MiniMax, 비디오·스테레오 오디오를 동시에 생성하는 omni-modal 모델 H3 오픈소스 공개
MiniMax가 텍스트·이미지·비디오·오디오를 통합 이해하는 omni-modal 생성 시스템 MiniMax-H3의 가중치를 Hugging Face에 공개했습니다. 최대 15초, 2K 해상도의 비디오와 32kHz 스테레오 오디오를 함께 생성하며, 한국어를 포함한 11개 언어의 대사를 지원합니다. 33B 단일 스트림 Transformer 기반이며 SGLang·vLLM·diffusers·ComfyUI로 배포할 수 있습니다.