MiniMax H3: 打破任务与模态界限的开源多模态生成模型
MiniMax 发布通用多模态生成模型 H3，支持文本、图像、视频和音频的统一理解与生成。H3 可生成原生立体声的 2K 分辨率视频，具备优异的指令遵循和精准编辑能力，并计划近期开源模型权重，旨在打破任务边界，降低成本，加速商业化内容创作。
相关文档
MiniMax H3 官方 Skills 上手指南
MiniMax H3 开源系统通过封装9个开箱即用的官方技能，将专业视频制作流程产品化。核心技能h3-prompt-writing负责将多模态需求转化为标准提示词，另外8个风格技能则覆盖极简广告、3D动画、定格科普等特定场景，拆解了导演级的工作流。实测表明，技能能大幅降低提示词编写门槛，且推荐使用云端部署，单条视频成本仅约0.6元。
如何评价MiniMax最近发布的H3模型？
本文从AI视频创作者视角评测MiniMax发布的H3模型。通过36条实测视频，分析了H3在镜头叙事、微表情、音画同步及2K重拍等方面的表现。文章解读了H3的技术架构，指出其具备“执行导演”机制和音画同生能力，且成本低廉。最后探讨了开源对行业竞争及创作者的影响。
从灵感到成片仅需四步：一套AI趣味短片高效制作流程
作者分享了一套制作AI趣味短片的高效流程：只需一张角色参考图，借助全能参考模式（Seedance 2.0/2.5、Minimax H3等主流模型）即可生成视频。具体四步为：制作角色图、借助AI改写提示词、选择主流视频模型生成、后期剪辑（配乐、调色、变速裁剪）。文章还介绍了账号运营策略，如打造系列内容或提示词账号，以及变现方式，包括平台播放收益、创作者活动、教程商单和广告植入等。
Codex直出，开源一个手绘风视频Skill，让长文一键转视频！
万象AI实验室开源了一个手绘白板风格视频生成Skill，可在Codex中把长文自动转为讲解视频。基于HyperFrames插件，工作流程包括：自动拆分文章为2-6个镜头、生成白底黑线手绘稿、通过HTML叠加渲染文字标注、使用Mac内置语音配音、虚拟马克笔逐步揭示画面并渲染成视频。整个过程无需额外API，十几分钟即可完成，适合信息密度高的技术科普和分析文章，不适合叙事性强的内容。已在GitHub开源，安装简单，配音可替换为个人音色定制专属Skill。
这个封装了我 3 年实测经验的 AI 提示语案例网站，今天正式免费开放
作者开源了维护三年的AI提示语案例库，并建立了GoodCase.ai网站，旨在提供经过验证、持续迭代的案例库。文章详细介绍了对Seedance 2.0 Fast、MiniMax H3、Wan 3.0三个视频生成模型的横测过程，涵盖多素材参考生视频、文生视频、真人视频等场景，对比了各模型在动作连贯性、人脸稳定性、物理效果等方面的表现，并分享了提示语编写经验。
Codex 口播视频 Skill 开源发布
作者开源了两个基于 Codex 的口播视频 Skill，分别是 9:16 竖屏数字人口播和 16:9 产品演示加数字人画中画。工作流整合了脚本、配音、剪映换音色、数字人生成等功能，重点解决了跨语言口音和“AI 味”问题。
如何把一篇文章生成视频实现一鱼多吃？
文章介绍了 Kanvis Article to Video v0.3.0 的更新，该工具通过建立“三模一核”模型，支持真人增强、无脸视觉和数字人三种模式，帮助知识IP和文字创作者高效将文章转化为视频，解决了制作门槛高、流程繁琐等痛点。
DeepSeek新论文解读：用“手指着图片思考”的多模态推理框架
DeepSeek发布新论文，提出一种名为“视觉原语”的多模态推理框架。不同于业界卷分辨率的趋势，该模型通过在思维链中嵌入边界框和坐标点，模拟人类用手指着图片思考的过程，有效解决了语言在空间指代上的局限。DeepSeek-ViT配合LLM将视觉Token压缩至竞品的十分之一，但在空间推理、计数和迷宫导航等任务上性能超越GPT-5.4等顶尖模型。
AI 视频情报站开放 MCP，接上 Claude、Codex 每天替你找新选题
作者宣布其 AI 视频情报站正式开放 MCP 接口，支持 Claude Code、Codex 等 Agent 直接接入查询。文章介绍了接入方法（一条命令即可），并展示了几种典型用法：每天早上让 Agent 查询新起和升温的视频题材、查询某个题材的来源和时间线、追踪特定 AI 模型的动态，以及将情报站接入自己的工作流（如自动生成选题卡、晨会材料等）。情报站每天早上更新一期，提供题材归类、X 热议、开源项目、题材溯源等数据，同时说明了查询范围限制。不接 MCP 也可通过网页或开源版自行部署使用。
数字人工作流Skills免费开源：全自动制作直播间广告教程
作者开源了一套耗时数周、花费数千美金打磨的数字人制作工作流Skills。只需一张照片和一句话指令，即可全自动生成数字人直播间带货广告，包括脸、声音、直播间、花字、价格动画等全部由AI完成。文章详细介绍了九大步骤：接入Renoise MCP工具、合成场景图、AI推荐风格、切分稿件、先报价拍首段、whisper回听与抽帧质检、拆解25支头部博主视频提炼的48个包装组件、三层景深字效果、以及过渡帧检查。成片成本仅482积分，替代了传统主播、灯光、场地、剪辑师的制作流程。
AI视频生成实战：30秒奇幻机关剧场片头提示词开源
作者分享团队过去一年研究市面上主流AI视频模型的经验，涵盖物理运镜控制、光影材质一致性和多模型协同的工业化分镜工作流。他们认为技术壁垒正迅速瓦解，未来制作的真正门槛在于叙事野心、分镜审美与思考深度，因此决定开源团队实战打磨的技巧与核心Prompt。文章附上一个30秒、16:9横版、音画同步的原创奇幻机关剧场片头的完整提示词，详细描述了朱红版画、幽蓝巨物、金箔机关三种美术段落的分镜设计、运镜手法与128BPM原创配乐方案。
商单内耗终结者：开源「商单 Skill」+ EverOS，经验永久复用
作者针对商单博主接单时反复从零开始的内耗问题，开源了一套「商单 Skill」工作流，配合 EverOS 记忆工具使用。方案分三步：将过往 Brief、交付稿件、踩坑复盘入库转为可检索记忆；自动沉淀 SOP 与可复用流程；新单先由 AI 拆解需求、调取历史爆款套路，再动笔成稿。改稿经验也会永久存档，帮助提前规避品牌禁词、法务审核等雷区。所有经验本地或云端存储，工具负责记忆，人负责决策。附赠动笔核对清单，实现「记录→提炼→检索→回存」的经验复用闭环。
