MiniMax H3: čo vlastne dokáže nový model videa AI

Existuje jednoduchý spôsob, ako odhaliť model videa AI: požiadajte o pohyb, nie o pekný portrét. Otočte látku vo vzduchu, pošlite kameru okolo objektu, narazte vodu do kameňa – a slabé generátory začnú v sekunde roztápať okraje. MiniMax H3 je zaujímavý, pretože jeho rozstup je koherentný pohyb, nie jeden fotogenický rám.

Sledovali sme úplnú praktickú recenziu uvedenia na trh a skontrolovali sme jeho technické tvrdenia v porovnaní s dokumentáciou MiniMax. Tu je užitočná časť bez hluku „kino je mŕtve“.

Viac ako výzva a jeden obrázok

H3 rozumie textu, obrázkom, videu a zvuku v rámci jednej požiadavky. Môžete generovať z textu, animovať prvú snímku, uzamknúť otváraciu aj koncovú snímku alebo zostaviť klip z referencií. Referencia môže niesť postavu, pohyb, dráhu kamery, vizuálny štýl, hlas alebo rytmus úpravy.

To mení prácu. Namiesto písania odseku, ktorý hovorí „kamera sa pohybuje takto a postava vyzerá takto“, môžete zobraziť krátky pohybový klip a samostatný obrázok štýlu. Je toho menej na to, aby si model zle prečítal.

Oficiálne limity sú veľkorysé: až 9 referenčných obrázkov, 3 videoklipy a 3 zvukové klipy, spolu s 12 zmiešanými súbormi. Referenčné video a zvuk môžu mať dĺžku až 15 sekúnd. Výzvy môžu dosiahnuť 7 000 znakov – oveľa viac, ako rozumný krátky záber bežne potrebuje.

Áno, hovorí sa o 2K. Prečítajte si malé písmo

Výstup je 768p alebo 2K a klipy trvajú od 4 do 15 celých sekúnd. Podporované sú bežné pomery strán a adaptívny režim. Na kompaktnú sociálnu reklamu stačí pätnásť sekúnd: odhaľte objekt, vykonajte jednu akciu, ukážte reakciu, pristaňte na konečnom zábere.

Ale rozlíšenie nie je kvalita. MiniMax tiež dokumentuje samostatnú cestu regenerácie: akonáhle má výsledok 768p správny pohyb, môže byť prestavaný na 2K pomocou pôvodných vstupov a základného klipu. To je rozumný pracovný postup. Najprv nájdite záber; minúť na rozlíšenie druhý.

Kde H3 vyzerá najsilnejšie

Najlepšie príklady recenzie zahŕňajú rýchle pohyby fotoaparátu, tekutiny, látky a osvetlenie, ktoré musia zostať konzistentné, kým sa scéna zmení. Audio referencie sú tou menej zjavnou výhrou. Môžu viesť hlasový alebo hudobný rytmus popri vizuálnom materiáli.

Predstavte si produkt nasnímaný s jedným statickým obrázkom, šesťsekundovou referenciou pohybu kamery a krátkym zvukovým akcentom. Statické zariadenie ukotvuje produkt, video dodáva obežnú dráhu a zvuk udáva rytmus. To je oveľa presnejšie ako „urobiť prémiovú reklamu“.

Úlovok

Konzistencia znakov je lepšia, nie je zaručená. Pridajte niekoľko objektov, ktoré sa zrazia, navzájom sa uzatvoria a vrátia sa do rámčeka, a stále sa môžu objavovať zablúdené detaily alebo skoky v tvare. Drobné čitateľné písmo by malo byť pridané v editore neskôr.

A to sú krátke klipy, nie hotové trojminútové filmy. Dlhší príbeh ešte potrebuje zoznam záberov, stabilné referencie a úpravu. Skutočná práca zostáva. H3 hlavne urýchľuje surový záber.

Prvá výzva, ktorá vás niečo naučí

Preskočte hromadu prídavných mien. Uveďte predmet, akciu, kameru a svetlo: „Sklenená fľaša stojí na mokrom čiernom kameni. Za ňou udrie vlna; kamera sa pomaly krúti sprava doľava; chladné ranné svetlo; dokončite zblízka.“ Keď na dráhe kamery záleží, pripojte referenciu pohybu. Pridajte niekoľko uhlov, keď na identite záleží.

Ak chcete nápad otestovať pomocou vlastného materiálu, otvorteGenerovanie AI videa v NeuralSpace. Potrebujete najprv čistý štartovací rám? Postavte ho vgenerátor obrázkov. Začnite s piatimi alebo šiestimi sekundami pri 768p. Zlé stojí menej; dobrý získa 2K pas.