هوش مصنوعی و علم داده به فارسی
🎬 رونمایی از مدل ویدئوساز جدید MiniMax H3 شرکت MiniMax در حال آماده‌سازی برای عرضه مدل ویدئوساز جدید خود با نام H3 است که برای پلتفرم Hailuo AI طراحی شده است. این مدل هم‌اکنون در اختیار گروهی از تست‌کننده‌ها قرار گرفته و نمونه‌های خروجی آن به سرعت در حال…
🤖 انتشار وزن‌های مدل ویدئویی قدرتمند MiniMax H3
شرکت MiniMax به وعده خود عمل کرد و وزن‌های مدل ویدئویی H3 را منتشر کرد. این مدل 33 میلیارد پارامتری قادر است ویدئوهایی ۴ تا ۱۵ ثانیه‌ای با نرخ ۲۴ فریم بر ثانیه و صدای استریو ۳۲ کیلوهرتز تولید کند. معماری این مدل یک Omni Transformer یکپارچه است که شامل هسته مشترک DiT (مدل دیفیوژن مبتنی بر ترنسفورمر) با ۵۰ لایه بوده و همزمان ویدئو و صوت را با همگام‌سازی بالا تولید می‌کند.
⚡️ بخش H3-Base در دو نسخه عرضه شده است. مدل FL2VA برای تولید ویدئو از ابتدا یا حد فاصل بین دو فریم، و مدل Ref2VA برای دریافت ورودی‌های ترکیبی (تا ۱۲ فایل شامل تصویر، ویدئو و صوت) طراحی شده‌اند. اگرچه ماژول‌های پیش‌پردازش و ارتقای 2K همچنان بسته هستند، اما این مدل در بنچمارک‌های Artificial Analysis جایگاه‌های برتر در ویرایش و تولید ویدئو را کسب کرده است.
🤗 Hugging Face
🤗 Hugging Face
🔗 GitHub
🔗 GitHub
#MiniMax_H3 #Omni_Transformer
شرکت MiniMax به وعده خود عمل کرد و وزن‌های مدل ویدئویی H3 را منتشر کرد. این مدل 33 میلیارد پارامتری قادر است ویدئوهایی ۴ تا ۱۵ ثانیه‌ای با نرخ ۲۴ فریم بر ثانیه و صدای استریو ۳۲ کیلوهرتز تولید کند. معماری این مدل یک Omni Transformer یکپارچه است که شامل هسته مشترک DiT (مدل دیفیوژن مبتنی بر ترنسفورمر) با ۵۰ لایه بوده و همزمان ویدئو و صوت را با همگام‌سازی بالا تولید می‌کند.
⚡️ بخش H3-Base در دو نسخه عرضه شده است. مدل FL2VA برای تولید ویدئو از ابتدا یا حد فاصل بین دو فریم، و مدل Ref2VA برای دریافت ورودی‌های ترکیبی (تا ۱۲ فایل شامل تصویر، ویدئو و صوت) طراحی شده‌اند. اگرچه ماژول‌های پیش‌پردازش و ارتقای 2K همچنان بسته هستند، اما این مدل در بنچمارک‌های Artificial Analysis جایگاه‌های برتر در ویرایش و تولید ویدئو را کسب کرده است.
🤗 Hugging Face
🤗 Hugging Face
🔗 GitHub
🔗 GitHub
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#MiniMax_H3 #Omni_Transformer
❤1