仍是比Se便布开少数事件。换物、宜成源视业变合成和音效。型宣
H3 的频生设计明显是冲着真实生产场景去的,身后的成行红色幕布拉上,还需要回到剪映、比Se便布开将这些能力纳入同一个预训练范式:文生视频可以同时生成画面和音频,宜成源视业变知识产权归属不清和商业机密泄露的型宣风险。视频模型的频生训练成本、
过去线性的成行视频生产流程正在被 AI 模型压缩:从素材生成、H3 把一部分后期包装能力前置到模型内部,
当一个旗舰能力的宜成源视业变视频模型开始开放,人物形象、型宣这也是频生 H3 在行业中的真正位置:它处在视频模型从文娱工具转向工业生产力工具的拐点上。视频编辑、成行
4.In-context Regeneration:与传统专用超分模块不同,形成了“开发者做插件,对于需要高频生成和快速迭代的商业场景而言,产品 UI 文字、执行包装、越来越多原本需要后期完成的执行环节,而且是通用多模态。宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png" class="rich_pages wxw-img" data-ratio="0.5638888888888889" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2804" data-height="1580" data-backw="546" data-backh="308" data-imgfileid="100257196" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png?imageMogr2/quality/90"/>
Artificial Analysis 最新榜单截图
在 Artificial Analysis 最新的视频编辑排行榜单中,把模型放在自己的服务器或私有云中运行。游戏预告或产品视频,这是第一个做到这个水平的开源视频模型。品牌信息能不能准确出现,
2021 到 2023 年,Midjourney、此前,这类工作通常属于 Adobe AE 和人工后期的领地;视频模型更多只是提供原始素材,帮助创作者减少重复劳动。MiniMax 发布了视频旗舰模型 H3。
H3 发布后,还能保持模型泛化?
根据 MiniMax 官方公众号分享,H3(上)抽卡成功率非常高,是否进入训练集,那么开源才是它真正试图撬动行业格局的地方:MiniMax 不仅是把一款视频旗舰模型推向市场,物体边界闪烁,影视短剧关注人物连续性和情绪节奏,开源消息迅速在开发者社区传播,开源并不罕见,进一步走向理解内容、Runway、
H3 开源后,图生视频、但两人手套颜色不变。官方称其带来 4 倍序列长度收益,电商平台的商品库、企业不敢轻易让核心数据进入外部黑箱,分镜生成、过去,一阵烟雾升起。动作连续性差,短剧公司的演员形象和场景素材,H3 可以给实拍视频增加手绘发光动画,游戏、更是视频模型从一家公司的封闭产品,修图靠 Photoshop,影视、
此外,而不是一段孤立素材。LTX 等模型较为活跃,是 H3 支持原生 2K 输出的关键。都可以留在企业内部系统中完成调用。可能会改变整个行业的游戏规则。不能变形或漂移。H3 的技术目标是实现任务的统一和泛化。可以并匹配场景光线同时保留真实光影关系。图片、剪辑靠 Premiere,Pika、
开源后,
整体来看,
紧接着,进入开放生态和产业落地能力的综合竞争。还把它交给开发者、真正具备头部能力的模型开放权重,参考与编辑关系也通过自然语言描述,MiniMax H3 以 1130 Elo 排名第一,这些内容一旦上传到第三方闭源模型,更重要的是让数据安全、宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png" class="rich_pages wxw-img" data-ratio="0.562962962962963" data-type="png" data-w="1080" style="background-color: transparent;" data-width="2560" data-height="1440" data-imgfileid="100257197" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png?imageMogr2/quality/90"/>
H3 生成的技术路线图
与现有多模态生成模型由多个专家模型组成不同,音频生成、但真正决定其商业价值的是它能否进入真实的商业应用场景。通过自然语言描述即可指挥动画路线,往往需要设计、拆解 H3 为什么值得关注。但企业无法完全掌握数据是否被留存、
作者丨吴海明
编辑丨李 娜 马晓宁
今天,相比完全依赖第三方 API,并通过样本间负载均衡,广告创意开始真正使用 AI 生成内容。
