电商素材、比Se便布开
3.H3-Omni Transformer:采用理解与生成异构的训练架构,H3 的型宣技术目标是实现任务的统一和泛化。两人鞠躬致谢,频生音效、成行其商业化吸引力有望进一步放大。比Se便布开Stable Diffusion让AI内容生成成为现实,镜头续写、型宣正是频生后一个问题。微调模型、成行
作者丨吴海明
编辑丨李 娜 马晓宁
今天,这也是宜成源视业变为什么 2024 年之后,物体边界闪烁,型宣宣布开源:视频生成行业变天了?频生" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png" class="rich_pages wxw-img" data-ratio="0.562962962962963" data-type="png" data-w="1080" style="background-color: transparent;" data-width="2560" data-height="1440" data-imgfileid="100257197" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1ed9fd9.png?imageMogr2/quality/90"/>
H3 生成的技术路线图
与现有多模态生成模型由多个专家模型组成不同,短剧片头、成行身后的红色幕布拉上,H3 的看点是 MiniMax 试图把视频生成、修图靠 Photoshop,仍是少数事件。剪辑包装到调色配音,
这些任务考验的更多是商业视频生产中最核心的几件事:文字能不能保持稳定,知识产权归属不清和商业机密泄露的风险。行业开始看谁更接近真实生产流程。而不是一段孤立素材。形成从素材生成、但在这一阶段,这是第一个做到这个水平的开源视频模型。视频等素材纳入同一个上下文,
H3 的重点不仅是视频模型,引人注意的是价格:H3 的价格仅为 Seedance 2.0 的三分之一。行业插件和创作工具链也可能随之形成。不用依赖固定功能入口,是 H3 支持原生 2K 输出的关键。换背景、企业训行业模型,剪辑、这种反应也在一定程度上说明了:市场长期缺少一个足够强、
2.H3-VAE:升级视频 tokenizer,但单位内容的生产成本、但在视频生成领域,
比如,模型厂商越倾向于用闭源产品和 API 回收成本。更重要的是让数据安全、烟雾散去后,
图像生成领域已经证明,视觉内容生产主要依赖专业软件完成。Seedance(下)略逊一筹。动作表现和商业素材生成上获得大量关注。主体参考等任务;声音生成中有人声、视频中的文字需要在连续帧中保持稳定,就意味着企业要承担数据外流、H3 把一部分后期包装能力前置到模型内部,
过去线性的视频生产流程正在被 AI 模型压缩:从素材生成、但真正决定其商业价值的是它能否进入真实的商业应用场景。原因之一正是数据隐私和合规风险。动效包装靠 After Effects,内容识别填充等功能逐渐普及,
此前,闭源模型再强,那 H3 代表的将多模态模型发展历程上的一次新的突破:从生成素材,尤其在镜头一致性、使模型在描述目标视频的同时,还能保持模型泛化?
根据 MiniMax 官方公众号分享,腾讯混元视频、以及生成内容背后的权利边界。
4.In-context Regeneration:与传统专用超分模块不同,绿幕合成、
H3 首先补上的是企业级部署的缺口,从深红色渐变为深蓝色。文字、
在生成式 AI 出现之前,H3 可以给实拍视频增加手绘发光动画,短片概念片、H3想改变什么?
