MiniMax H3: ما الذي يستطيع نموذج الفيديو الجديد فعله فعلاً؟

هناك طريقة سريعة لكشف ضعف أي نموذج فيديو: لا تطلب صورة جميلة، بل حركة صعبة. اجعل القماش يلتف، والكاميرا تدور حول جسم، والماء يصطدم بصخرة. بعد ثانية تبدأ النماذج الضعيفة في تشويه الحواف. لهذا يلفت MiniMax H3 الانتباه: الرهان هنا على ترابط الحركة، لا على لقطة واحدة جذابة.

شاهدنا المراجعة العملية الكاملة التي جاءت مع الإطلاق، ثم قارنا المواصفات بالوثائق الرسمية. هذه هي الخلاصة المفيدة، بعيداً عن ضجيج «نهاية السينما».

ليس مجرد نص وصورة واحدة

يفهم H3 النص والصور والفيديو والصوت داخل الطلب نفسه. تستطيع البدء من وصف نصي، أو تحريك إطار أول، أو تثبيت الإطارين الأول والأخير، أو بناء المقطع من مراجع. ويمكن للمرجع أن يحدد الشخصية أو الحركة أو مسار الكاميرا أو الأسلوب أو الصوت أو إيقاع المونتاج.

هذا يغيّر طريقة العمل. بدلاً من شرح حركة الكاميرا وشكل الشخصية في فقرة طويلة، أعطه مقطعاً قصيراً للحركة وصورة مستقلة للأسلوب. مساحة التخمين تصبح أصغر.

تسمح المواصفات الرسمية بما يصل إلى 9 صور مرجعية و3 مقاطع فيديو و3 ملفات صوت، وبحد أقصى 12 ملفاً مختلطاً. مجموع مدة مراجع الفيديو والصوت يصل إلى 15 ثانية لكل نوع. أما الوصف النصي فيصل إلى 7000 حرف.

دقة 2K موجودة، لكن انتبه

الخرج بدقة 768p أو 2K، ومدة المقطع من 4 إلى 15 ثانية كاملة. توجد نسب أبعاد شائعة ووضع متكيف. خمس عشرة ثانية تكفي لإعلان اجتماعي صغير: ظهور المنتج، حركة واحدة، رد فعل، ثم لقطة أخيرة.

لكن الرقم 2K لا يصنع فيديو جيداً وحده. توثق MiniMax مساراً منفصلاً لإعادة التوليد: بعد العثور على حركة ناجحة في 768p، يمكن إعادة بناء النتيجة في 2K مع المدخلات الأصلية والفيديو الأساسي. الأفضل أن تجد اللقطة أولاً، ثم تدفع مقابل الدقة الأعلى.

أين يبدو H3 أقوى؟

أفضل أمثلة المراجعة كانت في حركة الكاميرا السريعة، والسوائل، والقماش، والإضاءة التي يجب أن تبقى منطقية أثناء تغيّر المشهد. أما المفاجأة فهي مراجع الصوت: يمكن استخدامها لتوجيه صوت أو إيقاع موسيقي إلى جانب الصورة.

مثال عملي: صورة منتج، ومرجع من ست ثوانٍ لحركة الكاميرا، ومؤثر صوتي قصير. الصورة تثبت شكل المنتج، والفيديو يحدد الدوران، والصوت يضع لحظة الذروة. هذا أدق كثيراً من عبارة «اصنع إعلاناً فاخراً».

أين المشكلة؟

ثبات الشخصية تحسن، لكنه ليس مضموناً. عندما تتصادم أجسام كثيرة، وتحجب بعضها ثم تعود إلى الكادر، قد تظهر تفاصيل زائدة أو قفزة في الشكل. والنص الصغير المقروء داخل المشهد من الأفضل إضافته لاحقاً في برنامج المونتاج.

وهذه مقاطع قصيرة، لا فيلم جاهز مدته ثلاث دقائق. القصة الطويلة تحتاج إلى قائمة لقطات ومراجع ثابتة ومونتاج. العمل لم يختف؛ فقط صار إنتاج اللقطات الخام أسرع.

اكتب أول وصف بهذه الطريقة

اترك صفّ الصفات الطويل. حدد الجسم والحركة والكاميرا والضوء: «زجاجة زجاجية على حجر أسود مبلل. تضرب موجة خلفها، وتدور الكاميرا ببطء من اليمين إلى اليسار، ضوء صباح بارد، وتنتهي بلقطة قريبة». أرفق مرجع حركة إذا كان مسار الكاميرا مهماً، وعدة زوايا إذا كان ثبات الشكل مهماً.

لاختبار فكرتك، افتح توليد الفيديو في NeuralSpace. وإذا احتجت إلى إطار بداية نظيف، أنشئه في مولد الصور. ابدأ بخمس أو ست ثوانٍ بدقة 768p؛ اللقطة الفاشلة أرخص، واللقطة الناجحة تستحق نسخة 2K.