美国AI音乐平台Suno于11月17日上线视觉创作工具Visuals,把图像和视频生成纳入音乐创作流程。
这项功能采用的H3 Move模型以中国公司MiniMax的H3为基础,Suno用自己的数据进行后训练和适配。视频另设付费积分,与音乐生成积分分开收费。
从歌曲到画面,视频另行计费
Visuals允许用户选择平台提供的原创角色,或上传参考图片,让视频沿用指定人物的形象。画面能够呼应歌曲结构和歌词,并支持演唱口型同步。
用户结合音乐和文字提示词,可以生成最长15秒的片段,再通过时间轴延长、编排和编辑。歌词视频、专辑封面也在这项工具的使用范围内。字幕字体、颜色和画面比例可以继续调整。
11月18日披露的定价方案包括单买视频积分和订阅套餐,各档积分对应的生成时长如下。剪辑和重复生成还会消耗资源,这些时长并非最终成片时长的保证。
| 方式 | 费用(美元) | 视频积分 | 约可生成时长 |
|---|---|---|---|
| 单买积分 | 14.99 | 2500 | 标准模式75秒 |
| 订阅套餐 | 每月120 | 2万 | 11分钟 |
数据:Suno定价页面,11月18日公开报道所载
Suno表示,涉及特定艺人、公众人物和受版权保护作品的输入及生成内容会接受过滤,作品向平台外分享前会加入嵌入式水印。首席产品官杰克·布罗迪对媒体说,一些在其他视频平台可用的提示词,在Suno上不起作用。
H3开放了哪些能力
MiniMax公开技术文档将H3描述为可处理文字、图像、视频和声音的生成系统,能够输出带原生立体声的视频,最高分辨率为2K。它的基础模型联合预测视频和音频的内部表示,再分别解码为画面和立体声音频。
完整H3系统包含输入整理、基础音视频生成、2K重生成三个模块。输入整理模块负责理解各类参考材料之间的关系,将其转换为基础模型可用的表示;2K模块则将768p画面与原始输入一起送回H3,重新生成2K画面。
MiniMax开放了基础模型的完整权重,供开发者继续开发和微调。本地验证流程只部署基础模型,输出768p画面;完整2K验证流程还需结合官方API。输入整理模块依赖多个托管模型和服务,未纳入这次开放,2K重生成模块也尚未开放。
MiniMax还说明,托管的输入整理流程会自动审核用户提交的文字、图像、视频和增强后的提示词,疑似违法、色情或侵犯第三方权利的内容可能被拦截。公司承认,这些过滤措施仍可能误判或漏判。
茉莉花观察
这一节是茉莉花的看法,依据是上文的事实。
H3的公开权重让别的开发者也能继续微调,Suno这次收取视频费的竞争力,更多要靠自有数据适配,以及歌曲、角色、字幕的整套编辑流程。它把同一首歌的后续制作留在站内,争取的是已有音乐用户的第二笔创作开支。
图片:Cerebral Valley / Newcomer Media;摄影师未署名,Mikey Shulman — Cerebral Valley New York(人物资料照),原站版权保留;未声明单独开放许可,本站有改动;活动主办方在Mikey Shulman人物页发布的Suno联合创始人兼首席执行官资料照;页面关联2024年6月27日纽约活动,不表示2026年产品发布现场