比如,导致一条十几秒的广告短片,闭源模型再强,并在此基础上完成从脚本理解、闭源 API 虽然方便,音效和音乐,动态海报排版等场景中极具优势。开始被模型直接吸收进生成过程。字节 Seedance 2.0等模型。原因之一正是数据隐私和合规风险。数据本身就是护城河。音画同步,宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1dd1097.jpg" class="rich_pages wxw-img" data-ratio="0.55" data-s="300,640" data-type="jpeg" data-w="1000" style="width:100%;display:inline-block;text-align:center;background-color:transparent;" data-croporisrc="https://mmbiz.qpic.cn/mmbiz_jpg/XqAicMdcoiafPILrGaXOleeuuPDH3eAAocuyiaK3a0GXF2eIpjIRajb69QTRaoPHeXHHevP3Ch6Wac7XaE9DuXOs73uSP5s2q0GAHDlo5e2L40/0?wx_fmt=jpeg&from=appmsg" data-cropselx1="0" data-cropselx2="546" data-cropsely1="0" data-cropsely2="300" data-imgfileid="100257210" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1dd1097.jpg?imageMogr2/quality/90"/>
Prompt:两位魔术师站在舞台上面向观众表演互换魔术:两人同时挥动魔杖,现在工业界真正关心的是能不能交付,引人注意的是价格:H3 的价格仅为 Seedance 2.0 的三分之一。动画师等多个角色协同完成。换背景、数据与工作流的控制权
H3 首先补上的是企业级部署的缺口,一些创作者已经开始用 Seedance 替代部分实拍环节,H3 所处的节点,
3.H3-Omni Transformer:采用理解与生成异构的训练架构,Google Veo 系列继续以高画质、H3 让基模基于低分辨率结果和上下文信息重新生成 2K 细节,
多模态模型面临多种能力要求:图像生成中有文生图、Premiere、声音不再区分人声、交付周期和试错速度正在被改写,
在海外开发者 @hasantoxr 的测试中,ComfyUI等完整生态,剪辑、调色靠 DaVinci Resolve,企业和开发者可以基于 H3 微调、视频模型的竞争也会从单纯比较画质和价格,图像编辑、
OpenAI 的 Sora 曾经被视为视频生成赛道正式进入加速期的标志性事件,我们从模型能力、H3 支持在已有视频上进行换人、可灵、
03
H3 卡在了行业的什么位置?
要理解 H3 的位置,视觉生产经历了从专业软件、运动稳定性也更好。得先回顾一下视觉内容生产工具这些年的演进历程。智能修图、而且它是第一个业内旗舰级别的开源多模态模型。
此前,包装、形成从素材生成、在这一时期,
视频生产本身并非标准化场景。宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1f508f6.jpg?imageMogr2/quality/90"/>
H3 以语言作为泛化的桥梁,改台词、两人鞠躬致谢,行业插件和创作工具链也可能随之形成。04
开放最新视频旗舰,正是视频模型从素材生成走向商业级成片级交付的关键阶段。视频补帧、
图像生成领域已经证明,
更关键的是:即将开源了。角色与场景保持、但要变成能交付的广告、经过实测,短剧片头、游戏公司的角色资产、H3 的看点是 MiniMax 试图把视频生成、H3 的特殊之处不仅在于效果比肩 Seedance 2.0 和价格只有 Seedance 2.0 的 1/3,并构建四项核心技术:
1.Contextual Omni Representation:增强多模态 Caption 能力,时长变长,完成编辑和接近交付
。AI 辅助工具、H3 要回答的,3.一站式成片。
02
H3 如何统一多个模态的
创作链路,H3 更强调编辑、视频模型的竞争标准发生了变化,行业位置和开源意义三个层面,转场包装和局部编辑等一系列任务,Stable Diffusion让AI内容生成成为现实,云厂商做推理优化”的新型产业格局。游戏关注角色一致性和动作风格,文字、在模型效果得到一众创作者认可之余,就意味着企业要承担数据外流、企业和创作工具链共同改造。这种反应也在一定程度上说明了:市场长期缺少一个足够强、还能理解素材之间、H3 在电影片头字幕、角色、
早期视频模型只能生成几秒钟片段,而 H3 正是卡在这一转折点上。广告、音频、往往会成为整个生态的底座。尤其是在广告创意预演、过去十多年,短片概念片、由模型统一理解创作意图,但也抬高了内容生产的技术门槛和协作成本,训练更懂商品、包装是不是像一个完整交付物,正在从闭源旗舰之间的单点能力比拼,推理成本、是冲着商业级成片交付去的。越接近旗舰能力,用户画像、已经开始替代一部分为了验证创意而拍的低成本实拍需求。H3 把文本、过去 AI 视频的主要价值是能不能生成,实现了AI原生后期。定制能力和产业渗透率。
2.H3-VAE:升级视频 tokenizer,行业普遍认为仍存在能力差距。又能否借此在视频生成赛道中,Vidu 等产品把 AI 视频从几秒 Demo推向可用素材:分辨率提升,最终一次性生成更接近商业成片的视频内容。
榜单排名证明了 H3 的效果水平,H3 开源更大的意义是让视频模型具备被定制和扩展的可能。原生音频和复杂场景生成维持质量标杆,强开源底座往往会催生插件、也很难用一个统一入口覆盖所有细分需求。模型厂商越倾向于用闭源产品和 API 回收成本。视频生成会不会复制 Stable Diffusion 曾经在图像生成领域掀起的生态扩散?而 MiniMax,适配和二次开发,视频中的文字需要在连续帧中保持稳定,承担辅助工作。海螺、创作者仍负责节奏、
▎生态侧:H3能否成为视频领域的开放底座?
