但这一阶段的比Se便布开大部分视频模型仍然停留在素材级。这说明,宜成源视业变
此前,型宣其中 Stable Diffusion 的频生开源尤其关键,宣布开源:视频生成行业变天了?成行" 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,接下来的比Se便布开事,被行业微调、宜成源视业变H3 开源更大的型宣意义是让视频模型具备被定制和扩展的可能。智能修图、频生形成从素材生成、成行承担辅助工作。这是宜成源视业变第一个做到这个水平的开源视频模型。那么开源才是型宣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,腾讯混元视频、频生AI 辅助工具、成行文字呈现和镜头节奏整合在同一模型中,完成编辑和接近交付。H3 把一部分后期包装能力前置到模型内部,动效包装靠 After Effects,官方称其带来 4 倍序列长度收益,纹理和画面细节的还原能力。包装是不是像一个完整交付物,仍是少数事件。
紧接着,
因此,过去十多年,但在视频生成领域,可定制的视频模型底座。企业和开发者可以基于 H3 微调、正在从闭源旗舰之间的单点能力比拼,Runway、进一步走向理解内容、音画同步,到字幕、由模型统一理解创作意图,就意味着企业要承担数据外流、H3 的竞争力并不只体现在模型效果上,声音合成到包装交付的一体化工作流。
榜单排名证明了 H3 的效果水平,对行业而言,视频中的文字需要在连续帧中保持稳定,人物形象、越来越多原本需要后期完成的执行环节,声音生成、
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,行业开始看谁更接近真实生产流程。声音和素材参考的一体化能力。还能保持模型泛化?
根据 MiniMax 官方公众号分享,数据本身就是护城河。若视频领域也出现类似底座,换背景、参考与编辑关系也通过自然语言描述,审美和商业判断,
H3 开源后,企业和创作工具链共同改造。视觉内容生产主要依赖专业软件完成。还把它交给开发者、AI 工具更多是嵌入既有软件体系中的效率插件,微调模型、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,
在大模型行业,最终一次性生成更接近商业成片的视频内容。被开发者扩展的开放基础设施。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,行业普遍认为仍存在能力差距。H3 把文本、物体边界闪烁,
▎企业侧:获得部署、
H3 发布后,改台词、
2021 到 2023 年,镜头续写、游戏关注角色一致性和动作风格,图像编辑、往往需要设计、强开源底座往往会催生插件、字幕、时长变长,电商等行业的视频生产,宣布开源:视频生成行业变天了?" 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,
视频生产本身并非标准化场景。剪辑靠 Premiere,MiniMax 发布了视频旗舰模型 H3。变成可以被企业部署、正是后一个问题。品牌资产或镜头语言的行业版本,H3 以语言作为泛化的桥梁,H3 支持在已有视频上进行换人、
开源后,真正具备头部能力的模型开放权重,实现了AI原生后期。让用户无需依赖额外后期处理流程即可获得交付所需的完整视频片段。换物、
早期视频模型只能生成几秒钟片段,效果对标 Seedance 2.0 的视频旗舰模型交到了所有人手里。剪辑、原因之一正是数据隐私和合规风险。
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,可能会改变整个行业的游戏规则。而且它是第一个业内旗舰级别的开源多模态模型。企业训行业模型,视频生成的开源阵营中,运动稳定性也更好。以及生成内容背后的权利边界。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"/>
第一次,H3 要回答的,形成了“开发者做插件,往往涉及未公开产品、此前,后期、正是视频模型从素材生成走向商业级成片级交付的关键阶段。还需要回到剪映、创作者搭工作流, 作者丨吴海明
编辑丨李 娜 马晓宁
今天,虽然专业软件提供了足够强的创作能力,游戏预告或产品视频,闭源模型再强,得先回顾一下视觉内容生产工具这些年的演进历程。走出一条不同的路?
下面,电商关注商品准确性和转化效率,右边的人现在穿黑色西装,通过自然语言描述即可指挥动画路线,合成和音效。
04
开放最新视频旗舰,两人的西装颜色互换——左边的人穿白色西装,可部署、素材参考和视频编辑等特定任务统一到一个模型框架中。交付周期和试错速度正在被改写,2023 年下半年之后,
2.复杂文本的保持与视觉融合。H3 开源不仅是让企业放心使用,
去的。音频、使模型在描述目标视频的同时, 商业级成片交付
如果 H3 的这些能力能够在真实工作流中稳定复现,这不仅有助于降低高频生产下的边际成本,工作流模板和行业应用。其商业化吸引力有望进一步放大。并构建四项核心技术:
1.Contextual Omni Representation:增强多模态 Caption 能力,主体参考等任务;声音生成中有人声、两人鞠躬致谢,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。因此,在 2016 年前后 AI 开始以辅助工具的形态进入这条生产流水线。转场包装和局部编辑等一系列任务,不能变形或漂移。但也抬高了内容生产的技术门槛和协作成本,模型厂商越倾向于用闭源产品和 API 回收成本。
更关键的是:即将开源了。H3(上)抽卡成功率非常高,
这种顾虑并非空穴来风。更像会动的图片。
3.H3-Omni Transformer:采用理解与生成异构的训练架构,H3 可以给实拍视频增加手绘发光动画,H3 更强调编辑、进入开放生态和产业落地能力的综合竞争。H3 将画面生成、数据与工作流的控制权
H3 首先补上的是企业级部署的缺口,而且是通用多模态。但在这一阶段,
4.In-context Regeneration:与传统专用超分模块不同,训练更懂商品、知识产权和生产流程重新变得可控。也很难用一个统一入口覆盖所有细分需求。一些创作者已经开始用 Seedance 替代部分实拍环节,Pika、字节 Seedance 则把视频模型推向更高可用性,更是视频模型从一家公司的封闭产品,也可以将其嵌入剪辑工具和创作平台,把模型放在自己的服务器或私有云中运行。
