Röviden: a H3 egyszerre célozza a látvány és a hang létrehozását. A „natív hang” azt jelenti, hogy a hangsáv a videógenerálás része, nem feltétlenül külön utólagos lépés.

Mi az újdonság?

A modell multimodális bemeneteket kezel, 2K felbontást és legfeljebb 15 másodperces klipeket támogat. A sztereó hang fontos előrelépés lehet párbeszédes vagy környezeti jeleneteknél, ahol eddig külön hanggenerátor és utómunka kellett.

Miért érdekes ez a videósoknak?

Kevesebb különálló lépés gyorsabb ötletelést adhat. Ettől azonban nem tűnik el a vágás: a beszéd érthetőségét, a ritmust, a karakter folytonosságát és a zene jogtisztaságát továbbra is ellenőrizni kell.

Mit érdemes kipróbálni?

Rövid, egyértelmű jelenettel, kevés szereplővel és pontos hangkörnyezettel érdemes kezdeni. A 2K felirat a felbontásról szól; önmagában nem garantál jobb történetet vagy hibátlan mozgást.

Komolytalanul komoly zárás

Natív sztereó

A bal csatornán a rendező azt mondja: „tökéletes”. A jobb csatornán a karakter megkérdezi: „miért lett hat ujjam?” Ezért kell továbbra is ember a vágószobába.

Forrás: Reuters – China's MiniMax releases H3 video model.