H3 这次最该盯的是双声道，15 秒和 2K 反倒是次要的。
时长、分辨率这两年各家一直往上抬，属于常规军备竞赛，2K 这种出片后拉一遍超分也能凑到。双声道不一样：现在多数视频模型要么不出声，要么贴一条单声道环境音，双声道等于声和画得在同一套生成逻辑里对齐，左右声道还要跟画面里物体的位置对上，对不上听着比没声音还别扭。MiniMax 明显是冲着通用视频模型去的，可这块做得行不行，光看发布信息判断不了。我的办法是戴耳机，找同一条片子里东西从左往右移动的段落听，声像跟不跟得住一听就知道。
所以我心里的排序是：音频 > 时长 > 2K，前两个才是硬骨头。