شی یو ٹیکنالوجی نے آج MiniMax H3 کے مکمل موڈل جنریشن ماڈل کے اجرا کا اعلان کیا۔ یہ متن، تصاویر، ویڈیو اور آواز پر مشتمل ملٹی موڈل سیاق و سباق کی یکساں تفہیم کو سپورٹ کرتا ہے، مقامی ڈوئل چینل آڈیو اور ویڈیو آؤٹ پٹ دے سکتا ہے، اور زیادہ سے زیادہ 15s 2K ریزولوشن کو سپورٹ کرتا ہے۔
ابتدائی آزمائشی دعوت کے تاثرات کے مطابق، MiniMax H3 میں کمرشل سطح پر متعدد منظرناموں میں مواد تیار کرنے کی صلاحیت ہے۔ ہدایات پر عمل، متن اور برانڈ کی معلومات کی پیشکش، V2V Motion Transfer (ویڈیو سے ویڈیو ایکشن ٹرانسفر) سمیت دیگر شعبوں میں اس کی کارکردگی نمایاں رہی ہے۔ کہا جاتا ہے کہ یہ ملٹی موڈل مواد کی تدوین اور تخلیق کو درست اور قابل کنٹرول انداز میں انجام دے سکتا ہے، اور اشتہارات، ای کامرس، برانڈز، پروڈکٹ ڈیزائن، UI / UX اور گیمز جیسے منظرناموں کے لیے موزوں ہے۔
بنیادی ٹیکنالوجی کے لحاظ سے، MiniMax H3 میں Caption کی صلاحیت شامل کی گئی ہے، ایک مخصوص ماڈل اور مکمل موڈل تفہیمی پائپ لائن تیار کی گئی ہے۔ زیادہ تر مواد کی پراسیسنگ کے لیے 100K Token درکار ہوتے ہیں، جس کے نتیجے میں اوسطاً تقریباً 4K Token حاصل ہوتے ہیں۔
اس کے علاوہ، MiniMax H3 کی 2K ویڈیو آؤٹ پٹ صلاحیت میں روایتی سپر ریزولوشن ماڈیول استعمال نہیں کیا گیا، بلکہ H3 بنیادی ماڈل اپنے کم ریزولوشن نتائج کی in-context دوبارہ تخلیق کے لیے استعمال ہوتا ہے۔ اس طرح H3 بنیادی ماڈل میں پہلے سے موجود تخلیقی صلاحیتوں سے زیادہ سے زیادہ فائدہ اٹھایا جا سکتا ہے، جبکہ ایسی معلومات بھی بحال کی جا سکتی ہیں جنہیں روایتی سپر ریزولوشن حل محض “قیاس” سے بحال نہیں کر سکتے۔
مزید برآں، MiniMax H3 کے ماڈل وزن آئندہ چند دنوں میں دستیاب کیے جائیں گے۔ IT ہوم اس پیش رفت پر نظر رکھے گا اور تازہ ترین خبریں بروقت پیش کرے گا۔