MiniMax H3: Mô hình video đa phương thức trọng số mở mới tích hợp vào ComfyUI
MiniMax đã phát hành H3 (Hailuo 3.0), một mô hình tạo video đa phương thức trọng số mở (open-weight) có khả năng tự động tạo video dài tối đa 15 giây đi kèm âm thanh nổi đồng bộ, hiện đã có thể triển khai cục bộ qua ComfyUI. Bản phát hành này có ý nghĩa quan trọng vì nó cùng lúc tạo ra cả âm thanh và hình ảnh đồng bộ trong một kiến trúc duy nhất thay vì ghép âm thanh sau khi tạo video, đồng thời tính chất trọng số mở kết hợp với việc tích hợp ComfyUI giúp người dùng dễ dàng thử nghiệm tạo video nâng cao cục bộ. Trong khi phiên bản lưu trữ (hosted) của MiniMax H3 hỗ trợ độ phân giải lên tới 2K, các checkpoint trọng số mở có thể triển khai cục bộ bị giới hạn ở độ phân giải 768p cho các clip dài tối đa 15 giây. Mô hình có thể xử lý đồng thời văn bản, hình ảnh, video và âm thanh dưới dạng một ngữ cảnh duy nhất cho các tác vụ như chuyển hình ảnh thành video và chỉnh sửa theo hướng dẫn.
## KIẾN THỨC NỀN
Các mô hình AI trọng số mở (open-weight) cung cấp quyền truy cập công khai vào các tham số đã được huấn luyện (trọng số), cho phép các nhà phát triển chạy và tùy chỉnh chúng cục bộ mà không cần phụ thuộc vào các API đám mây độc quyền. ComfyUI là một giao diện đồ họa dạng nút (node-based) mã nguồn mở phổ biến, cho phép người dùng xây dựng các quy trình làm việc mô-đun cho các mô hình AI tạo sinh, đặc biệt là các mô hình khuếch tán. Trước đây, việc tạo video bằng AI thường yêu cầu các mô hình riêng biệt cho video và âm thanh, dẫn đến các vấn đề về đồng bộ hóa.