MiniMax用H3窃取大结果

 「曲线救模」

上周末MiniMax更新了H3，铺天盖地的测评啊，说什么找到Seedance 2.0的平替了。

此说法幽默的点有三：

第一，平确实是平了，价格只有Seedance 2.0的1/3。但便宜在如今的视频模型争雄中算啥优点啊，某些四线视频模型更便宜，你看他们上桌了吗？

还是那句话，如果创作者真就纯图便宜，就干脆All in旁白PPT漫剧了，视频模型厂也不用努力了，直接在家祈祷劣币驱逐良币了。

第二，实际用了一下，感觉MiniMax H3和Seedance 2.0还是有大概两成的差距。

比如我让他生成了一个「峰哥给买科技股的家人们道歉」的视频⬇️

可以明显看出，峰哥的脸如同抹了厚厚的粉底，质感达不到真人程度，只能和杜莎夫人蜡像馆掰手腕。

峰哥智慧的眼睛更是全程怒目圆睁，目光纹丝不动，犹如东方蒙娜丽莎，伪人感极强。

而且峰哥和背景的纳斯达克交易所就像在两个图层一样，没有丝毫融合的意思。

此类差距很难用「便宜」这个点来弥补：视频模型的能力遵循反向木桶原理，H3的能力上限是SOTA的80%，那无论生成几次也不会成为100%。

当然可能对有的人来说，80%也够了。那我没话讲。

第三是最幽默的，MiniMax H3刚发，Seedance 2.5嗷的一下就上线了。

be like：本来只是想默默炒作，结果现在还得跟祖宗对打，哥们根本没做好准备啊。

不过好歹是比Seedance 2.5发的早那么一点点，可以说是不幸中的万幸了。

无论如何，我还是紧急测了一下H3，生成了200多个视频之后得出的结论是：

MiniMax H3唯一真比其他视频模型强的地方，实则是跟「AI视频」这个概念最不沾边的地方，即与现实世界的关系。

简单来讲，如果别的AI模型是在做VR（虚拟现实），H3做的就是AR（增强现实）。

当用户像以前一样要求H3凭空生成一段AI视频，那它交付的成果就不尽如人意。

MiniMax自己估计也发现这个点了，所以直接转换重点：当用户要求H3调整本身就有的视频时，它反而能带来一些惊喜。

这波是曲线救模。

我举几个例子：

01

勇次郎的夏天出片版

首先是国产青春片之最《勇次郎的夏天》。我让H3把这个经典片段套进了博主@原来是陶阿狗君 的一段日剧跑特效视频里面⬇️

左一是原视频，右一是成品

挺神的。从头到尾我都没打开剪映或其他后期软件，但生成的视频就跟我套了模板做的一样。这H3并非只是给参考视频换脸，感觉是真把原视频的编辑逻辑给理解明白了。

而且范小勤的形象、动作和声音都几乎没有变化。说明H3是懂克制的，不是一股脑从头扩散到尾，而是知道哪该保持原样、哪该推倒重建。很有主体性。

MiniMax H3的这个特性就很适合把自己做成后期软件。

对吧，以后虽然大家生成视频不用MiniMax，但生成完的视频都可以来MiniMax里走一遭，整点特效，加点包装，反正也便宜。

当别人家都在致力于把视频模型卷成AI Agent的时候，它直接把自己干成纯工具了。属于是给自己造出来一个生态位，不跟AI圈的哥们姐们同台竞技了。

只能说这MiniMax短期内确实窃取到大结果了，毕竟这赛道现在就它一个人啊。

02

《中国人能飞》MV

除了特效之外，我也想测一下H3对文字的表现能力。于是让它给最近爆火的《中国人能飞》做了个MV⬇️

不得不说这个效果确实不错。

当文字悬空时，字体协调，光泽动效也不low，而且也根据我的要求一直位于揽佬身后，没有挡住天才的面孔。

当文字贴在墙体上时，也不是生硬地平铺，而是符合空间结构和物理规则。

我都怀疑它们其实内置了一个剪映，然后公司里养了一个字幕组，遇到生成字的需求就暂停AI服务，直接让月薪3000的实习生手动加。

不无可能啊，这以前也有案例。有没有实习生后台投稿一下《置身稀内》，讲讲自己是不是真在当数字劳工😭

03

孙笑川名场面2.0

紧接着测试一下H3对声音的编辑能力，毕竟MiniMax也有自己的音频模型。

于是我把孙笑川早年召唤物管的名场面发给H3，要求它把孙笑川的语言都转换成四川方言，并搭配同含义的日语字幕，字幕样式使用日本综艺常见的花字包装。

同时，我也要求H3使用高频次的川剧变脸挡住孙笑川面部，并用哔声消音所有脏话，起到双重马赛克的效果。

成品如下⬇️

四川人咸鱼对此的评价是：

感觉他现在素质还没有狗粉丝高

能把一段语音给自行翻译成四川话和日本话，还能把视频给精准和谐化，H3确实是对上传的素材和现实世界都有一定理解的。

现在看来，很多博主都说H3的优势是AI视频的后期，我觉得重点错了。因为AI视频想有特效直接重新生成就行，根本犯不上特意走一个后期环节。

MiniMax H3的优势其实是针对于实拍视频的AI视频后期，因为用它改完的视频还像拍的一样。这点挺难得的。

04

