AI视频行业近况更新20260805

会议总结 \n 本次会议聚焦于AI视频行业的最新进展，重点分析了MiniMax（海螺）H3模型与字节跳动旗下C站（即豆包/火山引擎）2.5模型在同一天发布后的市场定位、技术对比与实测效果。核心结论如下： \n 1. 同一天发布，但属于错位竞争 \n \n 7月31日，MiniMax H3与C站2.5同时宣布公开测试，但两者定位不同，并非直接竞争。 \n H3对标的是C站2.0，主打性价比与开源生态；C站2.5对标的是高端影视创作，强调专业控制力与长视频生成能力。 \n \n 2. H3的核心优势：性价比极高与开源生态 \n \n H3的画质可达原生2K，但其价格仅为市场主流模型的三分之一以下，近期活动价甚至低至一两毛钱一秒。 \n 8月3日，H3宣布开源，这是首次有第一梯队的视频模型主动开源，意义堪比DeepSeek R1在春节期间的影响。开源后，普通创作者甚至可在本地部署（推荐5090显卡，3060亦可运行），极大地降低了使用门槛。 \n 实测效果：H3在广告片、UI设计、产品展示等场景表现出色，文字生成准确（尤其是片头文字），但背景音乐、画风多元性以及对提示词的理解深度略逊于C站2.0。 \n \n 3. C站2.5的核心优势：专业影视级控制力 \n \n C站2.5是业内唯一能单次生成30秒视频的模型，对专业创作者而言，工作量显著减少，并能更好地控制节奏与情绪渲染。 \n 多参考素材输入：支持上传最多50个参考素材（30张图、10个视频、10个音频），可有效解决AI视频“千人一面”的问题，提升角色一致性。 \n 精准视频编辑：支持局部修改，无需推倒重来，对广告片和影视级场景意义重大。 \n 3D白膜渲染：支持接入玛雅、Blender等传统3D软件，由AI完成渲染，可大幅节约游戏与影视特效的制作成本。 \n 实测效果：在打斗场景、动作片、风光纪录片、游戏CG等方向表现优异，节奏把控和物理还原度明显优于2.0版本，但抽卡随机性依然存在。 \n \n 4. 市场格局展望 \n \n C站凭借2.0版本已占据该视频工具80%以上的C端市场份额，2.5版本进一步向上拓展专业影视市场。 \n H3通过开源策略，正在抢占短剧工作室和个人创作者的自部署市场，营造创作者生态。 \n 其他大厂也在内测各自的模型，市场竞争将进一步加剧。 \n \n 会议实录 \n 主持人开场 \n 各位投资者大家晚上好，欢迎大家参加我们今天晚上的这场电话会议。近期AI多模态行业有一系列进展和变化，包括CS2.5（即C站2.5）的发布、MiniMax海螺H3的发布等。今天晚上我们想利用这个机会，邀请到相关专家，为我们分享多模态产业的最新进展。专家本身也是一位创作者，他会从创作者的角度，为我们进行大量的产品对比和案例演示。下面我们有请专家。 \n 专家自我介绍 \n 大家好，我今天是来给大家分享关于最近发布的MiniMax H3和C站2.5的一些观点。 \n 我是国内多家AI视频平台的超级创作者，同时也是海螺的超级创作者。我从2023年开始就一直在关注AI应用，2024年Sora出来以后，我基本上把市场上所有AI视频工具都亲自尝试过。我的AI视频作品也获得过一些国家级的荣誉。 \n 发布背景 \n 7月31日，MiniMax H3和C站2.5同时宣布公开测试。这个时间点很有意思，因为同一天OpenAI的GPT也将Luma降价了，同时还发布了V4 Flash模型。同一天语言大模型和视频大模型同时发布，我觉得非常有对照意义。 \n C站2.5在几周前就预告过，但一直等到7月31日才上线。MiniMax H3也在上海WAIC大会上就开始宣传了。我觉得这个时间点可能双方都有所思量。 \n 核心观点：错位竞争 \n 很多人认为这两家在同一天发布是在争抢同一个市场，但我个人认为它们不是同一个竞争区间。