IT之家8/3 10:5277 分精选
MiniMax H3 通用视频模型正式开源，支持多模态上下文与2K分辨率
通用视频模型 MiniMax H3 正式开源，支持多模态上下文、2K 分辨率
推荐理由：AI 创作者和产品孵化者可以直接抄：MiniMax H3 开源了全模态视频生成模型，支持文本、图像、视频、音频混合输入并输出 2K 视频，预训练即具备多模态理解能力，对做多模态 AI 应用或视频生成工具的人来说是现成的技术基座。
IT之家 8 月 3 日消息，MiniMax 正式开源新一代通用视频模型 MiniMax H3。该模型是一个全模态生成系统，能统一理解文本、图像、视频和音频构成的多模态上下文，并生成最高 2K 分辨率、最长 15 秒、带原生立体声音频的视频。H3 在预训练阶段已具备广泛的多模态上下文理解与生成能力，可遵循复杂多模态指令。输出规格包括多种宽高比、24 FPS、32 kHz 立体声，稳定支持 11 种语言。模型提供两个版本：H3-Base-FL2VA（首尾帧模式）和 H3-Base-Ref2VA（全模态参考模式），后者支持最多 9 张图像、3 段视频、3 段音频混合输入。完整系统由 H3-Context-IR（上下文处理）、H3-Base（生成768p结果）和 H3-Regenerate-2K（提升至2K分辨率）三模块组成。模型基于 MiniMax H3 Community License 发布，开源地址为 huggingface.co/MiniMaxAI/MiniMax-H3。
