IT之家 7 月 31 日消息，稀宇科技今天宣布推出 MiniMax H3 通用多模态视频模型，魔搭社区显示，这款模型将于北京时间 8 月 3 日 0 点正式开源。

MiniMax H3 支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力，能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。

得益于 Contextual Omni Representation、H3-VAE、H3-Omni Transformer、In-context Regeneration 等多项技术，MiniMax 称有能力提供行业内最优的性价比，默认提供 2K 的分辨率，模型在 2K 分辨率下每秒价格不到主流模型的三分之一，768P 分辨率下是主流模型 720P 的一半。

官方表示，这款模型有以下亮点：

原生多模态理解与生成：支持文字、图片、音频、视频等多种输入，理解不同素材中的人物、动作、声音、情绪、镜头、风格与表达意图，并将多种参考信息自然融合。

多模态精准编辑与控制：支持对人物、物体、场景、声音与节奏进行多维度编辑，并具备精细化指令遵循能力。

商用级多场景内容生成：面向影视、广告、品牌、电商与游戏等真实商业内容场景，兼顾文字字幕、品牌信息、创意特效、产品展示、UI/UX 动态演示、游戏视觉及风格化表达。