美国 AI 音乐平台 Suno 发布视觉创作工具 Visuals,可生成带口型同步的 15 秒音乐视频。其模型 H3 Move 基于 MiniMax 开源视频模型 H3 打造,意味着中国基座模型正进入海外垂直应用。

美国 AI 音乐平台 Suno 宣布推出视觉创作工具 Visuals,把视频和图像生成引入音乐创作流程。Suno 官方披露,Visuals 所用模型名为 H3 Move,基于中国 AI 公司 MiniMax 的开源视频模型 H3 打造,并针对音乐创作场景做了调优。

Suno 首席产品官 Jack Brody 表示,团队用自有数据对这款开源模型进行了优化,使其更适合音乐视频制作。MiniMax H3 提供底层基础,Suno 负责音乐场景适配与产品整合,把歌曲创作、画面生成和人物口型同步放进同一条创作链路。
据 Suno 介绍,Visuals 生成的视频能呼应歌曲结构和歌词,并支持演唱口型同步。用户可选用平台提供的原创角色,或上传参考图片,结合音乐与文字提示生成最长 15 秒的视频片段,再通过时间轴延长、编排和编辑。此外还能制作歌词视频和专辑封面,自定义歌词字体与颜色,并按发布需求选择画面比例。

视频创作一直是 Suno 产品拓展的方向,但过去生成慢、成本高,普通用户难以使用。Brody 称,视频模型在速度、成本和质量上已具备向普通用户开放的条件。
作为 H3 Move 的基础模型,MiniMax H3 于今年 8 月开放模型权重,支持企业和开发者在其上部署、微调与定制。H3 能统一理解文本、图像、视频和音频构成的上下文,生成带原生立体声音频的视频,最高支持 2K 分辨率和 15 秒时长。
放到 Suno 这次的产品形态里看,这类跨模态能力与音乐视频的创作需求天然契合。H3 Move 展示了基座视频模型与垂直应用结合的一条路径:以多模态生成能力为底,再围绕音乐内容加入场景优化、编辑功能和内容保护机制。

Visuals 采用独立的付费积分体系,视频和图片生成消耗 Visual credits,与歌曲生成积分分开计费。
内容保护方面,Suno 表示 Visuals 加入了文本与视觉过滤机制,对特定艺人、公众人物形象及受版权保护内容设置限制,并在生成内容对外分享前嵌入水印。据 Suno 官网披露,其平台创作音乐的用户已超过 1 亿。
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断