C站2.5是在C站2.0已经占据视频工具80%以上使用份额的基础上，向低端商品化和高端影视化方向同时尝试。 而MiniMax H3这次发布有一个非常重要的热点——8月3日宣布开源，且实际做到了。 \n 如果H3没有宣布开源，它造成的轰动效应不会这么大。因为开源带来的影响是系列性的，这是首次有第一梯队的视频模型主动开源，类似于DeepSeek R1在春节时发布的情况。以往视频模型领先的都是闭源模型，虽然国外有Lot Tx Studio、国内阿里有开源，但都不是最新版本。 \n 实测对比：H3 vs C站2.0 \n 我花了一些时间进行实测，核心结论是：H3对标的是C站2.0，而不是2.5。 \n 我做了36条15秒的实测，输入完全相同的提示词，主要测试了超强镜头趋势、动作与情绪、对白与环境音、经典影视美学等维度。 \n H3的特点： \n \n 画质可达2K（通过768P再渲染实现，但效果接近原生），价格约为市场主流模型的三分之一 \n 近期活动价可以做到一两毛钱一秒 \n 在广告片、UI设计、产品展示等场景表现出色，文字生成准确 \n 但背景音乐、画风多元性以及对提示词的理解深度略逊于C站2.0 \n \n C站2.0的特点： \n \n 镜头语言更聪明，对提示词的理解能力更强 \n 运镜更巧妙，背景音乐渲染更好 \n 但存在“千人一面”的问题（人脸趋同） \n \n H3的优势场景 \n 我实测后认为H3有几个非常有意思的优势点： \n \n 广告制作 \n \n ：输入一张图片即可生成广告，效果非常好。例如，模仿苹果发布会风格做白菜广告视频，很有感觉。 \n \n 文字识别 \n \n ：在片头文字生成上比较准确，推测是进行了分层技术处理。 \n \n UI设计 \n \n ：能够完全按照图片参考生成UI版式设计，动态展示效果很好。 \n \n 产品展示 \n \n ：纯文字提示即可生成高质量产品广告。 \n \n 游戏场景 \n \n ：第一人称模拟游戏场景，画质很高。 \n C站2.5的优势与升级 \n C站2.5对比2.0有几个重要提升： \n 第一，单次生成30秒视频。 这是业内唯一能做到的，其他模型最长只能生成15秒。对普通创作者来说，工作量明显减少；对专业创作者来说，可以更好地控制节奏和情绪渲染。 \n 第二，多参考素材输入。 支持最多50个参考素材（30张图、10个视频、10个音频），可以有效解决“千人一面”的问题，让不同场景的角色保持一致性。 \n 第三，精准视频编辑。 支持局部修改，无需推倒重来。例如某个配角的脸生成错了，可以精准修改。这对广告片和影视级场景非常重要。 \n 第四，3D白膜渲染。 支持接入玛雅、Blender等传统3D软件，由AI完成渲染，可大幅节约游戏与影视特效的制作成本。 \n 实测效果： \n \n 打斗场景的节奏把控明显更好，懂得用慢镜头，物理还原度更高 \n 动作片场景的刀剑互劈，不会再出现穿模 \n 风光纪录片可以做到一镜到底，尺度感接近真实 \n 但抽卡随机性依然存在，相同的提示词可能生成完全不同的效果 \n \n 市场格局展望 \n H3主打性价比和开源，正在抢占短剧工作室和个人创作者的自部署市场。H3是第一个可以本地部署的第一梯队视频模型，推荐5090显卡，3060也可运行。 \n C站2.5则针对专业影视创作，通过多参考素材、精准编辑和3D白膜渲染，向专业影视市场拓展。 \n 我认为H3最主要的聪明之处在于开源，以营造创作者生态。单纯从效果上看，它对标的是2.0，无法直接与2.5竞争。 \n 总结 \n \n H3：性价比极高，开源生态，广告制作和UI设计表现出色 \n C站2.5：专业影视级控制力，长视频生成，精准编辑，3D渲染 \n 两者定位不同，属于错位竞争 \n \n 以上是我的分享，谢谢大家。