Xiuyu Technology bugun MiniMax H3 barcha modalitlarni qamrab oluvchi generativ modelini taqdim etganini e’lon qildi. Model matn, tasvir, video va ovozdan tashkil topgan multimodal kontekstni yagona tizimda tushunishni qo‘llab-quvvatlaydi, tabiiy ikki kanalli audio va video chiqara oladi hamda maksimal 15 soniyalik 2K aniqlikni ta’minlaydi.
Dastlabki taklif asosidagi sinovlar fikr-mulohazalariga ko‘ra, MiniMax H3 tijoriy darajadagi ko‘plab ssenariylar uchun kontent yaratish imkoniyatiga ega. U ko‘rsatmalarga amal qilish, matn va brend ma’lumotlarini taqdim etish, V2V Motion Transfer (videodan videoga harakat ko‘chirish) kabi yo‘nalishlarda yuqori natija ko‘rsatadi. Model multimodal kontentni aniq va boshqariladigan tarzda tahrirlash hamda yaratish imkonini beradi va reklama, elektron tijorat, brend, mahsulot dizayni, UI / UX hamda o‘yinlar kabi sohalarda qo‘llanishi mumkin.
Asosiy texnologiyalar nuqtayi nazaridan, MiniMax H3 Caption imkoniyatini qo‘shdi, maxsus model va barcha modalitlarni tushunish quvurini ishlab chiqdi. Materiallarning katta qismi uchun xulosa chiqarishda 100K Token sarflanadi va yakunda o‘rtacha taxminan 4K Token olinadi.
Shuningdek, MiniMax H3’ning 2K video chiqarish imkoniyati odatiy superaniqlashtirish modulidan foydalanmaydi. Buning o‘rniga H3 asosiy modeli o‘zining past aniqlikdagi natijalarini in-context tarzida qayta yaratadi. Bu H3 bazaviy modelida mavjud generativ imkoniyatlardan maksimal darajada qayta foydalanish imkonini beradi va an’anaviy superaniqlashtirish yechimlari “taxmin qilish” orqali tiklay olmaydigan ma’lumotlarni ham saqlab qoladi.
Bundan tashqari, MiniMax H3 model og‘irliklarini yaqin kunlarda ochiq taqdim etadi. IT之家 bu mavzuni kuzatishda davom etadi va eng so‘nggi yangiliklarni birinchilardan bo‘lib yetkazadi.