MiniMax H3 avoimet painot: mitä voit todella ajaa paikallisesti

Elokuun alussa MiniMax julkaisi H3-videomallinsa painot Hugging Facessa. Voit nyt luoda stereoäänisiä leikkeitä omalla koneellasi – ei tilausta, ei sukupolvikohtaisia ​​API-maksuja. Mutta ennen kuin lataat satoja gigatavuja, pidä kaksi asiaa mielessä: koko 2K-putki ei päässyt avoimeen julkaisuun, ja lisenssi ei salli kaikkia kaikkialla.

Mitä tarkalleen julkaistiin

MiniMax-H3-varastossa on kaksi tehtäväkohtaista tarkistuspistettä. FL2VA luo videon äänellä tekstistä ja voi animoida kehyksiä: annat ensimmäisen, viimeisen tai molemmat. Ref2VA rakentaa leikkeen viitteistä – yksi pyyntö voi sisältää jopa yhdeksän kuvaa, kolme videota ja kolme äänitiedostoa, joten hahmon ulkoasu, kameran liike, tyyli ja ääni määritetään kukin omalla esimerkillään. Ydin on tiheä 33 miljardin parametrin muuntaja, painot on julkaistu BF16:ssa ja koko arkisto painaa noin 288 Gt.

Mitä malli voi tehdä

H3 ottaa tekstiä, kuvia, videota ja ääntä syötteenä ja tuottaa 4–15 sekunnin pituisia leikkeitä 24 fps nopeudella – sisäänrakennetulla stereoäänellä, jonka malli syntetisoi itse, synkronoituna kuvan kanssa. Perusresoluutio on 768p lyhyellä sivulla. Ääni ei ole tässä erillinen käsittelyvaihe, vaan osa samaa mallia: voit asettaa äänen tai musiikin rytmin viittauksella, mikä muuttaa tavanomaista työnkulkua huomattavasti.

Noin 2K - tärkeä varoitus

Mainostettu 2K ei tule putkilinjan avoimesta osasta. Regenerate-2K-niminen erillinen moduuli hoitaa resoluution lisäämisen, eikä MiniMax julkaissut sitä: virallinen reitti 2K:hen on lähettää paikallinen 768p-tulos takaisin yrityksen pilvisovellusliittymään. Context-IR, moduuli, joka jäsentää monimutkaisia ​​kehotteiden ja viitteiden yhdistelmiä, ei myöskään ole auki. Joten "kaiken ajaminen paikallisesti" tarkoittaa tällä hetkellä "perussukupolven suorittamista".

Kestääkö tavallinen tietokone?

ComfyUI-tiimi lisäsi tuen nollapäivänä ja optimoi ajon voimakkaasti: modulaatiopainot – noin 40 % kaikista parametreista – korvattiin kompaktilla hakutaulukolla, ja int8-kvantisointi pienensi kokonaisjalanjäljen 123,6 Gt:sta 42,5 Gt:iin. Yhdistettynä dynaamiseen järjestelmän RAM-muistiin lataamiseen, tämä riittää mallin toimimiseen niin vaatimattomalla kortilla kuin RTX 3060. Yhteisö meni pidemmälle: WanGP-kokoonpanot ovat ilmestyneet korteille, joissa on 5–6 Gt VRAM-muistia, joissa käytetään aggressiivista RAM-muistin purkamista, alennettua resoluutiota ja pitkiä minuutteja per lyhyt leike. Muista, että nämä ovat yhteisön reseptejä, eivät virallisia vaatimuksia: yksityiskohdat tulevat pehmeämmiksi, ja vakaus riippuu RAM-muistin koosta ja levyn nopeudesta. Täyden laadun saavuttamiseksi kehittäjät suosittelevat huippuluokan kortteja, kuten RTX 5090.

Lisenssi: tämä ei ole avoimen lähdekoodin tavanomaisessa merkityksessä

Painot ovat avoimia, mutta niitä jaetaan yhteisön lisenssillä ehdoin. Kaupallinen käyttö on sallittu yrityksille, joiden vuotuinen liikevaihto on alle 20 miljoonaa dollaria – suuremmat yritykset tarvitsevat erillisen sopimuksen. Ja mikä tärkeintä, maantiede: lisenssi kattaa vain Yhdysvallat, Euroopan unionin, Yhdistyneen kuningaskunnan ja Etelä-Korean; muualla käyttö vaatii kirjallisen luvan MiniMaxilta. "Avoimet painot" on tarkka termi, ei "täysin avoimen lähdekoodin".

Kuka todella tarvitsee paikallista juoksua

Itseisännöidyssä ilmentymässä on järkeä, kun yksityisyydellä, korkean sukupolven äänenvoimakkuudella tai omien tietojen hienosäädöllä on merkitystä – juuri sen, mitä avoimet painot mahdollistavat. Jos haluat vain laadukkaan leikkeen nopeasti, ilman GPU-farmia tai ympäristön vaivaa, pilvi on helpompaa:NeuralSpace-videoosioleikkeet vievät muutaman napsautuksen, ja käsittelimme, mitä H3 itse voi tehdäerillinen arvostelu.

FAQ

Mitä GPU:ta MiniMax H3 tarvitsee?

Mukavaa työskentelyä varten huippuluokan kortit, joissa on runsaasti muistia. Käytännössä ihmiset käyttävät perussukupolvea jopa 6 Gt:n VRAM-muistilla ComfyUI:n ja WanGP:n kautta, kaupan tarkkuus ja nopeus: lyhyt leike voi kestää 10–15 minuuttia.

Voinko käyttää H3:a kaupallisesti?

Kyllä, jos yrityksesi vuositulot ovat alle 20 miljoonaa dollaria – se on yhteisön lisenssiehto. Suuremmat organisaatiot tarvitsevat erillisen sopimuksen MiniMaxin kanssa.

Miksi H3 ei ole täysin avoimen lähdekoodin?

Vain putkilinjan perusosa on auki: 2K-skaalaus- ja monimutkaisten viitteiden jäsennysmoduulit pysyvät suljettuina, ja lisenssi rajoittaa kaupallista käyttöä ja alueita.