开源视频模型首次登顶排行

MiniMax 发布 H3 视频模型权重，首次让开源模型登上视频模型排行榜榜首。Artificial Analysis 将 H3 排在视频编辑（Video Editing）第一名、文生视频（Text-to-Video）第二名，以及图生视频（Image-to-Video）第三名。这款拥有 330 亿参数的模型能够统一处理文本、图像、视频和音频，并生成带有立体声的 4 至 15 秒视频片段。根据 model card，单个 prompt 最多可以包含 9 张参考图像、3 个视频片段和 3 个音频片段。

不过，仍有两个部分没有开放。此次发布并未包含 2K 分辨率模块和 H3-Context-IR，后者负责将 prompt 和参考素材转换为结构化的中间格式。在 ComfyUI 中本地运行 H3 时，最高只能输出 768p，用户还需要根据 MiniMax 已发布的 prompting 指南自行完成上下文准备。开放的模型权重则允许用户使用自定义影像、角色或特定视觉风格进行 fine-tuning。许可证方面还有一项限制：只有年营收低于 2,000 万美元的公司才可以将其用于商业用途。

ByteDance 在同一天发布了闭源模型 Seedance 2.5，它可以生成自带音频的 30 秒视频片段。

无需炒作的 AI 新闻——由真人精心筛选

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期独家前沿报告「AI Radar」、完整历史文章访问权限，以及评论区使用权限。