MiniMax H3: lo que realmente puede hacer el nuevo modelo de vídeo con IA
Existe una forma sencilla de exponer un modelo de vídeo con IA: pedir movimiento, no un retrato bonito. Gira una tela en el aire, envía una cámara alrededor de un objeto, estrella agua contra una roca y unos generadores débiles comienzan a derretir los bordes en un segundo. MiniMax H3 es interesante porque su tono es un movimiento coherente, no un cuadro fotogénico.
Vimos la revisión práctica completa detrás del lanzamiento y verificamos sus afirmaciones técnicas con la documentación de MiniMax. Aquí está la parte útil, menos el ruido de "el cine está muerto".
Más que un mensaje y una imagen
H3 comprende texto, imágenes, video y audio dentro de una solicitud. Puede generar a partir de texto, animar un primer fotograma, bloquear los fotogramas inicial y final, o crear un clip a partir de referencias. Una referencia puede contener un personaje, movimiento, trayectoria de cámara, estilo visual, voz o ritmo de edición.
Eso cambia el trabajo. En lugar de escribir un párrafo que diga "la cámara se mueve así y el personaje se ve así", puedes mostrar un clip de movimiento corto y una imagen de estilo separada. Hay menos cosas que el modelo pueda malinterpretar.
Los límites oficiales son generosos: hasta 9 imágenes de referencia, 3 videoclips y 3 clips de audio, con 12 archivos mixtos en total. El vídeo y el audio de referencia pueden sumar hasta 15 segundos cada uno. Las indicaciones pueden alcanzar los 7.000 caracteres, mucho más de lo que normalmente necesita un plano corto sensato.
Sí, dice 2K. Leer la letra pequeña
La salida es de 768p o 2K y los clips duran entre 4 y 15 segundos completos. Se admiten relaciones de aspecto comunes y un modo adaptativo. Quince segundos son suficientes para un anuncio social compacto: revelar el objeto, realizar una acción, mostrar una reacción, llegar al plano final.
Pero la resolución no es calidad. MiniMax también documenta una ruta de regeneración separada: una vez que un resultado de 768p tiene el movimiento correcto, se puede reconstruir en 2K usando las entradas originales y el clip base. Ese es el flujo de trabajo sensato. Encuentra la toma primero; gastar en resolución en segundo lugar.
Donde el H3 parece más fuerte
Los mejores ejemplos de la revisión involucran movimientos rápidos de la cámara, líquidos, telas e iluminación que deben permanecer constantes mientras cambia la escena. Las referencias de audio son la victoria menos obvia. Pueden guiar una voz o un ritmo musical junto al material visual.
Imagine una toma de producto con una imagen fija, una referencia del movimiento de la cámara de seis segundos y un breve acento sonoro. La imagen fija el producto, el vídeo proporciona la órbita y el audio marca el ritmo. Eso es mucho más preciso que "hacer un comercial premium".
la captura
La coherencia del carácter es mejor, no está garantizada. Agregue varios objetos que colisionen, se ocluyen entre sí y regresan al marco, y aún pueden aparecer detalles perdidos o saltos de formas. Posteriormente se deben agregar pequeñas letras legibles en un editor.
Y estos son clips cortos, no películas terminadas de tres minutos. Una historia más larga todavía necesita una lista de tomas, referencias estables y una edición. Queda el verdadero trabajo. H3 principalmente hace que la etapa de disparo en bruto sea más rápida.
Un primer mensaje que te enseñará algo.
Sáltate el montón de adjetivos. Especifique el tema, la acción, la cámara y la luz: "Una botella de vidrio se encuentra sobre una piedra negra húmeda. Una ola golpea detrás de ella; la cámara hace un arco lentamente de derecha a izquierda; la fría luz de la mañana; termine con un primer plano". Adjunte una referencia de movimiento cuando la trayectoria de la cámara sea importante. Agregue varios ángulos cuando la identidad sea importante.
Para probar la idea con tu propio material, abreGeneración de vídeo con IA en NeuralSpace. ¿Necesita primero un marco inicial limpio? Constrúyelo en elgenerador de imágenes. Comience con cinco o seis segundos a 768p. Las malas tomas cuestan menos; uno bueno gana el pase 2K.