11月20日,美国AI音乐平台Suno宣布,其视觉创作工具Visuals已经上线,视频和图像生成被纳入音乐创作流程。
Suno介绍,Visuals背后采用的模型名为H3 Move,它基于中国AI公司MiniMax的开源视频模型H3开发,并针对音乐创作场景进行了调优。
Suno首席产品官Jack Brody表示,团队利用自有数据优化了这一开源模型,使其更符合音乐视频制作需要。MiniMax H3提供底层能力,Suno负责音乐场景适配和产品整合,把歌曲创作、画面生成和人物口型同步放到同一个流程中。
按照Suno的说明,Visuals生成的视频可以呼应歌曲结构和歌词,并支持演唱口型同步。用户既能选择平台原创角色,也能上传参考图片,再结合音乐和文字提示,生成最长15秒的视频片段;之后可通过时间轴延长、编排和编辑片段。该工具还支持制作歌词视频和专辑封面,用户可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拓展产品的重要方向,但此前生成速度偏慢、成本较高,普通用户使用受到限制。Brody认为,视频模型在速度、成本和质量方面,已经能够支撑面向普通用户的视频创作服务。
作为H3 Move的基础模型,MiniMax H3在今年8月开放模型权重,允许企业和开发者在其基础上部署、微调和定制。H3可统一理解由文本、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。
从此次Suno的产品形态看,跨模态能力与音乐视频创作需求较为契合。H3 Move体现出基座视频模型与垂直应用结合的一种方式: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。
内容保护方面,Suno称Visuals设置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加以限制,并会在生成内容对外分享前嵌入水印。Suno官网披露,已有超过1亿人使用其平台创作音乐。











