郭震 AI公众号:郭震AI

实时 AI 消息

Suno 推出 Visuals:用 MiniMax 开源的 H3 做音乐视频生成

美国 AI 音乐平台 Suno 宣布推出视觉创作工具 Visuals,把视频与图像生成接入音乐创作流程,底层模型 H3 Move 基于中国公司 MiniMax 开源的 H3 打造并针对音乐场景调优。用户可用音乐与文字提示生成最长 15 秒的片段,并完成演唱口型同步、时间轴编排与歌词视频制作。

发布时间
Suno 推出 Visuals:用 MiniMax 开源的 H3 做音乐视频生成
图源: suno.com

美国 AI 音乐平台 Suno 近期宣布推出视觉创作工具 Visuals,把视频和图像生成一并纳入音乐创作流程。据 Suno 官方披露,Visuals 使用的模型名为 H3 Move,基于中国 AI 公司 MiniMax 的开源视频模型 H3 打造,并针对音乐创作场景做了调优。

分工在两句话里说得很清楚。Suno 首席产品官 Jack Brody 表示,Suno 团队用自己的数据优化了这一开源模型,使其更适合音乐视频制作;MiniMax H3 提供底层模型基础,Suno 在其上完成音乐场景适配与产品整合,把歌曲创作、画面生成和人物口型同步装进同一条创作链路。

产品能力上,Suno 称 Visuals 生成的视频能够呼应歌曲结构和歌词,并支持演唱口型同步。用户可以选择平台提供的原创角色,或上传参考图片,结合音乐与文字提示生成最长 15 秒的视频片段,再通过时间轴延长、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,并按发布需求选择画面比例。

这背后有一个成本判断。视频创作一直是 Suno 产品拓展的方向,但过去生成速度较慢、成本较高,限制了普通用户的使用。Brody 的说法是,视频模型在速度、成本和质量三项上,已经具备向普通用户提供视频创作服务的条件。

作为 H3 Move 的基座,MiniMax H3 于今年 8 月开放模型权重,支持企业和开发者在其上部署、微调和定制。按公开描述,H3 能统一理解文本、图像、视频和音频构成的上下文,生成带原生立体声音频的视频,最高支持 2K 分辨率和 15 秒时长。

这类跨模态能力与音乐视频的需求天然契合。H3 Move 呈现的是基座视频模型与垂直应用结合的一条路径:靠基础模型的多模态生成能力打底,再围绕音乐内容加入场景优化、编辑功能和内容保护机制,而不是让应用方从零解决生成质量问题。

商业化与合规被单独处理。Visuals 采用独立的付费积分体系,视频与图片生成消耗 Visual credits,与歌曲生成积分分开计费。内容保护方面,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,并在生成内容对外分享前嵌入水印。据 Suno 官网披露,已有超过 1 亿人使用其平台创作音乐。

需要说明来源属性:量子位标注该文由 MiniMax 提供、获授权转载,观点归原作者所有。因此文中产品细节与高管表态均来自 MiniMax 与 Suno 一方口径,Suno 尚未公布 Visuals 的定价档位、开放地区与生成排队情况,这些才是判断它能否被普通用户真正用起来的关键。

为什么重要

这是开源基座模型被海外头部应用直接采用的典型案例,说明中国视频模型的竞争力正从参数指标转向被集成进商业产品。对 Suno 而言,视频能力也把竞争面从音乐生成扩展到短视频创作工具。

微博邮件

SunoMiniMaxVideo Generation
返回实时消息

附近消息

全部