MiniMax H3开源发布！AI视频终于有了自己的后期之王

全文速览图

今天，被 Seedance 2.0 压制了整整半年，沉寂了很久的 AI 视频模型行业，终于又有了点新的动向了。

MiniMax，终于掏出了他们的 H3 模型。

并且，要开源。

AI 视频，终于也开始向大模型领域看齐了。

过去这半年，AI 视频行业活得很奇怪。

视频 Agent 应用疯狂增长，但是模型却寥寥无几。

最后绕不开的那个名字，依然是 Seedance 2.0。

它就像那一堵最高的山。

以至于过去半年，AI 视频行业最大的悬念，逐渐变成了：

到底还有没有人，能给 Seedance 2.0 一点压力？

现在，MiniMax 终于带着他们的 AI 视频模型来了。

我在昨天其实就已经拿到了体验资格，在做了一些测试之后，我非常坦率的讲，在很多的环节上，它确实可以跟 Seedance 2.0 相媲美，但是还没有达到所谓的全面超越的地步。

但 H3 找到了一个非常独特、非常有意思、而且我觉得极其商业的切口，那就是：

视觉包装和后期特效。

这个点，MiniMax 实在是太强太强了，这块的长板强到比 Seedance 2.0 都要强很多。

我直接放几个 case 你就懂了。

H3 这个模型非常的独特。

独特到一时我不知道该用什么词去形容它。

你可以让它直接生成一段带歌词的动态 MV。

你也可以给它几张平面海报，它可以把排版、文字和视觉元素全部动起来，做成一支动态海报。

你也可以给它一堆照片，它能理解每张照片里的内容，自动做成有装饰、有节奏、有声音的 Vlog。

你甚至可以让它直接生成电影片头、歌词 VJ、时尚品牌 Campaign、游戏 UI、网页滚动动效和产品发布片。

只要涉及到一切跟视觉包装相关的工作，它干的都极佳。

如果说，Seedance 更偏向与前期，更重影视和特效，那 H3 我觉得，就更偏向后期，更重广告与动效。

两者相辅相成，终于补全了整个视频制作的全流程。

网址在此： https://hailuoai.com/

在首页上，你就能看到这次全新的 H3 了，也是一个原生多模态模型。

在纯粹的功能上，非常的全面，全能参考啥的也都有。

支持视频图片音频等等的各种参考，最多 12 个。

参数上，目前开放的直接是 2K，甚至 768P 的都暂时还没开放，最多 15s。

价格上 2K 的效果，1 秒是 12 贝壳，差不多就是 10 块钱一条 15 秒的 2K 视频。

动作参考、指定元素替换、换背景、改写视频、实拍视频加特效、绿幕换背景、白模视频上色、视频续写延长、视频整体参考等等这些常用的功能，也都没啥问题，而且效果不错。

这次的重点，我们自然还是要回到，视觉包装上。

其实我们会发现在过去半年里面，AI 视频加速的最多的是 AI 短剧赛道。

而传统的商业广告、宣传片、综艺等等，AI 介入的好像还没有那么多。

原因特别简单，过去我们一直在做的 AI 视频模型更像是一台很强的虚拟摄影机，它们能够凭空创造一个世界，然后把这个世界拍下来，记录下来。

但是，摄像机拍完以后，一条真正意义上的视频，其实才刚刚开始。

因为人类最终看到的绝大多数视频，都不是现实世界原封不动的切片。

我们会剪辑，会加字幕，会设计片头，会制造转场，会用图形、文字、UI 和特效重新组织信息。

这些东西，现实世界里原本都不存在。

它们全部是人类创造出来的视觉语言。

这些就是视觉包装。

最典型的就是综艺里面经常会加的花字。

这种以前 AI 视频几乎没有办法去处理，因为很难生成稳定加准确的文字，且很难理解文字与视频素材和视频内容之间的关系。

但是这一次，MiniMax H3 可以搞定这种了。

比如一个飞行嘉宾出场，以前我们可能得做很复杂的动画，然后 K 很多的帧，搞得还挺麻烦的，现在，一个 Prompt。

这个效果当然跟顶级综艺没有办法比，也会出现一些奇奇怪怪的数字。但是你可以看到关于人物的、氛围的、元素的设计，还有一些主体背景跟文字之间的互动，其实都已经做得很不错了。

