MiniMax H3 của Trung Quốc trở thành mô hình mở đầu tiên dẫn đầu bảng xếp hạng AI tạo video

MiniMax đã phát hành trọng số của mô hình video H3, lần đầu tiên đưa một mô hình mở lên vị trí dẫn đầu trong bảng xếp hạng video. Artificial Analysis xếp hạng H3 ở vị trí thứ nhất về Chỉnh sửa Video (Video Editing), thứ hai về Chuyển văn bản thành video (Text-to-Video) và thứ ba về Chuyển hình ảnh thành video (Image-to-Video). Mô hình với 33 tỷ tham số này xử lý đồng thời văn bản, hình ảnh, video và âm thanh, tạo ra các đoạn clip dài từ 4 đến 15 giây kèm âm thanh nổi (stereo). Theo thông tin mô hình (model card), một câu lệnh (prompt) duy nhất có thể bao gồm tối đa chín hình ảnh tham chiếu, ba đoạn video và ba đoạn âm thanh.

Video từ MiniMax H3

Tuy nhiên, vẫn còn hai phần chưa được công khai. Mô-đun độ phân giải 2K và H3-Context-IR, vốn có chức năng chuyển đổi câu lệnh và tài liệu tham khảo thành định dạng trung gian có cấu trúc, không được bao gồm. Việc chạy H3 cục bộ trong ComfyUI chỉ đạt mức tối đa là 768p và người dùng sẽ cần tự xử lý phần chuẩn bị ngữ cảnh bằng cách sử dụng các hướng dẫn tạo câu lệnh đã được MiniMax công bố. Các trọng số mở cho phép tinh chỉnh (fine-tuning) trên các đoạn phim, nhân vật hoặc phong cách hình ảnh tùy chỉnh. Một lưu ý về giấy phép: việc sử dụng thương mại chỉ được cho phép đối với các công ty có doanh thu dưới 20 triệu USD.

Cùng ngày, ByteDance đã phát hành mô hình đóng Seedance 2.5, có khả năng tạo ra các đoạn clip dài 30 giây với âm thanh tích hợp sẵn.

Tin tức AI không thổi phồng – Được biên soạn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo chuyên sâu "AI Radar" độc quyền sáu lần mỗi năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay