New H3 "Max" 3-Second Gens VS Local H3 Turbo

Bienvenue sur la chaîne Matt Vid Pro. L'IA de génération vidéo Open Weight H3 Mini Max a récemment fait une entrée remarquée. Il y a peu, Fall AI a lancé H3 Max, un nouveau modèle vidéo post-entraîné par Fall Research, capable de générer des vidéos plus rapidement que le temps nécessaire pour taper une requête. Des générations vidéo simples de 5 secondes, comme celle-ci, sont réalisées en moins de 3 secondes, voire 2,5 secondes pour certains clips. L'auteur a généré des centaines de clips H3 localement sur sa propre machine. Bien qu'il ne parvienne pas à des générations de 3 secondes avec une qualité strictement comparable, il a réduit les temps d'attente de plusieurs minutes à environ 80 secondes par génération. Cela amène à se demander si le nouveau H3 Max ou les générations H3 locales sont les plus pertinents, et quels flux de travail locaux H3 valent la peine. Pour tester, une animation d'un homme faisant du claquettes a été utilisée. La génération locale, réalisée en environ 90 secondes, présente un bon alignement sonore avec les mouvements des pieds et une consistance des flammes sur les pieds, bien que la résolution ne soit pas la plus élevée. La version H3 Max, malgré une résolution techniquement plus élevée, a montré une qualité globale légèrement inférieure, avec un aspect moins ressemblant à du claquettes et une perte de qualité dans les flammes et le jeu de jambes. Le son n'était pas aussi bien synchronisé. La génération locale a donc remporté ce premier test. Un autre test concernait un ballon d'eau qui éclate. La génération locale a produit des effets sonores intéressants, mais le comportement physique du ballon et de l'eau était étrange, ressemblant à un mélange de ballon à l'hélium et de fontaine à eau. H3 Max a montré moins de détails sur l'eau, ce qui est logique compte tenu de sa rapidité de génération, mais l'explosion du ballon était plus réaliste, suggérant une meilleure compréhension de la physique. H3 Max a remporté ce test. Pour un gorille argenté animé préparant un sauté, la génération locale a été phénoménale dans la procédure de cuisson et l'éclairage, mais a souffert de problèmes vers la fin, avec une assiette qui grandit et de la nourriture qui apparaît magiquement. Un couteau s'est également transformé en baguettes. H3 Max a rencontré des problèmes similaires, bien que le gorille lui-même soit très bien rendu. Moins d'effets de flammes éclairant son visage et la transformation du couteau en baguettes étaient également présents, ainsi que de la nourriture déjà servie. Ce test était beaucoup plus serré, avec une légère préférence pour la génération locale. Un test de "usine de dioramas fabriquant des petites fermes" a mis en avant le détail. La génération locale a bien rendu les machines de l'usine et les éléments de diorama, malgré des problèmes de morphing. La ferme elle-même présentait quelques défauts mais était globalement acceptable pour une génération locale rapide. H3 Max a produit une ferme plus cohérente avec une utilisation plus efficace des détails, mais semblait plus basique, évoquant un modèle de type Google VEO. Ce test était également considéré comme une victoire pour H3 Max par beaucoup. Un crabe avec un jetpack essayant d'échapper à des mouettes a été testé. La génération locale a bien rendu le crabe et le jetpack, malgré un fonctionnement imparfait de ce dernier et la fuite des oiseaux. H3 Max était moins immersif et présentait moins de détails dans les zones exigeantes, comme des plans de type GoPro, bien que les deux générations soient assez floues. Le jetpack de H3 Max ne disparaissait pas, ce qui était un point positif. Les deux étaient très similaires, avec une préférence personnelle pour l'absence du bâton de caméra GoPro dans le champ. L'un des problèmes majeurs de H3 est la mauvaise gestion de la parole. Même avec des prompts spécifiques, les résultats sont souvent incohérents. Des tentatives avec des prompts de type "Gordon Ramsay interdimensionnel" ont donné de meilleurs résultats en termes de parole, reproduisant même de manière convaincante la voix de certaines personnalités, mais restaient imparfaites. Des erreurs typiques de génération vidéo, comme des dialogues répétés ou des réactions simultanées, étaient présentes. H3 Max est un générateur vidéo compétent, surtout vu sa vitesse et son prix. Cependant, la configuration locale est également impressionnante, avec des temps de génération gratuits (hors électricité et temps GPU) et une qualité très compétitive, voire parfois supérieure à H3 Max. Un point étrange concernant H3 Max est qu'il s'agit d'une version post-entraînée par Fall Research, qui la distribue via son API payante, alors que H3 a été initialement publié en open weight. Cela a déçu une partie de la communauté qui espérait pouvoir l'exécuter sur ses propres GPU. Fall AI n'a peut-être pas pu le rendre open source en raison de licences restrictives de Minimax. De plus, les benchmarks présentés par Fall AI, plaçant H3 Max au sommet devant des modèles comme Minimax H3 et WaN 3.0, sont contestés par l'auteur, qui utilise ces outils régulièrement et ne constate pas une telle supériorité par rapport à des modèles comme SeeDance 2.5. Le prix de H3 Max via l'API Fall AI est abordable, surtout