6.5
深览指数
科技微博·量子位··AI 生成
视频后期，危！MiniMax H3手绘即特效，多模态的「Coding时刻」来了
MiniMax 发布 H3 视频模型，首次将剪辑、字幕、转场、BGM、特效等后期链路全部端到端集成到模型内，用户输入文本即可直接输出带完整后期效果的成品视频，而非传统视频模型仅提供原始素材。实测显示 H3 在手绘特效、文字渲染（多帧稳定）、语音与画面情绪同步方面接近商用水平，且 2K 分辨率下 API 价格仅为主流模型的 1/3。文章核心贡献在于揭示视频模型从「素材生成工具」向「成品交付工具」的范式转变，并说明 H3 开源策略对中小企业 IP 定制的商业价值。适合 AI 产品经理、视频创作者、技术决策者快速了解当前视频生成的能力边界与成本结构。原文 ↗
核心观点
- ▍MiniMax H3 打破了视频模型只提供「素材」的既有范式，将剪辑、字幕、转场、特效、BGM 全部端到端化，用户输入文本即可得到可直接发布的成品视频。
- ▍H3 在文字渲染（多帧稳定）、手绘特效、语音与画面情绪同步等维度达到接近商用水平，特定场景下可替代部分后期制作流程。
- 01H3 在 Artificial Analysis 榜单上获得视频编辑类第一，且是榜单中唯一开放权重（开源）的模型。
- 02实测中，H3 能理解长 prompt 中的多分镜指令（如「六分镜预告片」），并遵守每个分镜的情绪方向与表演逻辑。
- 03H3 支持全模态输入（文字、图片、音频、视频皆可作为上下文），并通过 H3-Omni Transformer 架构实现多模态理解。
- 04API 定价：2K 分辨率下每秒价格不到主流模型的 1/3，768P 下不到 1/2。
- 05H3 支持直接丢入音频教模型读台词，语音与画面情绪同步，而非简单的 TTS 念稿。
反方 / 局限
- — 文章承认 H3 的文字渲染并非 100% 完美，但达到「能用」的商用水平。
- — 传统视频模型「抽卡」问题（同一 prompt 生成十次结果不同）在 H3 上有所改善，但作者未提供量化对比数据，仅以「可控性大幅提高」定性描述。
8 分钟 · 3 卡片 · 8 资料
读原文 →