MiniMax H3

7月31日，MiniMax发布全模态生成模型H3。这东西能同时理解文本、图像、视频、声音，然后输出带原生双声道、最高15秒的2K视频。

翻译成人话：你用一句话加一张图加一段音频，它能给你剪出一条带音效的视频。不是PPT转场那种，是正经的后期级输出。

关键是价格。2K分辨率下每秒不到主流模型的1/3，768P下不到一半。而且MiniMax说了，过几天直接开源模型权重。

这事为什么值得说？

过去两年，视频生成这块基本被闭源模型垄断。Sora、Runway、Pika轮番登场，小公司根本摸不到门槛。现在MiniMax放出H3，一手低价一手开源，直接把牌桌掀了。

H3的几个能力很有意思。它能精准渲染文字——歌词做MV不会糊成马赛克；能做视频到视频的动作迁移——拍一段人物动作直接套到动画角色上；还支持多素材混合——希区柯克式运镜加你上传的图片加指定的背景音乐，它全吃进去，吐出一条完整的片子。

游戏UI、电商广告、电影片头，这些场景以前养着一个后期团队，现在可能一个人加H3就能搞定。

开源这一步更狠。国产芯片已经预适配好了，打的就是"你不卖我卡，我用自家芯片也能跑"的牌。

一句话总结：视频生成不再是巨头游戏。MiniMax用H3证明，开源+低价能打穿闭源的高墙。

这东西真的会改变很多人的工作方式。