通用视频模型MiniMax H3开源：支持多模态上下文、2K分辨率

8月3日，MiniMax正式开源新一代通用视频模型 MiniMax H3。据介绍，MiniMax H3是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文，并可生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。得益于以任务泛化为导向的系统设计，H3在预训练阶段便已具备广泛的多模态上下文理解与生成能力，因此能够出色地遵循复杂的多模态指令。

据官方介绍，H3输出时长4–15秒，支持多种宽高比，包括但不限于21:9、16:9、4:3、1:1、3:4和9:16，支持多种分辨率尺寸，默认将较短边设置为768像素。使用H3-Regenerate-2K可实现2K分辨率生成。

此外，稳定支持 11 种语言：阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语。对于其他语言，也提供不同程度的支持。