Công nghệ Rare Earth hôm nay tuyên bố ra mắt mô hình video đa phương thức tổng quát MiniMax H3. Theo thông tin trên cộng đồng ModelScope, mô hình này sẽ chính thức được mã nguồn mở vào 0 giờ ngày 3 tháng 8 theo giờ Bắc Kinh.
MiniMax H3 hỗ trợ khả năng hiểu thống nhất ngữ cảnh đa phương thức gồm văn bản, hình ảnh, video và âm thanh, đồng thời có thể tạo video và âm thanh với âm thanh nổi hai kênh nguyên bản, hỗ trợ tối đa độ phân giải 2K trong 15 giây.
Nhờ nhiều công nghệ như Contextual Omni Representation, H3-VAE, H3-Omni Transformer và In-context Regeneration, MiniMax cho biết họ có khả năng cung cấp mức hiệu quả chi phí tốt nhất trong ngành. Mô hình mặc định cung cấp độ phân giải 2K; ở độ phân giải 2K, giá mỗi giây chưa bằng 1/3 các mô hình phổ biến, còn ở độ phân giải 768P, giá bằng 1/2 so với độ phân giải 720P của các mô hình phổ biến.
Đơn vị này cho biết mô hình có những điểm nổi bật sau:
Hiểu và tạo đa phương thức nguyên bản: hỗ trợ nhiều loại đầu vào như văn bản, hình ảnh, âm thanh và video; hiểu nhân vật, hành động, âm thanh, cảm xúc, góc máy, phong cách và ý đồ biểu đạt trong các tư liệu khác nhau, đồng thời kết hợp tự nhiên nhiều thông tin tham chiếu.
Chỉnh sửa và kiểm soát đa phương thức chính xác: hỗ trợ chỉnh sửa nhân vật, vật thể, bối cảnh, âm thanh và nhịp điệu theo nhiều chiều, đồng thời tuân thủ chỉ dẫn chi tiết.
Tạo nội dung đa bối cảnh cấp thương mại: hướng đến các bối cảnh nội dung thương mại thực tế như điện ảnh, quảng cáo, thương hiệu, thương mại điện tử và trò chơi; đồng thời đáp ứng phụ đề văn bản, thông tin thương hiệu, hiệu ứng đặc biệt sáng tạo, trình bày sản phẩm, trình diễn động UI / UX, hình ảnh trò chơi và cách thể hiện cách điệu.