MiniMax H3: τι μπορεί πραγματικά να κάνει το νέο μοντέλο βίντεο AI
Υπάρχει ένας εύκολος τρόπος για να αποκαλύψετε ένα μοντέλο βίντεο με τεχνητή νοημοσύνη: ζητήστε κίνηση, όχι ένα όμορφο πορτρέτο. Στρίψτε ύφασμα στον αέρα, στείλτε μια κάμερα γύρω από ένα αντικείμενο, ρίξετε νερό σε έναν βράχο—και οι αδύναμες γεννήτριες αρχίζουν να λιώνουν τις άκρες μέσα σε ένα δευτερόλεπτο. Το MiniMax H3 είναι ενδιαφέρον επειδή το βήμα του είναι συνεκτική κίνηση, όχι ένα φωτογενές πλαίσιο.
Παρακολουθήσαμε την πλήρη πρακτική ανασκόπηση πίσω από την κυκλοφορία και ελέγξαμε τους τεχνικούς ισχυρισμούς της σε σχέση με την τεκμηρίωση του MiniMax. Εδώ είναι το χρήσιμο μέρος, μείον τον θόρυβο "ο κινηματογράφος είναι νεκρός".
Περισσότερα από μια προτροπή και μια εικόνα
Το H3 κατανοεί κείμενο, εικόνες, βίντεο και ήχο μέσα σε ένα αίτημα. Μπορείτε να δημιουργήσετε από κείμενο, να κάνετε κίνηση ενός πρώτου καρέ, να κλειδώσετε τόσο το αρχικό όσο και το τελικό πλαίσιο ή να δημιουργήσετε ένα κλιπ από αναφορές. Μια αναφορά μπορεί να φέρει χαρακτήρα, κίνηση, διαδρομή κάμερας, οπτικό στυλ, φωνή ή ρυθμό επεξεργασίας.
Αυτό αλλάζει τη δουλειά. Αντί να γράψετε μια παράγραφο που λέει "η κάμερα κινείται έτσι και ο χαρακτήρας μοιάζει έτσι", μπορείτε να εμφανίσετε ένα σύντομο κλιπ κίνησης και μια ξεχωριστή εικόνα στυλ. Υπάρχουν λιγότερα για λάθος ανάγνωση του μοντέλου.
Τα επίσημα όρια είναι γενναιόδωρα: έως 9 εικόνες αναφοράς, 3 βίντεο κλιπ και 3 κλιπ ήχου, με 12 μικτά αρχεία συνολικά. Το βίντεο και ο ήχος αναφοράς μπορεί να προσθέσουν έως και 15 δευτερόλεπτα. Τα μηνύματα προτροπής μπορούν να φτάσουν τους 7.000 χαρακτήρες—πολύ περισσότερους από ό,τι χρειάζεται συνήθως μια λογική σύντομη λήψη.
Ναι, λέει 2K. Διαβάστε τα μικρά γράμματα
Η έξοδος είναι 768p ή 2K και τα κλιπ διαρκούν από 4 έως 15 ολόκληρα δευτερόλεπτα. Υποστηρίζονται κοινές αναλογίες διαστάσεων και προσαρμοστική λειτουργία. Δεκαπέντε δευτερόλεπτα είναι αρκετά για μια συμπαγή κοινωνική διαφήμιση: αποκαλύψτε το αντικείμενο, εκτελέστε μία ενέργεια, δείξτε μια αντίδραση, προσγειωθείτε στην τελική λήψη.
Αλλά η ανάλυση δεν είναι ποιότητα. Το MiniMax τεκμηριώνει επίσης μια ξεχωριστή διαδρομή αναγέννησης: μόλις ένα αποτέλεσμα 768p έχει τη σωστή κίνηση, μπορεί να ανακατασκευαστεί στα 2K χρησιμοποιώντας τις αρχικές εισόδους και το βασικό κλιπ. Αυτή είναι η λογική ροή εργασίας. Βρείτε πρώτα την λήψη. δαπανούν για την επίλυση δεύτερο.
Εκεί που το H3 φαίνεται πιο δυνατό
Τα καλύτερα παραδείγματα της ανασκόπησης περιλαμβάνουν γρήγορες κινήσεις της κάμερας, υγρό, ύφασμα και φωτισμό που πρέπει να παραμείνουν σταθεροί όσο αλλάζει η σκηνή. Οι αναφορές ήχου είναι η λιγότερο προφανής νίκη. Μπορούν να καθοδηγήσουν μια φωνή ή έναν μουσικό ρυθμό παράλληλα με το οπτικό υλικό.
Φανταστείτε ένα προϊόν που έχει τραβηχτεί με μια στατική εικόνα, μια αναφορά κίνησης κάμερας έξι δευτερολέπτων και μια σύντομη ηχητική προφορά. Ο αποστακτήρας αγκυρώνει το προϊόν, το βίντεο παρέχει την τροχιά και ο ήχος ρυθμίζει τον ρυθμό. Αυτό είναι πολύ πιο ακριβές από το «να κάνει μια premium διαφήμιση».
Το πιάσιμο
Η συνέπεια των χαρακτήρων είναι καλύτερη, δεν είναι εγγυημένη. Προσθέστε πολλά αντικείμενα που συγκρούονται, αποφράσσουν το ένα το άλλο και επιστρέφουν στο πλαίσιο και μπορούν να εξακολουθήσουν να εμφανίζονται αδέσποτες λεπτομέρειες ή άλματα σχήματος. Θα πρέπει να προστεθούν μικροσκοπικά ευανάγνωστα γράμματα σε ένα πρόγραμμα επεξεργασίας στη συνέχεια.
Και αυτά είναι μικρά κλιπ, όχι τελειωμένες τρίλεπτες ταινίες. Μια μεγαλύτερη ιστορία χρειάζεται ακόμα μια λίστα λήψεων, σταθερές αναφορές και μια επεξεργασία. Η πραγματική δουλειά παραμένει. Το H3 κάνει κυρίως το στάδιο raw-shot πιο γρήγορο.
Μια πρώτη προτροπή που θα σας διδάξει κάτι
Παραλείψτε το σωρό των επιθέτων. Προσδιορίστε το θέμα, τη δράση, την κάμερα και το φως: "Ένα γυάλινο μπουκάλι στέκεται σε μια υγρή μαύρη πέτρα. Ένα κύμα χτυπά πίσω της, η κάμερα κάνει τόξο αργά δεξιά προς τα αριστερά, κρύο πρωινό φως, τελειώστε σε κοντινό πλάνο." Επισυνάψτε μια αναφορά κίνησης όταν έχει σημασία η διαδρομή της κάμερας. Προσθέστε πολλές γωνίες όταν η ταυτότητα έχει σημασία.
Για να δοκιμάσετε την ιδέα με το δικό σας υλικό, ανοίξτεΔημιουργία βίντεο AI στο NeuralSpace. Χρειάζεστε πρώτα ένα καθαρό πλαίσιο εκκίνησης; Χτίστε το στογεννήτρια εικόνας. Ξεκινήστε με πέντε ή έξι δευτερόλεπτα στα 768p. Το κακό παίρνει το κόστος λιγότερο? ένας καλός κερδίζει το πάσο 2K.