在品牌语言上也是比较统一的。

除了综艺，还有很多很多需要做视觉包装的，比如说 MV。

Prompt：
15 秒，16:9 横版，一镜到底。生成一支极具视觉炫技感的实验 MV。
主角是一位银色寸头、穿纯黑长外套的中性歌手。摄影机始终围绕主角顺时针旋转，人物持续对镜头演唱，嘴型和身份稳定。 同一个废弃摄影棚随着摄影机旋转，依次转化为五种视觉世界：真实胶片、黑白报纸、彩色黏土、透明水下、像素游戏。每次变化都由主角动作和歌词触发，空间连续，不使用硬切。
歌词与文字： “CHANGE THE FRAME” “KEEP THE FACE” “EVERY WORLD IS MINE” 0 至 3 秒：真实胶片摄影棚。主角抬手唱出“CHANGE THE FRAME”，手掌扫过的位置变成黑白报纸网点，文字像报纸标题一样从墙面展开。
3 至 6 秒：摄影机继续环绕，报纸世界被主角撕开，空间变成彩色黏土。人物仍保持真人皮肤和真实脸，周围道具与地面变成手工黏土。“KEEP THE FACE”沿主角身后弯曲出现。
6 至 9 秒：主角跺脚，黏土地面化成透明水面。摄影机与人物同时进入水下，头发、衣服和气泡符合真实水体运动，歌声保持清晰。
9 至 12 秒：主角拍碎水面，所有水滴变成像素方块。摄影棚加载成复古三维游戏世界，人物仍为真人。“EVERY WORLD IS MINE”形成巨大的游戏关卡入口。
12 至 15 秒：摄影机完成一整圈环绕。所有视觉世界像多层皮肤一样从空间剥落，回到最初摄影棚。主角站在原位，伸手接住一枚同时包含五种材质的小方块。
声音：原创实验电子乐，五个世界分别拥有胶片、纸张、黏土、水下和像素音色，节奏连续。
禁止切镜头、人物换脸、服装变化、世界突然跳变、额外歌词、普通蒙版转场和水下嘴型失控。

可以看到生成出来的这个运镜效果其实非常的棒，而且文字极其准确，歌词全部都是对上的。

除了一些特别小的字，稍微大一点，几乎都没崩。

视觉包装做的非常的棒，在转场和过渡上也非常的和谐。

而且大家可以对比一下我的 Prompt，H3 有个非常强的特点，就是它的语义遵循能力极强，你真的就是说什么，它就能给你实现出什么，在做视觉包装的时候非常有用，因为做视觉包装很多时候就是极其精确的文字控制。

当然，这种语义遵循强的能力也带来了一些缺点，就是在某些影视级别的需要超强张力的镜头上，表现的没有 Seedance 效果好。

而这个 case 其实就能感觉到整个视觉包装的效果会更强一点，做了非常多的素材的包装和特效。

除了 MV，还有我们经常会做的 logo 演绎的视觉包装。

H3 做的也非常有意思。

比如，我就把我们公司的 logo，给扔了进去，让 H3 给我做一个 logo 演绎视频。

你别说，做的还是相当酷炫的。

当然，你还可以做电商产品的某一次全新的新品宣传片。

一个 AI 影视节目的片头。

一个设计大会的主舞台宣传片。

还有很多很多，电商、游戏、短视频，甚至还能给 Vlog 做好玩的动效等等。

你不需要再去做复杂的动效，不需要再去手 K 素材，甚至你都不需要打开剪辑软件，把你的素材扔到 H3 里，然后说出你的需求。

一条经过视觉包装的视频，就可能已经做好了。

AI 视频模型过去最喜欢展示的，往往是最极限的画面。

巨龙、战争、跑酷、追车、爆炸、复杂运镜。

这些东西很爽，也很适合证明模型的上限。

可真正数量巨大、每天都在被生产、每天都有人愿意付钱的视频，很多都没有这么宏大。

品牌广告、电商素材、产品介绍、App 功能演示、活动预告、社交媒体短片、游戏 PV、企业宣传片。

它们的生命周期很短，更新频率很高，经常还要针对不同人群、不同平台、不同尺寸，做出一大堆版本。

这种内容最需要的能力，恰好就是 H3 擅长的东西。

设计师和后期的价值，也会继续往上游移动。

手动拉关键帧、做素材、套转场这类执行工作的价值还会下降。

定义方向、建立审美、识别好坏、控制品牌一致性的价值，会越来越高。

生产能力越泛滥，判断力就越值钱。

而且大家不要忘了，MiniMax H3，是要开源的。

一个开源模型的生命力，往往是从发布那一天才刚刚开始。

后面一定会有人继续去给它做推理优化，给它去微调特定风格。未来我们可能会看到无数种特化的，在垂直领域继续发光发热的 H3 版本出来。

这个世界需要开源。

每一个愿意开源的，也都是英雄。

现在，MiniMax H3，来当那个英雄了。

我们也希望，能看到越来越多的 AI 视频领域的开源模型。

那才是真正的未来。