今天是怎么啦？minimax的海螺H3居然要开源了。

这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。

minimax在多模态方面，还是有心得的。尤其声音方面，做的非常好，是商用级别的。这还是一个全模态模型。

根据已经提前拿到权重的人透露，这个模型在3060上就能非常缓慢的跑起来。如果后面再加上社区优化，很可能在高级一点的消费级显卡上就能跑了。

这样，你就拥有了一个本地的，支持文本、图像、视频、音频的模型。简直不可思议。