أعلنت شركة稀宇科技 اليوم على إطلاق نموذج الفيديو العام متعدد الوسائط MiniMax H3، وكيبيّن مجتمع魔搭 أن هاد النموذج غادي يولي مفتوح المصدر رسمياً نهار 3 غشت مع 0:00 بتوقيت بكين.
MiniMax H3 كيدعم الفهم الموحد للسياقات متعددة الوسائط المكوّنة من النصوص والصور والفيديوهات والأصوات، وكيقدر يخرّج فيديوهات وصوتيات بستيريو أصلي، مع دعم حتى 15s بدقة 2K.
وبفضل تقنيات متعددة بحال Contextual Omni Representation وH3-VAE وH3-Omni Transformer وIn-context Regeneration، كتقول MiniMax إنها قادرة توفر أحسن قيمة مقابل السعر فالقطاع، بحيث الدقة الافتراضية هي 2K، والثمن فكل ثانية بدقة 2K أقل من الثلث مقارنةً بالنماذج الرئيسية، بينما بدقة 768P كيساوي نصف ثمن النماذج الرئيسية بدقة 720P.
ووضحت الشركة الرسمية أن هاد النموذج كيتميّز بالنقط التالية:
الفهم والتوليد الأصلي متعدد الوسائط: كيدعم إدخال النصوص والصور والصوتيات والفيديوهات وغيرها، وكيقدر يفهم الشخصيات والحركات والأصوات والمشاعر واللقطات والأساليب ونوايا التعبير فالمواد المختلفة، ويدمج مراجع متعددة بشكل طبيعي.
التحرير والتحكم الدقيقان فالمحتوى متعدد الوسائط: كيدعم التحرير المتعدد الأبعاد للشخصيات والأجسام والمشاهد والأصوات والإيقاع، وكيتميّز بقدرة دقيقة على اتباع التعليمات.
توليد محتوى تجاري لمجموعة واسعة من الاستعمالات: موجه لسيناريوهات المحتوى التجاري الحقيقي فالسينما والتلفزيون والإعلانات والعلامات التجارية والتجارة الإلكترونية والألعاب، مع الجمع بين الترجمة النصية، ومعلومات العلامة التجارية، والمؤثرات الإبداعية، وعرض المنتجات، والعروض التفاعلية لـ UI / UX، ومرئيات الألعاب، والتعبير بأساليب مختلفة.