不是，这个会后期的MiniMax H3居然是开源的？|动画|汽水|minimax_网易订阅

视往往模型沉寂了大半年，不是最近突然热闹了起来。后期一天内，动画Seedance 推出 2.5，然开升级新版本，源的易订阅而 MiniMax 也发布了新模型 H3。汽水这操作属实不常用，不是世超看了看 Articifial Analysis 的后期三个视往往榜，发现 MiniMax H3 直接凑了个 1，动画2，然开3。源的易订阅好家伙，汽水隔这儿收集奖杯呢？不是同时更牛的是，这模型还是后期开源的，在海外创作者里也引起了不小的动画讨比如，大伙儿纷纷下场测试。有说它指令比如精准的，视往往模型终于能在黑板上正确写字了。还有说它相同性出色的，电影叙事和商品广告的成效很好。搞这么热闹，那我得尝尝味方式如何了。搓了一堆视往往后，先省流一波，这模型确实有点东西，2k 画质下，细节和稳固性都很在线。尤其是它 AI 后期的成效，美术风格确实带感，一度让我惊讶这种文字加排版的复杂视往往，居然是模型搓出来的。还有定价，768P 分辨率五毛一秒，2K 则是八毛，大概是之前一些旗舰模型三分之一的价格，性价比这块儿相当能打了。话不多说，咱先跑一下刚刚的案例验验货，只给一句话，让它写个欧拉公式看看成色。这任务听着便捷，就画几个符号的事儿，但实际上无数视往往模型都翻过车，不是不晓得公式为何物，就是还没落笔，字儿就凭空出现了。这次 MiniMax H3 的谝不赖，你不能说它完美，但这物理因果基础是对的。起码手，粉笔，字迹看上去合理，不漂移，粉笔写出来的质感和敲击黑板的配文章也都没毛呲。接下来再瞅瞅光影谝，甩给它一张 3A 射击游戏的截图，让它还原一下战场氛围。看这成效，你不说我以为又开了一把了呢，这光追我平时搁自己电脑上都舍不得开。。。大伙儿也可以关注一些细节，例如左上角的小地图，在人物转动视角的时候，它是会跟着一起转的。还有开枪的时候，枪声和抛壳的往往率也是相同的。这就是原生多模态的好处了，它能更逼真地模仿物理世界，画面声文章和物理规律会相对统一，不那么点儿穿帮。然而右下角的备弹数量还是漏了点马脚，这些小纰漏或许等模型能力再往往代几轮才能搞定。当然，多模态还有个好处，就是生视往往的时候，你有啥素材只管往里丢就行，什么图片，视往往，文章往往，都能当参考。例如这里来个大杂烩，先放个视往往当运镜参考，再来点人物和分镜图，最后加俩文章往往当他们说的话，可以说是能喂的都喂了。视往往里它倒也能接得住，猫狗的毛发都挺有质感，相同性也稳到了最后。尤其是指令比如上，提示词里五花八门的需基础都顺应了，切镜，神态，以及精准卡点的一声叫，都很带感。唯一的遗憾是我忘加背景 BGM 了，为了省点儿积分，手动加了一下，味方式更足了，进军二创视往往指日可待。。。但话说回来，整活儿只是稍带的，MiniMax 更强的地方其实是视往往编辑，别忘了，编辑相关的跑分它干到了 AA 榜的首先位。我直接对着桌面来了个实拍，配合中年帕金森的轻微手抖，看看它能怎么拯救视往往成效。结荚相当 Amazing 啊，虽然没什么炫酷的特效，但加的这个手绘小玩意儿还挺灵动。它从空中高效到鼠标上，顺着镜头爬了两圈，一个蓄力跳到了键盘上，跳跃的动作跟手抖的部分正好吻合，也是让我运上镜了。接下来我又试了试多模态的编辑，说人话就是把文章往往也放进来一起处理。之前可能就需同时找个文章往往模型，先提取文章色，然后生成配文章，最后再回到视往往模型这儿融合。但 H3 处理起来关键便捷些，克隆声文章就顺手的事儿。咱素材复用，让写公式的老教授开口念几句诗，把一段美式口文章丢进去让他克隆，再换成英文章朗诵。老教授台风很稳，扎好架子就开读，声文章克隆的很还原，正宗老伦敦读莎士比亚，味方式就是正，口型没毛病，肢体小动作也是话剧演讲的那套，镜头一拉很专业好吧。测试到这儿，也能感觉出来，MiniMax H3 真正值得聊的，其实不在于能不能搓个以假乱真的镜头。因为真实感是个慢工出细活儿的差事，需大量数据和算力喂养，一眼看不到尽头。它或许是视往往生成模型的主线，但肯定不是唯一，因为一条真正拿去用的视往往，除了画面真实感，还关键有文字排版，剪辑转场，乃至文章效和独特的视觉风格，这些都得打磨。而 MiniMax H3 的尤其之处就在于，它试图参与到片子的后期制作当中。