MiniMax a publié les poids de son modèle vidéo H3, et un modèle ouvert est désormais en tête d'un classement vidéo pour la première fois.
MiniMax a publié les pondérations pour H3, un modèle vidéo de 33 milliards de paramètres qui gère ensemble le texte, les images, la vidéo et l'audio. L'analyse artificielle le classe au premier rang en matière de montage vidéo. Deux composants sont restés fermés et la licence est soumise à un plafond de revenus.
Le laboratoire chinois MiniMax a publié les poids du H3, son dernier modèle vidéo, et pour la première fois, un modèle téléchargeable gratuitement figure en tête du classement des générations vidéo. Le site d’analyse comparative Artificial Analysis place H3 au premier rang dans le montage vidéo, au deuxième dans le texte en vidéo et au troisième dans l’image en vidéo. Jusqu’à présent, les leaders dans chacune de ces catégories étaient des produits fermés et payants.
H3 possède 33 milliards de paramètres, ce qui est petit par rapport aux normes actuelles et bien à la portée d’un seul poste de travail bien équipé. Les paramètres sont les nombres ajustables qu’un modèle apprend au cours de la formation, et ils constituent une approximation approximative de la taille plutôt que de la qualité. Le modèle prend le texte, les images, la vidéo et l’audio en entrée en un seul passage et produit des clips de quatre à quinze secondes avec un son stéréo. Selon la fiche modèle de Hugging Face, une seule invite peut contenir jusqu’à neuf images de référence, trois clips vidéo et trois clips audio, ce qui rend la partition de montage plausible : vous pouvez lui remettre une photo existante et lui dire quoi changer.
Deux mises en garde valent la peine d’être connues avant de vous enthousiasmer. Le module de résolution 2K ne fait pas partie de la version, pas plus que H3-Context-IR, l’élément qui transforme votre invite et votre matériel de référence en un format interne structuré que le modèle lit réellement. Exécutez vous-même H3 dans ComfyUI, une interface populaire basée sur des nœuds pour les modèles d’images et de vidéos ouverts, et vous terminez à 768p tout en effectuant la préparation du contexte à la main à l’aide des guides d’invite publiés par MiniMax. La licence ajoute une limite supplémentaire : l’utilisation commerciale n’est autorisée que pour les entreprises dont le chiffre d’affaires est inférieur à 20 millions de dollars.
Qu’est-ce qui se cache derrière cela. Les pondérations ouvertes signifient que le fichier de modèle entraîné est téléchargeable et exécutable sur votre propre matériel, par opposition à une API dans laquelle vous envoyez une invite au serveur de quelqu’un d’autre. La vidéo a été le dernier bastion des modèles fermés, parce que la génération d’images animées est coûteuse à former et à gérer, et parce que l’exposition au droit d’auteur est inconfortable. Ce que MiniMax a fait ici est un modèle familier avec une particularité : publier suffisamment pour gagner le classement et la bonne volonté du développeur, retenir les éléments qui rendent le produit hébergé pratique. Le module de résolution et le traducteur de contexte sont exactement les éléments qui transforment un modèle solide en un produit fluide. ByteDance a sorti son Seedance 2.5 fermé le même jour, avec des clips de 30 secondes et un son intégré, ce qui vous indique que la course commerciale ne ralentit pas.
Ce que cela signifie pour vous: si vous êtes curieux de connaître la vidéo IA mais que vous ne souhaitez pas transmettre les images à un service cloud, il s’agit de la première version dans laquelle l’exécuter localement est une véritable option plutôt qu’un compromis sur la qualité. Attendez-vous à passer un après-midi sur l’installation et à vivre avec 768p. Pour tous les autres, l’effet pratique arrive plus tard et indirectement : les pondérations ouvertes font baisser le prix des outils vidéo hébergés et permettent aux petits fournisseurs européens de créer des offres sans licence pour un modèle frontière. Si vous réalisez des vidéos de manière professionnelle, le plafond de revenus indiqué dans la licence est la ligne à lire deux fois.
Sources
-[Hugging Face : carte modèle MiniMax H3] (https://huggingface.co/MiniMaxAI/MiniMax-H3) -Le décodeur : le MiniMax H3 chinois est le premier modèle ouvert à figurer en tête d’un classement vidéo IA
- [Le décodeur : Seedance 2.5 de ByteDance génère des clips de 30 secondes avec audio intégré] (https://the-decoder.com/bytedances-seedance-2-5-generates-30-second-video-clips-with-built-in-audio/)
Karpathy a transformé un paragraphe de Tolkien en scène 3D pour dix dollars et a appelé cela un vibe check.
Andrej Karpathy a donné à Claude Opus 5 l'ouverture du Seigneur des Anneaux et a récupéré 5 500 lignes de code de navigateur 3D fonctionnel en deux heures. Il prend soin de préciser qu’il ne s’agit pas d’une référence, ce qui constitue la partie la plus utile de l’histoire.
