Image-Text-to-Video
Diffusers
Safetensors
MiniMaxH3ModularPipeline
text-to-video
image-to-video
video-to-video
text-to-audio-video
image-to-audio-video
image-text-to-audio-video
video-to-audio-video
audio-to-audio-video
audio-video-generation
multimodal
synchronized-audio-video
reference-to-audio-video
非常棒的多模态能力。是否可以基于这个扩展生图能力？
#37
by wdtd - opened
感谢开放这么强大的模型。我也注意到这个模型具有强大的语意理解能力。我想知道这个是否能理解白模和人偶？是否能使用其强大的理解和生成能力来生图和编辑图片？这我认为比较重要。可以用来生成故事板，分镜。
后续会有同系列的图像生成和编辑模型，可以期待一下
wan2.2生图挺不错，不知道这个H3生图如何？有试过的吗？
跟随白模生成的话，暂时离seedance 还有一点距离，可能会出现渲染不完整的情况。但不影响H3是目前开源视频模型性能NO.1
正在做生图