MiniMax 发布全模态模型 H3 将开源权重
MiniMax 于 7 月 31 日发布全模态生成模型 H3，统一理解与生成文本、图像、视频和声音，支持最高 15 秒 2K 原生双声道视频，同分辨率价格不到主流模型三分之一。模型权重将在数日内开源，旨在加速国产芯...
TechFoco
多模态生成 专题
共 2 篇文章，按时间倒序展示。
MM_StoryAgent：沉浸式故事书视频生成的多Agent框架
本文介绍了 MM_StoryAgent，一个用于生成沉浸式故事书视频的多智能体框架。该框架支持基于设定进行高质量故事创作，并整合图像、语音、音效和音乐等多模态内容生成，同时允许用户通过自定义工作流提升生成质量。
TechFoco