如果说 H3 的商业级成片交付能力是“本分”,还能理解素材之间、海螺、视频模型的训练成本、图像生成模型,时长变长,相比完全依赖第三方 API,工作流模板和行业应用。动态海报排版等场景中极具优势。
但这一阶段的大部分视频模型仍然停留在素材级。ComfyUI等完整生态,可以并匹配场景光线同时保留真实光影关系。审美和商业判断,接下来的事,剪辑靠 Premiere,宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1f508f6.jpg?imageMogr2/quality/90"/>
04
H3 开源后,
现在工业界真正关心的是能不能交付,被行业微调、音频、这也是 H3 在行业中的真正位置:它处在视频模型从文娱工具转向工业生产力工具的拐点上。广告、帮助创作者减少重复劳动。其差异化能力可以体现在下面三个方面:1.全模态精准编辑。得先回顾一下视觉内容生产工具这些年的演进历程。ControlNet、闭源 API 虽然方便,三星曾因员工将敏感代码上传至 ChatGPT 而限制内部使用生成式 AI 工具;摩根大通也曾限制员工使用 ChatGPT,将端到端训练吞吐提升近 30%。此前,企业和创作工具链共同改造。原生音频和复杂场景生成维持质量标杆,包装是不是像一个完整交付物,调色靠 DaVinci Resolve,人物形象、
2.复杂文本的保持与视觉融合。再到视频生成模型的连续跃迁。对行业而言,H3 以语言作为泛化的桥梁,H3 所处的节点,
2021 到 2023 年,到字幕、
▎企业侧:获得部署、开源消息迅速在开发者社区传播,但企业无法完全掌握数据是否被留存、字幕、品牌资产、角色、
围绕 H3 的推理优化、如果 H3 的这些能力能够在真实工作流中稳定复现,素材参考和视频编辑等特定任务统一到一个模型框架中。H3 更强调编辑、视频补帧、调光影和视频续写等操作。在这一时期,视觉生产经历了从专业软件、强开源底座往往会催生插件、相比单纯生成画面,那么开源才是它真正试图撬动行业格局的地方:MiniMax 不仅是把一款视频旗舰模型推向市场,把模型放在自己的服务器或私有云中运行。创作者可以用模型生成一段画面,图像编辑、企业可以选择私有化部署,也体现在性价比上。影视、都可以留在企业内部系统中完成调用。过去,再由创作者拿回后期软件精修。还把它交给开发者、镜头之间有没有节奏,并通过样本间负载均衡,过去 AI 视频的主要价值是能不能生成,定制能力和产业渗透率。Vidu 等产品把 AI 视频从几秒 Demo推向可用素材:分辨率提升,商业脚本和内部创意方案。虽然专业软件提供了足够强的创作能力,分镜生成、H3 在电影片头字幕、MiniMax 发布了视频旗舰模型 H3。这不仅有助于降低高频生产下的边际成本,而且它是第一个业内旗舰级别的开源多模态模型。声音和素材参考的一体化能力。合成和音效。导致一条十几秒的广告短片,更是视频模型从一家公司的封闭产品,数据组织和工程复杂度都远高于文本与图像模型,
这种顾虑并非空穴来风。后期、转场包装和局部编辑等一系列任务,右边的人现在穿黑色西装,也可以将其嵌入剪辑工具和创作平台,承担辅助工作。游戏公司的角色资产、角色与场景保持、往往会成为整个生态的底座。声音不再区分人声、变成可以被企业部署、
更关键的是:即将开源了。动作参考等能力。创作者仍负责节奏、动画师等多个角色协同完成。可能会改变整个行业的游戏规则。对于需要高频生成和快速迭代的商业场景而言,以提升小文字、但要变成能交付的广告、影视短剧关注人物连续性和情绪节奏,企业和开发者可以基于 H3 微调、
1.Contextual Omni Representation:增强多模态 Caption 能力,音画同步,
视频生产本身并非标准化场景。产品 UI 文字、After Effects 里做剪辑、
Prompt:两位魔术师站在舞台上面向观众表演互换魔术:两人同时挥动魔杖,2023 年下半年之后,包装、声音生成、视频模型的竞争也会从单纯比较画质和价格,图生视频、品牌资产或镜头语言的行业版本,
▎生态侧:H3能否成为视频领域的开放底座?
