Nền tảng sáng tạo video AI PixTV đã tích hợp MiniMax H3 Image, mô hình tạo ảnh vừa được MiniMax mở mã nguồn. Trên canvas vô hạn của PixTV, người dùng có thể gọi trực tiếp mô hình này để tạo ảnh tĩnh 4K, rồi chuyển ảnh cho mô hình video trên cùng canvas để làm tiếp.
H3 Image do MiniMax (Hy Vũ Khoa Kỹ) công bố vào ngày 10 tháng 11 cùng với trọng số mở. Theo hãng, mô hình tạo một ảnh 4096×4096, khoảng 16 triệu điểm ảnh, trong chừng 10 giây, hỗ trợ tối đa 16 ảnh tham chiếu, và gộp tạo ảnh từ văn bản, tham chiếu ảnh và chỉnh sửa ảnh vào một mô hình duy nhất. PixTV trước đó đã đưa mô hình video MiniMax H3 lên nền tảng; lần này bổ sung nửa còn lại là ảnh, nên ảnh và video của dòng H3 được nối liền trong cùng một nền tảng.
“Chốt ảnh trước, rồi cho nó chuyển động” trên một canvas
Phần lớn người làm phim ngắn bằng AI đã quen quy trình hai bước: chốt ảnh tĩnh của nhân vật, bối cảnh, đạo cụ, kiểm tra tạo hình ổn rồi mới dùng ảnh đó để tạo video. Làm tách rời gây phiền ở chỗ phải xuất nhập qua lại, và đổi mô hình thì phong cách bị đứt đoạn.
Cách làm của PixTV là đặt các mô hình ảnh, video, âm thanh lên cùng một canvas vô hạn, các nút nối với nhau bằng đường dẫn trực tiếp. Ảnh dựng nhân vật 4K do H3 Image tạo ra có thể kéo thẳng sang mô hình video H3 làm khung hình đầu hoặc ảnh tham chiếu, cũng có thể nối sang Seedance, Kling và các mô hình video khác trên nền tảng để so sánh. Canvas còn có các công cụ như phân cảnh AI, video từ mô hình trắng và nhân bản video, nên cả chuỗi công đoạn không cần rời trình duyệt.
Hai mô hình cùng dòng H3 cũng có mối liên hệ về kỹ thuật. Theo model card trên Hugging Face, bộ mã hóa văn bản của H3 Image dùng nguyên bộ mã hóa Qwen3-VL của mô hình video H3, không chỉnh sửa. Cùng một câu prompt được “đọc” ra gần nhau hơn ở cả hai phía, về lý thuyết giúp giảm lệch phong cách khi chuyển từ ảnh sang video. Hiệu quả thực tế còn tùy từng cảnh quay; hiện chưa có so sánh hệ thống từ bên thứ ba.
Ảnh tĩnh 4K giúp ích gì cho video
Độ phân giải đầu ra của mô hình video thường thấp hơn 4K, API của mô hình video H3 tối đa là 2K. Tạo ảnh tĩnh ở 4K nghe có vẻ “thừa”, nhưng thực tế có ba công dụng:
- Dư địa cắt khung: từ một ảnh 4096×4096 có thể cắt ra nhiều vùng 16:9 làm khung hình đầu cho các cảnh khác nhau, chi tiết nhân vật và bối cảnh vẫn đủ dùng;
- Khổ siêu rộng: H3 Image hỗ trợ xuất thẳng 21:9 ở 6272×2688, phù hợp làm đoạn mở đầu, banner và cảnh thiết lập mang chất điện ảnh;
- Nhất quán nhờ nhiều ảnh tham chiếu: đọc tối đa 16 ảnh tham chiếu một lần, có thể đưa cùng lúc ảnh ba góc nhìn nhân vật, chi tiết trang phục và ảnh không khí bối cảnh, giúp ảnh dựng của nhiều cảnh quay đồng nhất.
Giá và cách dùng còn tùy cách tính của nền tảng
Giá API tham khảo do MiniMax công bố là khoảng 0,069 USD mỗi ảnh bản tiêu chuẩn 4K, và tuần đầu giảm một nửa cho các yêu cầu từ 4K trở lên. Cách PixTV tính phí, cũng như mỗi gói hội viên gồm bao nhiêu lượt gọi H3 Image, hiện chưa được liệt kê trên trang công khai của nền tảng; hãy lấy hiển thị thực tế sau khi đăng nhập làm chuẩn.
Với những nhà sáng tạo đã dùng PixTV để làm phim ngắn và quảng cáo, thay đổi trực tiếp nhất của công đoạn mới này là không còn phải sang nơi khác để tạo ảnh dựng nhân vật. Với người chưa từng dùng công cụ video AI, có thể bắt đầu bằng việc tạo một ảnh 4K với H3 Image, rồi trên canvas PixTV nối ảnh vào nút video để xem một ảnh tĩnh biến thành cảnh quay dài vài giây ra sao. Với nhu cầu thiên về ảnh sản phẩm thương mại điện tử, PixPix cũng đã ra mắt H3 Image.
Nguồn tham khảo: blog chính thức của MiniMax, CocoLoop, model card trên Hugging Face, trang nền tảng PixTV; đã đối chiếu độ phân giải của H3 Image, giới hạn ảnh tham chiếu và nguồn gốc bộ mã hóa văn bản; đơn giá API theo công bố chính thức.