MiniMax H3: cosa può effettivamente fare il nuovo modello video AI

Esiste un modo semplice per esporre un modello video AI: chiedere il movimento, non un bel ritratto. Torcere il tessuto in aria, inviare una telecamera intorno a un oggetto, far schiantare l'acqua su una roccia: i deboli generatori inizieranno a sciogliere i bordi in un secondo. MiniMax H3 è interessante perché il suo tono è un movimento coerente, non un fotogramma fotogenico.

Abbiamo guardato la recensione pratica completa dietro il lancio e confrontato le sue affermazioni tecniche con la documentazione di MiniMax. Ecco la parte utile, meno il rumore del “cinema è morto”.

Più di un suggerimento e di una foto

H3 comprende testo, immagini, video e audio all'interno di una richiesta. Puoi generare dal testo, animare un primo fotogramma, bloccare sia il fotogramma di apertura che quello finale o creare una clip dai riferimenti. Un riferimento può contenere un personaggio, un movimento, un percorso della telecamera, uno stile visivo, una voce o un ritmo di montaggio.

Questo cambia il lavoro. Invece di scrivere un paragrafo che dice "la telecamera si muove in questo modo e il personaggio appare così", puoi mostrare un breve filmato e un'immagine di stile separata. C'è meno da fraintendere per il modello.

I limiti ufficiali sono generosi: fino a 9 immagini di riferimento, 3 clip video e 3 clip audio, con 12 file misti in totale. Il video e l'audio di riferimento possono durare fino a 15 secondi ciascuno. I suggerimenti possono raggiungere i 7.000 caratteri, molto più di quanto normalmente richiede una breve ripresa sensata.

Sì, dice 2K. Leggi le scritte in piccolo

L'output è 768p o 2K e le clip durano da 4 a 15 secondi interi. Sono supportati i rapporti d'aspetto comuni e una modalità adattiva. Quindici secondi sono sufficienti per un annuncio social compatto: rivela l'oggetto, esegui un'azione, mostra una reazione, approda allo scatto finale.

Ma la risoluzione non è qualità. MiniMax documenta anche un percorso di rigenerazione separato: una volta che un risultato a 768p ha il movimento giusto, può essere ricostruito a 2K utilizzando gli input originali e la clip di base. Questo è il flusso di lavoro sensato. Trova prima la ripresa; spendere per la risoluzione in secondo luogo.

Dove H3 sembra più forte

I migliori esempi della recensione riguardano movimenti veloci della telecamera, liquidi, tessuti e illuminazione che devono rimanere coerenti mentre la scena cambia. I riferimenti audio sono la vittoria meno ovvia. Possono guidare una voce o un ritmo musicale accanto al materiale visivo.

Immagina un prodotto ripreso con un'immagine fissa, un riferimento al movimento della telecamera di sei secondi e un breve accento sonoro. L'immagine fissa il prodotto, il video fornisce l'orbita e l'audio stabilisce il ritmo. Questo è molto più preciso di “creare uno spot pubblicitario premium”.

La cattura

La coerenza dei personaggi è migliore, ma non è garantita. Aggiungi diversi oggetti che si scontrano, si occludono a vicenda e ritornano nell'inquadratura, e potrebbero ancora apparire dettagli vaganti o salti di forma. Successivamente è necessario aggiungere piccoli caratteri leggibili in un editor.

E questi sono brevi clip, non film finiti di tre minuti. Una storia più lunga necessita ancora di un elenco delle riprese, di riferimenti stabili e di una modifica. Resta il vero lavoro. H3 rende principalmente più veloce la fase di ripresa grezza.

Un primo spunto che ti insegnerà qualcosa

Salta la pila di aggettivi. Specifica soggetto, azione, telecamera e luce: "Una bottiglia di vetro poggia su una pietra nera bagnata. Dietro di essa si infrange un'onda; la telecamera compie un lento arco da destra a sinistra; la luce fredda del mattino; termina con un primo piano". Allega un riferimento al movimento quando il percorso della telecamera è importante. Aggiungi diverse angolazioni quando l'identità conta.

Per testare l'idea con il tuo materiale, apriGenerazione di video AI in NeuralSpace. Hai bisogno prima di un telaio di partenza pulito? Costruiscilo nelgeneratore di immagini. Inizia con cinque o sei secondi a 768p. Il cattivo costa meno; uno bravo guadagna il passaggio 2K.