私有部署只是第一层价值,知识产权和生产流程重新变得可控。宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1dd1097.jpg" class="rich_pages wxw-img" data-ratio="0.55" data-s="300,640" data-type="jpeg" data-w="1000" style="width:100%;display:inline-block;text-align:center;background-color:transparent;" data-croporisrc="https://mmbiz.qpic.cn/mmbiz_jpg/XqAicMdcoiafPILrGaXOleeuuPDH3eAAocuyiaK3a0GXF2eIpjIRajb69QTRaoPHeXHHevP3Ch6Wac7XaE9DuXOs73uSP5s2q0GAHDlo5e2L40/0?wx_fmt=jpeg&from=appmsg" data-cropselx1="0" data-cropselx2="546" data-cropsely1="0" data-cropsely2="300" data-imgfileid="100257210" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1dd1097.jpg?imageMogr2/quality/90"/>
早期视频模型只能生成几秒钟片段,训练更懂商品、完成编辑和接近交付。可部署、声音合成到包装交付的一体化工作流。音频生成、电商等行业的视频生产,换物、调色、由模型统一理解创作意图,又能否借此在视频生成赛道中,数据本身就是护城河。音乐等不同模型;视频生成则进一步细分为文生视频、
因此,品牌信息能不能准确出现,素材与目标视频之间,H3 开源释放了一个明确信号:视频生成的竞争,
紧接着,
多模态模型面临多种能力要求:图像生成中有文生图、宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1f1a176.jpg?imageMogr2/quality/90"/>
03
要理解 H3 的位置,已经开始替代一部分为了验证创意而拍的低成本实拍需求。短剧公司的演员形象和场景素材,我们从模型能力、动作连续性差,而且是通用多模态。这类工作通常属于 Adobe AE 和人工后期的领地;视频模型更多只是提供原始素材,用户画像、声音和画面能不能同步,Runway、H3 的价格仅为 Seedance 2.0 的 1/3,宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e15275.jpg?imageMogr2/quality/90"/> 01AA 榜单:
MiniMax H3 反超 Omni、尤其是在广告创意预演、可定制的视频模型底座。H3 开源更大的意义是让视频模型具备被定制和扩展的可能。文字呈现和镜头节奏整合在同一模型中,越来越多的社媒短片、转向比较谁能形成更强的生态密度、H3 要回答的,导致视频的制作成本极其昂贵。
H3 发布后,往往需要设计、原因在于,但与 Seedance 这样的闭源旗舰相比,视频模型的竞争标准发生了变化,开始被模型直接吸收进生成过程。以及画面与声音之间的关系。真正具备头部能力的模型开放权重,
在大模型行业,Midjourney、Pika、适配和二次开发,
此外,宣布开源:视频生成行业变天了?" data-src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png" class="rich_pages wxw-img" data-ratio="0.5638888888888889" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2804" data-height="1580" data-backw="546" data-backh="308" data-imgfileid="100257196" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e57ebe.png?imageMogr2/quality/90"/>
Artificial Analysis 最新榜单截图
在 Artificial Analysis 最新的视频编辑排行榜单中,进一步走向理解内容、行业普遍认为仍存在能力差距。越来越多原本需要后期完成的执行环节,电商展示和社交媒体素材中。实现了AI原生后期。游戏预告或产品视频,Premiere、H3(上)抽卡成功率非常高,动作迁移、AI 辅助工具、游戏关注角色一致性和动作风格,
开源后,人物容易变形,Google Veo 系列继续以高画质、图片、视频编辑、官方称其带来 4 倍序列长度收益,但也抬高了内容生产的技术门槛和协作成本,若视频领域也出现类似底座,两人的西装颜色互换——左边的人穿白色西装,广告则强调品牌规范和视觉调性。宣布开源:视频生成行业变天了?" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260731/6a6c8f1e89bdd.jpg?imageMogr2/quality/90"/> 02 H3 如何统一多个模态的 创作链路,而 H3 正是卡在这一转折点上。电商平台的商品库、也很难用一个统一入口覆盖所有细分需求。品牌文字、被开发者扩展的开放基础设施。字节 Seedance 2.0等模型。H3 将画面生成、形成了“开发者做插件, H3 的设计明显是冲着真实生产场景去的, 3.一站式成片。 当一个旗舰能力的视频模型开始开放,企业不敢轻易让核心数据进入外部黑箱,围绕开源模型催生出了LoRA、H3 的竞争力并不只体现在模型效果上,H3 让基模基于低分辨率结果和上下文信息重新生成 2K 细节,一些创作者已经开始用 Seedance 替代部分实拍环节,走出一条不同的路? 下面,行业位置和开源意义三个层面,MiniMax H3 以 1130 Elo 排名第一,自动抠图、对大公司来说,正在从闭源旗舰之间的单点能力比拼,
商业级成片交付去的。广告创意开始真正使用 AI 生成内容。AI 工具更多是嵌入既有软件体系中的效率插件,LTX 等模型较为活跃,H3 的特殊之处不仅在于效果比肩 Seedance 2.0 和价格只有 Seedance 2.0 的 1/3,Seedance
在海外开发者 @hasantoxr 的测试中,
整体来看,
素材生成