Hôm nay, 稀宇科技 công bố ra mắt mô hình tạo sinh đa phương thức MiniMax H3, hỗ trợ khả năng hiểu thống nhất ngữ cảnh đa phương thức gồm văn bản, hình ảnh, video và âm thanh; có thể xuất âm thanh-video stereo gốc, hỗ trợ tối đa độ phân giải 2K trong 15 giây.
Theo phản hồi từ giai đoạn thử nghiệm mời trước đó, MiniMax H3 sở hữu khả năng tạo nội dung đa tình huống cấp thương mại, thể hiện xuất sắc ở các khía cạnh tuân thủ lệnh, trình bày chữ và thông tin thương hiệu, V2V Motion Transfer (chuyển động từ video sang video), được cho là có thể chỉnh sửa và tạo nội dung đa phương thức một cách chính xác, có kiểm soát, phù hợp các tình huống như quảng cáo, thương mại điện tử, thương hiệu, thiết kế sản phẩm, UI / UX và game.
Về công nghệ cốt lõi, MiniMax H3 bổ sung khả năng Caption, tùy chỉnh mô hình chuyên dụng và đường ống hiểu đa phương thức; phần lớn tài liệu cần tiêu tốn 100K Token suy luận, cuối cùng thu được trung bình khoảng 4K Token.
Đồng thời, khả năng xuất video 2K của MiniMax H3 không dùng mô-đun siêu phân giải thông thường, mà dùng mô hình nền H3 để tái tạo in-context kết quả độ phân giải thấp của chính nó, nhờ đó tái sử dụng tối đa khả năng tạo sinh sẵn có của mô hình nền H3, đồng thời giữ được thông tin mà giải pháp siêu phân giải truyền thống không thể “đoán” để phục hồi.
Ngoài ra, MiniMax H3 sẽ mở trọng số mô hình trong vài ngày tới. IT之家 sẽ tiếp tục theo dõi và cập nhật tin mới sớm nhất.