MiniMax H3 : ce que le nouveau modèle vidéo AI peut réellement faire
Il existe un moyen simple d’exposer un modèle vidéo IA : demandez du mouvement, pas un joli portrait. Tordez du tissu dans les airs, envoyez une caméra autour d'un objet, écrasez de l'eau sur un rocher et les générateurs faibles commencent à faire fondre les bords en une seconde. Le MiniMax H3 est intéressant car son pitch est un mouvement cohérent et non un cadre photogénique.
Nous avons regardé l’examen pratique complet derrière le lancement et vérifié ses affirmations techniques par rapport à la documentation de MiniMax. Voici la partie utile, moins le bruit « le cinéma est mort ».
Plus qu'une invite et une image
H3 comprend le texte, les images, la vidéo et l'audio dans une seule requête. Vous pouvez générer à partir de texte, animer une première image, verrouiller les images d'ouverture et de fin ou créer un clip à partir de références. Une référence peut porter un personnage, un mouvement, un chemin de caméra, un style visuel, une voix ou un rythme de montage.
Cela change le métier. Au lieu d'écrire un paragraphe disant « la caméra bouge comme ceci et le personnage ressemble à cela », vous pouvez afficher un court clip animé et une image de style distincte. Il y a moins de risques pour le modèle de mal interpréter.
Les limites officielles sont généreuses : jusqu'à 9 images de référence, 3 clips vidéo et 3 clips audio, avec 12 fichiers mixés au total. La vidéo et l'audio de référence peuvent chacun ajouter jusqu'à 15 secondes. Les invites peuvent atteindre 7 000 caractères, soit bien plus que ce dont un court plan raisonnable a normalement besoin.
Oui, c'est écrit 2K. Lisez les petits caractères
La sortie est 768p ou 2K et les clips durent de 4 à 15 secondes entières. Les formats d'image courants et un mode adaptatif sont pris en charge. Quinze secondes suffisent pour une publicité sociale compacte : révéler l'objet, réaliser une action, montrer une réaction, atterrir sur le plan final.
Mais la résolution n’est pas la qualité. MiniMax documente également un chemin de régénération distinct : une fois qu'un résultat 768p a le bon mouvement, il peut être reconstruit en 2K en utilisant les entrées et le clip de base d'origine. C'est le flux de travail raisonnable. Trouvez d'abord la prise ; passer en résolution seconde.
Où H3 semble le plus fort
Les meilleurs exemples de la revue impliquent des mouvements rapides de caméra, du liquide, du tissu et un éclairage qui doivent rester cohérents pendant que la scène change. Les références audio sont la victoire la moins évidente. Ils peuvent guider une voix ou un rythme musical aux côtés du matériel visuel.
Imaginez un produit photographié avec une image fixe, une référence de mouvement de caméra de six secondes et un bref accent sonore. L'image fixe le produit, la vidéo fournit l'orbite et l'audio donne le rythme. C’est beaucoup plus précis que « faire une publicité premium ».
Le piège
La cohérence des personnages est meilleure, mais non garantie. Ajoutez plusieurs objets qui entrent en collision, s'occultent les uns les autres et reviennent au cadre, et des détails parasites ou des sauts de forme peuvent toujours apparaître. De minuscules lettres lisibles doivent ensuite être ajoutées dans un éditeur.
Et ce sont des clips courts, pas des films finis de trois minutes. Une histoire plus longue a encore besoin d'une liste de plans, de références stables et d'un montage. Il reste un vrai travail. H3 rend principalement l’étape de tir brut plus rapide.
Une première invite qui vous apprendra quelque chose
Évitez la pile d'adjectifs. Précisez le sujet, l'action, la caméra et la lumière : "Une bouteille en verre se dresse sur une pierre noire et humide. Une vague frappe derrière elle ; la caméra s'incline lentement de droite à gauche ; lumière froide du matin ; terminez par un gros plan." Attachez une référence de mouvement lorsque la trajectoire de la caméra est importante. Ajoutez plusieurs angles lorsque l’identité compte.
Pour tester l'idée avec votre propre matériel, ouvrezGénération de vidéo IA dans NeuralSpace. Besoin d’abord d’un cadre de départ propre ? Construisez-le dans legénérateur d'images. Commencez par cinq ou six secondes à 768p. Les mauvaises prises coûtent moins cher ; un bon gagne le pass 2K.