2026年7月31日，人工智能公司MiniMax正式推出通用全模态生成模型MiniMax H3。该模型首次实现文本、图像、视频、音频四类模态的统一理解与生成，最高可输出15秒2K分辨率原生双声道音视频内容，生成成本仅为同类主流模型的三分之一，目前已具备广告、电商、游戏等多场景商用落地能力。
从今年4月启动定向邀测至今，MiniMax H3已经在近200家企业客户的试用场景中完成了稳定性验证：电商商品短视频的生成通过率提升47%，品牌广告的素材修改周期从平均3天压缩到2小时，这也是本次MiniMax敢直接将H3推向通用商用市场的核心底气。
过去几年，多模态AI生成赛道长期处于“专人专事”的状态：视频生成模型只能处理画面输出，音频需要单独调用语音合成工具，文本字幕、风格化渲染还要叠加额外的图像模型，企业用户要完成一条合格的商用短视频，往往需要调度3-5个不同的模型，不仅调试成本高，不同模态的适配问题也会大幅拉低产出效率。此前行业内多次尝试推出整合类方案，但都未能解决模态间调度的底层逻辑问题，实际落地效果始终不及预期。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号