MiniMax 这次的 H3 是奔着通用视频模型去的，公布的能力里我只盯了三个字段：最高 15 秒、2K、双声道。
前两个属于常规军备竞赛，时长和分辨率这两年一直在往上抬，没什么好惊讶的。真正有点意思的是双声道。大部分视频模型要么不出声，要么给你贴一条单声道环境音上去，双声道意味着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得上，不然听着比没声音更别扭。这块做得行不行，光看发布信息判断不了，得戴耳机听同一条片子里东西从左往右移动的时候，声像跟不跟得住。
2K 我反而没那么在意，出片之后拉一遍超分也能凑到，时长和音频才是硬骨头。
双声道这点确实少见，之前大多是后期硬贴配音