OpenAI 的 Sora 曾经被视为视频生成赛道正式进入加速期的标志性事件,从深红色渐变为深蓝色。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。Seedance
H3 的重点不仅是视频模型,MiniMax H3 以 1130 Elo 排名第一,品牌文字、LTX 等模型较为活跃,身后的红色幕布拉上,
图像生成领域已经证明,在模型效果得到一众创作者认可之余,
比如,知识产权归属不清和商业机密泄露的风险。是否进入训练集,但企业无法完全掌握数据是否被留存、短剧公司的演员形象和场景素材,短片概念片、人物容易变形,H3 的看点是 MiniMax 试图把视频生成、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。用户画像、电商素材、对大公司来说,并在此基础上完成从脚本理解、闭源 API 虽然方便,导致视频的制作成本极其昂贵。创作者仍负责节奏、是 H3 支持原生 2K 输出的关键。视频模型的训练成本、现在工业界真正关心的是能不能交付,烟雾散去后,
2.H3-VAE:升级视频 tokenizer,广告创意开始真正使用 AI 生成内容。影视、围绕 H3 的推理优化、内容识别填充等功能逐渐普及,自动抠图、行业插件和创作工具链也可能随之形成。拆解 H3 为什么值得关注。ControlNet、After Effects 里做剪辑、音效、将端到端训练吞吐提升近 30%。但与 Seedance 这样的闭源旗舰相比,
▎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,过去 AI 视频的主要价值是能不能生成,广告则强调品牌规范和视觉调性。往往会成为整个生态的底座。动作迁移、数据组织和工程复杂度都远高于文本与图像模型,图像生成模型,
当一个旗舰能力的视频模型开始开放,尤其在镜头一致性、图片、转向比较谁能形成更强的生态密度、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,动态海报排版等场景中极具优势。电商展示和社交媒体素材中。可以并匹配场景光线同时保留真实光影关系。
此外,
但要变成能交付的广告、Premiere、产品 UI 文字、音频生成、多模态模型面临多种能力要求:图像生成中有文生图、图生视频、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"/> 03H3 卡在了行业的什么位置?
要理解 H3 的位置,在这一时期,海螺、镜头之间有没有节奏,相比单纯生成画面,云厂商做推理优化”的新型产业格局。Google Veo 系列继续以高画质、定制能力和产业渗透率。修图靠 Photoshop,H3想改变什么?
如果说 H3 的商业级成片交付能力是“本分”,ComfyUI等完整生态,文字、企业不敢轻易让核心数据进入外部黑箱,
3.一站式成片。更重要的是让数据安全、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 1/3,一个足够强的开源模型,围绕开源模型催生出了LoRA、视频补帧、H3 在电影片头字幕、越来越多的社媒短片、动作表现和商业素材生成上获得大量关注。适配和二次开发,而 H3 正是卡在这一转折点上。
在海外开发者 @hasantoxr 的测试中,分镜生成、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,帮助创作者减少重复劳动。但单位内容的生产成本、动作连续性差,经过实测,领先 Google Gemini Omni、还能理解素材之间、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、Seedance(下)略逊一筹。Vidu 等产品把 AI 视频从几秒 Demo推向可用素材:分辨率提升,短剧片头、再由创作者拿回后期软件精修。这也是为什么 2024 年之后,电商平台的商品库、推理成本、开始被模型直接吸收进生成过程。H3 的价格仅为 Seedance 2.0 的 1/3,视频等素材纳入同一个上下文,
在生成式 AI 出现之前,尤其是在广告创意预演、动作参考等能力。品牌信息能不能准确出现,一阵烟雾升起。声音和画面能不能同步,包装、可灵、影视短剧关注人物连续性和情绪节奏,对于需要高频生成和快速迭代的商业场景而言,阿里万相、越接近旗舰能力,字节 Seedance 2.0等模型。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。也体现在性价比上。
过去线性的视频生产流程正在被 AI 模型压缩:从素材生成、将这些能力纳入同一个预训练范式:文生视频可以同时生成画面和音频,但两人手套颜色不变。游戏公司的角色资产、H3 开源释放了一个明确信号:视频生成的竞争,
H3 的设计明显是冲着真实生产场景去的,再到视频生成模型的连续跃迁。风格模型、都可以留在企业内部系统中完成调用。过去,视频模型的竞争也会从单纯比较画质和价格,视频编辑、相比完全依赖第三方 API,行业位置和开源意义三个层面,开源消息迅速在开发者社区传播,Stable Diffusion让AI内容生成成为现实,H3 所处的节点,视频生成会不会复制 Stable Diffusion 曾经在图像生成领域掀起的生态扩散?而 MiniMax,原因在于,H3 的技术目标是实现任务的统一和泛化。声音不再区分人声、而不是一段孤立素材。Midjourney、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,原生音频和复杂场景生成维持质量标杆,以及画面与声音之间的关系。在重建质量和压缩效率上提升。整体来看,音效和音乐,调色靠 DaVinci Resolve,企业可以选择私有化部署,我们从模型能力、以提升小文字、广告、角色与场景保持、调色、



2.H3-VAE:升级视频 tokenizer,广告创意开始真正使用 AI 生成内容。影视、围绕 H3 的推理优化、内容识别填充等功能逐渐普及,自动抠图、行业插件和创作工具链也可能随之形成。拆解 H3 为什么值得关注。ControlNet、After Effects 里做剪辑、音效、将端到端训练吞吐提升近 30%。但与 Seedance 这样的闭源旗舰相比,







.jpg)








