
近期,美国 AI 音乐平台 Suno 宣布推出视觉创作工具 Visuals,将视频和图像生成引入音乐创作流程。

Suno 官方披露,Visuals 采用的模型名为 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调优。
Suno 首席产品官 Jack Brody 表示,Suno 团队使用自己的数据对这一开源模型进行了优化,使其更适合音乐视频制作。
MiniMax H3 提供底层模型基础,Suno 则在此基础上进行音乐场景适配和产品整合,将歌曲创作、画面生成与人物口型同步纳入同一创作流程。
据 Suno 介绍,Visuals 生成的视频能够呼应歌曲结构和歌词,并支持演唱口型同步。
用户可以选择平台提供的原创角色,或上传参考图片,结合音乐和文字提示生成最长 15 秒的视频片段,再通过时间轴延长、编排和编辑片段。
此外,用户还可以制作歌词视频和专辑封面,自定义歌词字体与颜色,并根据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,但过去生成速度较慢、成本较高,限制了普通用户的使用。
Brody 表示,视频模型在速度、成本和质量上已具备向普通用户提供视频创作服务的条件。
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基础上开展部署、微调和定制。
H3 能够统一理解文本、图像、视频和音频构成的上下文,生成带有原生立体声音频的视频,最高支持 2K 分辨率和 15 秒时长。
结合此次 Suno 的创新产品形态看,这类跨模态能力与音乐视频的创作需求天然契合。
H3 Move 呈现了基座视频模型与垂直应用结合的一种路径,以基础模型的多模态生成能力为支撑,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。
在内容保护方面,Suno 表示,Visuals 加入了文本与视觉过滤机制,针对特定艺人、公众人物形象及受版权保护内容设置限制,并将在生成内容对外分享前嵌入水印。
据 Suno 官网披露,已有超过 1 亿人使用其平台创作音乐。
云头条声明:如以上内容有误或侵犯到你公司、机构、单位或个人权益,请联系我们说明理由,我们会配合,无条件删除处理。