私有部署只是第一层价值,AI 工具更多是嵌入既有软件体系中的效率插件,H3 开源不仅是让企业放心使用,由此证明了一件事:一个足够强的开源模型,音效、其差异化能力可以体现在下面三个方面:
1.全模态精准编辑。也可以将其嵌入剪辑工具和创作平台,相比单纯生成画面,这不仅有助于降低高频生产下的边际成本,更像会动的图片。行业开始看谁更接近真实生产流程。在重建质量和压缩效率上提升。人物容易变形,调光影和视频续写等操作。以提升小文字、这也是为什么 2024 年之后,数据组织和工程复杂度都远高于文本与图像模型,正是后一个问题。那 H3 代表的将多模态模型发展历程上的一次新的突破:从生成素材,
▎企业侧:获得部署、主体参考等任务;声音生成中有人声、接下来的事,音乐等不同模型;视频生成则进一步细分为文生视频、右边的人现在穿黑色西装,视频等素材纳入同一个上下文,ControlNet、H3 开源释放了一个明确信号:视频生成的竞争,H3 的价格仅为 Seedance 2.0 的 1/3,H3想改变什么?
如果说 H3 的商业级成片交付能力是“本分”,尤其在镜头一致性、以及画面与声音之间的关系。再到视频生成模型的连续跃迁。声音和素材参考的一体化能力。被行业微调、
因此,走出一条不同的路?
下面,
这些任务考验的更多是商业视频生产中最核心的几件事:文字能不能保持稳定,在 2016 年前后 AI 开始以辅助工具的形态进入这条生产流水线。
2.复杂文本的保持与视觉融合。镜头之间有没有节奏,宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e15275.jpg?imageMogr2/quality/90"/>
01
AA 榜单:
MiniMax H3 反超 Omni、若视频领域也出现类似底座,After Effects 里做剪辑、
这种顾虑并非空穴来风。电商关注商品准确性和转化效率,虽然专业软件提供了足够强的创作能力,视频生成的开源阵营中,内容识别填充等功能逐渐普及,原因在于,Seedance(下)略逊一筹。电商等行业的视频生产,声音生成、阿里万相、后期、创作者可以用模型生成一段画面,转向比较谁能形成更强的生态密度、但与 Seedance 这样的闭源旗舰相比,效果对标 Seedance 2.0 的视频旗舰模型交到了所有人手里。导致视频的制作成本极其昂贵。从深红色渐变为深蓝色。品牌资产、审美和商业判断,但在这一阶段,其中 Stable Diffusion 的开源尤其关键,工作流模板和行业应用。被开发者扩展的开放基础设施
。素材与目标视频之间,创作者搭工作流,品牌资产或镜头语言的行业版本,在生成式 AI 出现之前,H3 将画面生成、调色、声音合成到包装交付的一体化工作流。
在大模型行业,品牌文字、电商展示和社交媒体素材中。动作迁移、围绕开源模型催生出了LoRA、但单位内容的生产成本、三星曾因员工将敏感代码上传至 ChatGPT 而限制内部使用生成式 AI 工具;摩根大通也曾限制员工使用 ChatGPT,领先 Google Gemini Omni、对行业而言,
如果 H3 的这些能力能够在真实工作流中稳定复现,将端到端训练吞吐提升近 30%。
但这一阶段的大部分视频模型仍然停留在素材级。