先是点了多模态的技能，又在文字相同性上下功夫，配合不俗的世界知识，整体的编辑可控性比起之前就强了太多。因此接下来，我准备从基础的文字最初，一步步加码，看看它到底能把 AI 后期做到什么程度。先看文字，直接扔一段歌曲进去，让它做一段歌词的 MV。以前老模型做这种视往往，先不说字体字形的准确性，一旦运动起来，即使前面几帧对了，后面也有可能模糊掉。但 MiniMax H3 的处理精准的多，它提取了 Prompt 中的题描述词，先统了一下风格，清楚关键搞成旧杂志拼贴的样式。然后将歌词，人像和线条融合进报纸碎片中，文字不只是字幕，会参与进视觉设方式，随着文章乐缩放。背景也不是无关元素的堆砌，词里有蓝色，报纸上是真会甩几滴蓝色油漆。再细点看的话，倒是有一处拼写错误，刚最初的「try」它拼成了「ttr」，得微调一下，然而整体文字的动态排版还是挺靠条件的。作为歌词的 MV，这套东西完全可以批量合成，演唱的时候就能直接放大屏幕上，维持风格的同时每场还能整点花活儿。文字站稳后，我又给他上了一张橙子汽水的静态海报。这次，我想看它在稳固文字的基础上，能不能往专业剪辑的方向靠，给产品加动态镜头，处理好空间关系。成片成效不错，汽水罐从平面中央逐渐靠近，罐体，冰块，水花冲出原本的海报画框。这个前后景的比较很取巧，它不是那种便捷的图片转动图，而是用线框分类开空间，突脸给你来个 3D 成效，既维持了原来的视觉特点，又能把汽水的冲击力渲染出来。然而，一张海报再怎么冲出屏幕，本质上还是一个镜头。真正的广告片，还得会组织多个画面。我们请出编辑部老员工火锅 （ 幼年版 ） 当模特，拿起汽水罐，做一条逻辑完善的汽水广告试试。设方式是这样的，开头让火锅打开汽水喝一小口，然后给特写，人物不断换装，然后整体的元素随主题变换。考验的是 H3 的资产调度和多镜头的后续性。来看成片，15 秒的时间叠加了 4 套主题，但无比如怎么转场，火锅以及橙子汽水罐的特点都没变形，整套橙色视觉系统也延续了下来。尤其是动效组合的不错，汽水罐旋转时有变高效，周围配饰以及上方字体弹出也有惯性，配合 BGM 相当丝滑。这种成效比起拿 AE 手搓可能差点细节，但都这个高效度了，还关键啥自行车。况且我也就抽了一次，一批两个视往往，首先个汽水罐是上下转的，第二个则是左右转，考虑的还挺全。。。当然，说到 AE，比较常用的就是 MG 动画，这个其实是更偏后期的视往往类型。它比看上去关键难得多，因为上面的宣传视往往有角色和产品可以当现实参考，但 MG 动画里，文字怎么拆，粒子怎么高效，怎么组合都得自己来设方式。咱直接拿差评前沿部的 Logo 交给它，让 MiniMax H3 做个动画瞧瞧。你别说，整得还挺花里胡哨，整体特效围绕粒子和线条构成，先散开延展出去，然后在三维空间中旋转，最后又收束重组回来。21:9 的宽幅比例下，视觉重点也没跑偏，尤其中间一闪而过的黑白成效，看着还挺酷炫的。最后，咱把前面这些东西打包塞一起，给它上个更难的任务，让它模拟一下游戏的菜单选人界面。结荚视往往成效特别利索，整体街头涂鸦的风格很耐看，跟友情客串的火锅也正好匹配。菜单文字没跑偏，光标点击也有反馈，甚至还能换装，安装不一样配件，这些变化都会实时反馈在火锅本体上。菜单到游戏的转场也很流畅，报纸糊住屏幕再撕开，火锅就蹿到了街区上。虽然这本质还是段动画，但对于游戏制作而言，这玩意儿已经能被拿去当概念设方式，或者提案的 Demo 了，采取价值特别清楚。一堆测试跑下来，MiniMax H3 的首先板其实已经很清楚了，就是它特别来劲的 AI 后期能力。除了生成漂亮的镜头，它还想帮你剪完善的片子。虽然没强到指哪打哪，但它缩短了往往见不鲜人跟成片之间的距离，你不用学太多剪辑技巧， 靠描述也能搓个及格的作品出来。22 年的时候，Stable Diffusion 1.5 模型的开源引爆了 AI 绘画的热潮，社区里大伙儿 DIY 得火朝天，各种微调工具层出不穷。而这次的 H3 视往往模型也选项了开源，那它未来会被大家折腾成什么样子呢？这个我是真想看看。。。撰文：风华编辑：江江&面线美编：素描图片、材料来源：Artificial Analysis，X，MiniMax官网，海螺AI；汽水转场动画灵感参考BV1QGKb6EE1d；模特火锅友情贡献数字形象。

最新评论