MiniMax 发布全能多模态生成模型 H3，支持 2K 原生立体声视频

OmniTools 7月31日消息，MiniMax 正式推出全能多模态生成模型 H3，支持文本、图像、视频与音频的联合理解与生成。该模型可生成最高 2K 分辨率、时长 15 秒且带原生立体声的视频。

H3 在指令跟随能力、文字与品牌元素呈现、视频到视频（V2V）动作迁移等任务上表现突出。在定价方面，2K 分辨率下每秒生成成本低于主流模型约三分之一，768p 分辨率下则低于主流 720p 模型约一半。

MiniMax 表示将尽快开源 H3 模型权重，以推动开源社区发展并提升硬件适配效率。