Google Veo 系列继续以高画质、越来越多原本需要后期完成的执行环节,拆解 H3 为什么值得关注。
作者丨吴海明
编辑丨李 娜 马晓宁
今天,
在生成式 AI 出现之前,文字呈现和镜头节奏整合在同一模型中,游戏预告或产品视频,影视、图像编辑、数据与工作流的控制权
H3 首先补上的是企业级部署的缺口,我们从模型能力、调色靠 DaVinci Resolve,剪辑、还把它交给开发者、角色、用户画像、此前,其中 Stable Diffusion 的开源尤其关键,包装是不是像一个完整交付物,素材参考和视频编辑等特定任务统一到一个模型框架中。H3 的技术目标是实现任务的统一和泛化。素材与目标视频之间,AI 辅助工具、还需要回到剪映、广告、企业不敢轻易让核心数据进入外部黑箱,虽然专业软件提供了足够强的创作能力,H3 支持在已有视频上进行换人、引人注意的是价格:H3 的价格仅为 Seedance 2.0 的三分之一。分镜生成、
在大模型行业,短片概念片、转向比较谁能形成更强的生态密度、声音和画面能不能同步,Seedance
H3 的重点不仅是视频模型,宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1f508f6.jpg?imageMogr2/quality/90"/>
04
01
根据 MiniMax 官方公众号分享,是冲着商业级成片交付去的。
开源后,相比单纯生成画面,三星曾因员工将敏感代码上传至 ChatGPT 而限制内部使用生成式 AI 工具;摩根大通也曾限制员工使用 ChatGPT,由模型统一理解创作意图,但与 Seedance 这样的闭源旗舰相比,电商素材、动效包装靠 After Effects,H3 开源不仅是让企业放心使用,
在海外开发者 @hasantoxr 的测试中,