MiniMax, H3 video üretim modelinin ağırlıklarını Hugging Face'te paylaştı, böylece yeterli bir GPU'ya sahip olan herkes çekirdek sistemi indirebilir. Bu sürüm tam ticari iş akışının gerisinde kalıyor; yalnızca H3-Base oluşturucu açık ağırlıklıdır; ön işleme ve ölçek büyütme aşamaları ise bir API arkasında kalmaya devam ediyor.

Açık ağırlıklı sürüm aslında neleri içeriyor

MiniMax'in H3 mimarisi üç mantıksal bloğa ayrılır. Yalnızca API üzerinden erişilebilen iki blok şunlardır:

  • Context-IR katmanı – giriş metnini, görselleri veya video kesitlerini ön işler.
  • Regenerate-2K katmanı – çıktıyı yüksek çözünürlüklü (2K) videoya yükseltir.

Geliştiriciler, çok modlu istemleri yerleşik sesli, kısa kenarı 768 piksel olan bir video klibine dönüştüren motor olan H3-Base çekirdek oluşturucuyu indirebilirler.

Donanım ve çalışma zamanı gerçekleri

Model 33 milyar parametre içerir ve iki farklı versiyonla sunulur:

  • fl2va – metin ve görsel istemlerini kabul eder.
  • ref2va – istemin bir parçası olarak referans bir video kabul eder.

En küçük kuantize edilmiş kontrol noktası yaklaşık 21 GB'tır; tam hassasiyetli kontrol noktası ise 123,6 GB'tır. MiniMax, rahat bir çalışma için en az 42,5 GB VRAM veya depolama alanı öneriyor.

12 GB GPU üzerinde geliştiriciler, modeli CPU offloading ile çalıştırabilirler ancak çıkarım hızı fark edilir şekilde yavaşlar. Yerel üretim, kısa kenarda 768 px ile sınırlıdır; bu da tescilli Regenerate-2K katmanının sunduğu 2K çözünürlüğün çok altındadır.

Bu sürüm neden önemli

Artificial Analysis'in son sıralaması, H3'ü "video düzenleme" kategorisinde birinci sıraya, "metinden videoya" (text-to-video) ve "görselden videoya" (image-to-video) kategorilerinin her ikisinde de ilk üç sıraya yerleştiriyor. Bu puanlar, onu günümüzde mevcut en yetenekli açık ağırlıklı video modeli yapıyor.

Model çok modludur: metin, görsel, video ve sesi anlar; ayrıca senkronize sesli videolar sentezleyebilir—bu, halka açık indirilebilir bir ağırlık seti için alışılmadık bir kapsamdır.

Sınırlamalar ve madalyonun öteki yüzü

H3 her alanda kazanamıyor; Gemini Omni Flash belirli görevlerde ondan daha iyi performans gösteriyor. Yüksek çözünürlüklü ölçek büyütme bir API arkasında olduğu için geliştiriciler, MiniMax'in hizmeti için ödeme yapmadan tam ticari çıktıya ulaşamazlar.

Lisanslama başka bir engel teşkil ediyor. Şartlar; Avrupa Birliği, Birleşik Krallık, Güney Kore ve Amerika Birleşik Devletleri'ndeki kullanımları açıkça yasaklıyor. Bu bölgelerdeki kuruluşların ayrı bir ticari anlaşma müzakere etmesi veya başka seçeneklere bakması gerekiyor.

Özetle: MiniMax'in açık ağırlıklı H3 modeli, geliştiricilere yerel olarak çalıştırabilecekleri güçlü bir çok modlu video oluşturucu sunuyor; ancak yalnızca API üzerinden sunulan ön işleme ve ölçek büyütme, ağır donanım ihtiyaçları ve bölgesel lisans yasakları, tam ticari deneyimi birçok kişi için ulaşılamaz kılıyor.