MiniMax H3: što novi AI video model zapravo može

Postoji jednostavan način za izlaganje AI video modela: tražite pokret, a ne lijep portret. Okrenite tkaninu u zraku, pošaljite kameru oko objekta, udarite vodu u stijenu—i slabi generatori počnu topiti rubove u roku od jedne sekunde. MiniMax H3 je zanimljiv jer je njegov korak koherentno kretanje, a ne jedan fotogenični kadar.

Gledali smo potpunu praktičnu recenziju iza lansiranja i provjerili njegove tehničke tvrdnje u MiniMaxovoj dokumentaciji. Evo korisnog dijela, bez buke "kino je mrtvo".

Više od brze poruke i jedne slike

H3 razumije tekst, slike, video i audio unutar jednog zahtjeva. Možete generirati iz teksta, animirati prvi okvir, zaključati i početni i završni okvir ili napraviti isječak iz referenci. Referenca može nositi lik, pokret, putanju kamere, vizualni stil, glas ili ritam uređivanja.

To mijenja posao. Umjesto da napišete odlomak koji kaže "kamera se kreće ovako, a lik izgleda ovako", možete prikazati kratki isječak s pokretom i zasebnu sliku u stilu. Model manje može pogrešno pročitati.

Službena ograničenja su velikodušna: do 9 referentnih slika, 3 video isječka i 3 audio isječka, s ukupno 12 miješanih datoteka. Referentni video i audio mogu dodati do 15 sekundi. Upiti mogu doseći 7000 znakova — daleko više nego što je normalno potrebno za razumnu kratku snimku.

Da, piše 2K. Pročitajte sitna slova

Izlaz je 768p ili 2K, a isječci traju od 4 do 15 cijelih sekundi. Podržani su uobičajeni omjeri slike i prilagodljivi način rada. Petnaest sekundi dovoljno je za kompaktnu društvenu reklamu: otkrijte objekt, izvršite jednu radnju, pokažite reakciju, spustite se na završni kadar.

Ali rezolucija nije kvaliteta. MiniMax također dokumentira zaseban put regeneracije: nakon što rezultat od 768p ima pravo kretanje, može se ponovno izgraditi u 2K koristeći izvorne ulaze i osnovni isječak. To je razuman tijek rada. Prvo pronađite uzimanje; potrošiti na razlučivost sekundu.

Gdje H3 izgleda najjače

Najbolji primjeri recenzije uključuju brze pokrete kamere, tekućinu, tkaninu i osvjetljenje koje mora ostati dosljedno dok se scena mijenja. Audio reference su manje očita pobjeda. Mogu voditi glas ili glazbeni ritam uz vizualni materijal.

Zamislite proizvod snimljen s jednom fotografijom, referencom pokreta kamere od šest sekundi i kratkim zvučnim naglaskom. Kazaljka usidruje proizvod, video daje orbitu, a audio postavlja ritam. To je mnogo preciznije od "napraviti vrhunsku reklamu".

Kvaka

Dosljednost znakova je bolja, nije zajamčena. Dodajte nekoliko objekata koji se sudaraju, zaklanjaju jedan drugog i vraćaju u okvir, a zalutali detalji ili skokovi u obliku i dalje se mogu pojaviti. Sitna čitljiva slova treba naknadno dodati u editoru.

I to su kratki isječci, a ne gotovi trominutni filmovi. Duža priča još uvijek treba popis snimaka, stabilne reference i edit. Pravi posao ostaje. H3 uglavnom čini fazu neobrađene snimke bržom.

Prvi upit koji će vas nečemu naučiti

Preskočite hrpu pridjeva. Odredite subjekt, radnju, kameru i svjetlo: "Staklena boca stoji na mokrom crnom kamenu. Iza nje udara val; kamera se polako skreće desno ulijevo; hladno jutarnje svjetlo; završite krupni plan." Priložite referencu kretanja kada je putanja kamere važna. Dodajte nekoliko kutova kada je identitet bitan.

Da biste isprobali ideju s vlastitim materijalom, otvoriteAI video generiranje u NeuralSpaceu. Trebate li prvo čisti početni okvir? Izgradite ga ugenerator slike. Počnite s pet ili šest sekundi pri 768p. Loše košta manje; dobar zarađuje 2K prolaz.