用旮旯game的方式打开《痴迷》

虽然是后期软件，但15秒的视频时长限制，蹭进纯影视工业略难。所以MiniMax比较适合短视频的整活、二创和包装。

我能想到的场景是当集美集帅们录了个vlog，再也不用干巴巴地尬发了，可以直接H3启动了。

我手头没有vlog素材，只能找了《痴迷》里比较像恋爱vlog的一段，把它包装成了旮旯game的形式⬇️

上为原视频，下为成品

缺点是有的，比如H3直接省略了女主站起来的动作，让妮基屁股粘凳子上了。

再比如，可能因为涉及到两人对话，处理对话框比较费劲，所以这个案例我生成了很多 · 很多 · 很多次，最后H3给我的的成品也没有和电影台词分秒级吻合。

但出来的效果还是挺不错的，有心跳文学部那个味儿了。建议所有异性恋生活方式博主以后都这么发视频。

05

重拍《后室》

而且H3作为后期软件的编辑也不止是整点贴图粘在视频表面，他是有在把原视频当成一个空间来理解。

所以你可以要求它在具体位置增加元素；或是转换视角，比如把第一人称换成第三人称，把平视换成俯拍，更改运镜路线等。

我先尝试了一下在用H3在后室里增加奶龙和胖猫，毕竟这都是MiniMax发家的来时路，不能忘本啊⬇️

上为原视频，下为成品

可以看出，角色和环境没有太大变动，奶龙和胖猫也都成功入住了后室。

而且奶龙和胖猫还都根据后室的光照情况拥有自己的影子，证明它们不是纯鬼是实体👍

完成得还可以。

然后我又试了下转换视角，要求H3把原片的三个镜头作如下处理：镜头一改为第一人称；镜头二改为希区柯克变焦；镜头三改为无人机镜头，从后向前起飞并向下俯拍；镜头四改为向后拉。

做完是这样的⬇️

上为原视频，下为成品

问题很多啊，比如主角的所见和原视频不完全相符，比如黑影的位置不对，比如希区柯克变焦也不符合希区柯克本人的要求。

蒽，毕竟这个任务确实比较难了，之前也没用别的模型测过，可以理解。

不过视角是对的，运镜是对的，如果不是非得对照着原视频来看，这个片子也是合格的。

所以说家人们，还是多用H3整活吧，比如加个胖猫奶龙之类的，转换视角这种影视工业级的活，还是等他们再迭代了再说吧🥵

06

  如果昆汀拍茅台广告

之前有提到MiniMax H3只有在有参考的情况下才能把视频生成明白。但这个参考其实不一定非得上传，你跟他纯说话也行，毕竟猜也能猜到MiniMax H3肯定也偷摸训了好多素材。

所以我试了几个特别短的prompt，比如：

“如果诺兰拍后室”

“如果昆汀拍茅台广告”

“如果伊藤润二拍春晚小品”

……

其中我觉得表现最好的是下面这个，如果昆汀拍茅台广告⬇️

主要我觉得现在一提到电影导演Skills就言必称韦斯·安德森，真挺没劲的。毕竟按照网友的理解，对称了就韦斯·安德森了，色彩饱和了就韦斯·安德森了，这风格也太好模仿了。

MiniMax H3可能为了防爆破，专门训了一下，所以做「一句话生电影」任务的时候，显得它对各个导演的内容逻辑和叙事习惯也有理解。

比如这个昆汀的茅台广告，在调色上倒没有很突出的特点，也没有血没有脚，但不知为何一看就是昆汀的味儿。

建议茅台直接采用此视频，可以后台联系。

最后我想说的是，MiniMax H3把自己做成后期软件，虽然挺特别的，挺商业化的，但有一种主动下大桌上小桌的意思。

「各位第一梯队视频模型你们战吧，我反正已经跳出三界外不在五行中了，专心做后期软件中勿cue」的意思。

主动给自己找了个边角位，这样能力不及SOTA也无可指摘的意思。

是没啥错，但总感觉MiniMax这么活着也没啥意思。

我给MiniMax指条明路吧：

遥想Sora当年，做了个不懂物理的视频模型非说自己是世界模拟器。MiniMax H3现在能把实拍视频一顿爆改，干的也主要都是理解世界改造世界的活，不如直接宣传自己是世界模型得了。

反正现在说自己是世界模型的这么多，而且个个都有一米长的定语，H3直接打出「首个非刘氏生成 · 非物理相关 · 非具身行业 · 非自回归 · 非海外华人团队 · 之世界模型」的名号。那是非常带派。

更别说它还跟很多世界模型一样搞开源。提到开源，我又想起了LibTV，听说冕神都发了一条朋友圈支持 H3，这也可以理解，毕竟H3相当于给冕神把一条腿接上了，直接无缝衔接后训练视频模型，共同抗击Seedance2.5。

哎哟我去，这H3又后期软件又开源的，这剧本咋这么熟悉呢？

家人们，这不纯纯走的Adobe纵容盗版路线吗。

对吧，我深度怀疑H3的算盘是：先开源让中国人都用起来，形成使用习惯了离不开了，然后再直接更新个大的来美美收割一波，到时候别人家流量也被它给劫走了。

原来这就是开源劫流的意思。

我只能说太邪恶了，请大家带着警惕与批判的心使用MiniMax H3吧。

（本文封面由ChatGPT 生成，纯人工写作）

文章来自于"葬AI"，作者 "罗子马"。