美国AI音乐巨头进军视频生成,底层模型来自中国MiniMax

美国AI音乐巨头进军视频生成,底层模型来自中国MiniMax

💡 原文中文,约1100字,阅读约需3分钟。
📝

内容提要

Suno推出视觉创作工具Visuals,将视频和图像生成引入音乐创作。其模型H3 Move基于MiniMax开源视频模型H3打造,并针对音乐场景调优,可生成呼应歌词、支持口型同步的最长15秒视频,还能制作歌词视频和专辑封面。视频模型在速度、成本和质量上已适合普通用户。Visuals采用独立付费积分,并加入内容过滤和水印保护。

🔎

延伸解读

开源基座+垂直调优的合作模式

Suno的Visuals并非从零自研视频模型,而是基于MiniMax开源H3,用自身数据针对音乐场景调优出H3 Move。这展示了一条路径:基础模型提供多模态生成能力,垂直应用方围绕具体场景做适配和产品整合。对读者而言,这意味着视频生成的门槛在降低,中小团队也可借助开源基座快速构建专用工具。

15秒片段与时间轴编辑的实用边界

Visuals单次生成最长15秒视频,支持口型同步、歌词视频和专辑封面,并可通过时间轴延长和编排片段。这适合短音乐视频或社交媒体内容,但并非长片制作工具。读者需注意,15秒限制意味着复杂叙事仍需多次生成和后期拼接,实际效率取决于编辑流程的顺畅度。

独立积分计费与内容保护的双重约束

Visuals采用独立于歌曲生成的付费积分体系,视频和图片生成单独消耗Visual credits。同时,平台加入文本与视觉过滤,限制特定艺人、公众人物及版权内容,并在分享前嵌入水印。对创作者来说,这意味着使用成本需单独预算,且生成内容在人物形象和版权素材上存在明确边界,商用前应确认合规性。

❓

Q&A

Suno新推出的视觉创作工具叫什么?它基于什么模型?

Suno推出的视觉创作工具叫Visuals,其采用的模型名为H3 Move,基于中国AI公司MiniMax的开源视频模型H3打造。

Visuals生成的视频有什么特点?支持哪些功能?

Visuals生成的视频能呼应歌曲结构和歌词,支持演唱口型同步,最长15秒。用户可选择原创角色或上传参考图片,结合音乐和文字提示生成视频片段,并通过时间轴延长、编排和编辑。此外,还能制作歌词视频和专辑封面,自定义歌词字体与颜色,并根据发布需求选择画面比例。

MiniMax H3模型有哪些技术能力?

MiniMax H3于今年8月开放模型权重,支持企业和开发者部署、微调和定制。它能统一理解文本、图像、视频和音频构成的上下文,生成带有原生立体声音频的视频,最高支持2K分辨率和15秒时长。

Suno如何对H3模型进行调优以适应音乐场景?

Suno团队使用自己的数据对开源模型H3进行优化,使其更适合音乐视频制作。MiniMax H3提供底层模型基础,Suno在此基础上进行音乐场景适配和产品整合,将歌曲创作、画面生成与人物口型同步纳入同一创作流程。

Visuals的收费方式是怎样的?

Visuals采用独立的付费积分体系。视频和图片生成消耗Visual credits,与歌曲生成积分分开计费。

Suno在内容保护方面采取了哪些措施?

Suno表示,Visuals加入了文本与视觉过滤机制,针对特定艺人、公众人物形象及受版权保护内容设置限制,并将在生成内容对外分享前嵌入水印。

Suno平台目前有多少用户?

据Suno官网披露,已有超过1亿人使用其平台创作音乐。

🏷️

标签

➡️

继续阅读