MiniMax、H3マルチモーダルモデルを発表、15秒間の2Kオーディオビジュアル生成コストを業界標準の3分の1以下に削減
MiniMaxは、テキスト、画像、動画、音声を理解し生成する汎用マルチモーダル生成モデル「MiniMax H3」を正式に発表した。動画生成におけるタスクとモーダリティの歴史的な隔たりを埋めることで、このリリースは専門ツールから多機能なオールインワンアシスタントへの重要な転換点を示している。
公式仕様によると、H3はネイティブに双チャンネルの音声・動画出力をサポートし、2K解像度のコンテンツを最大15秒間生成可能である。早期の招待制テストでは、指示の遵守、ブランドストーリーテリング、動画から動画への動作転写などの分野において、商業グレードの安定性が確認された。このモデルはすでに広告、eコマース、ゲーム、UIデザインなど多様な分野に導入されている。

技術面において、H3は「コンテクスチュアル・オムニ・レプレゼンテーション」を活用し、自然言語をモーダリティ間の普遍的な接続子として使用する。ユーザーは単純なプロンプトを通じて複雑な相互作用を定義できる。例えば、ある動画から特定のヒッチコック風カメラワークを適用し、別の画像のキャラクターに、音声クリップから曲を歌わせるよう指示するといったケースだ。システムは理解と生成の全連鎖を自動的に処理する。独自開発のH3-VAEとインコンテキスト再生成技術と組み合わせることで、H3は主要競合他社の3分の1未満のコストで2K解像度を実現し、768P出力のコストも半減させるなど、これまでで最もコスト効率の高いソリューションを提供している。
注目すべきは、MiniMaxが適用される法律および規制を遵守しつつ、近日中にH3モデルの重みをオープンソースとして公開する計画である。これは、国内の主要な動画生成モデルが重みを一般公開するのは初めてであり、オープンソースエコシステムの構築と国内チップの適応を加速させるものである。各種の国内プロセッサとの互換性を念頭に設計されたこの動きは、マルチモーダルAIを採用する国内企業にとっての技術的ハードルを大幅に引き下げる。
MiniMaxは、画像の詳細さとモデルの規模に関して、H3にはまだ改善の余地があると認めている。今後のアップデートでは、HシリーズとMシリーズモデル間の機能統合に焦点を当て、スケーリングを通じてパフォーマンスの限界を継続的に押し広げていく予定である。
業界の専門家は、H3のリリースとオープンソースでの利用可能性が、動画生成における長年のクローズドソースモデルの支配を揺るがし、マルチモーダルAIアプリケーションの広範な普及を加速させる可能性があると指摘している。
関連記事
インスティンクトが、非ユーザーを含むグループチャットを含むAIエージェントをリリース
インサイト(Instinct)は、最新の資金調達ラウンドにより100億ドルの評価額を記録したAIエージェントであり、グループチャットへの参入を進めている。同社は月曜日、ユーザーが友人との会話にこのエージェントを追加でき、旅行計画の立案、イベントチケットの確保、ファンタジーリーグの管理、カープールの調整、感謝祭の持ち寄り品の調整などの場面で支援を提供すると発表した。特筆すべきは、友人がインサイトに参加していない場合でも、AIエージェントとのグループチャットが機能すると同社が述べていることである。
世界銀行は新興経済国に対し、大規模モデルを飛び越えて、地域に特化した小規模なツールに注力するよう促している。
世界銀行の最新報告書は、発展途上経済にとっての実践的な道筋を示している。すなわち、人工知能を直ちに行政および商業活動に統合し、既存のソリューションを地域の文脈に合わせて調整することである。大規模なデータセンターや基盤となる言語モデルをめぐる富裕国との高コストな競争に参加する必要はない。膨大なコンピューティングインフラストラクチャへの資源投入よりも、手頃な価格で地域に適応したAIツールの優先的な活用こそが、医療および教育水準の向上に向けたより現実的な道筋を提供する。この指針は、切迫した経済的现实
OpenAIのCEOアルトマン氏、第二の娘の誕生に伴い韓国と日本への訪問をキャンセル
OpenAIのCEOサム・アルトマン氏は最近、第二の娘を出産し、早産だったため、15日に予定されていた韓国および日本への計画された旅行をキャンセルせざるを得ませんでした。業界の観察者たちは、この日程の変更が米政府によるOpenAIへの調査や、新しい大規模言語モデルの間近の発売に関連している可能性があると推測していましたが、最近の発表により、この遅延は単に家族の事情によるものであることが確認され、シリコンバレーにおけるワークライフバランスの強い重視が浮き彫りになりました。元のスケジュールでは、アル
関連特集おすすめ
コメント (0)
0/500
MiniMaxは、テキスト、画像、動画、音声を理解し生成する汎用マルチモーダル生成モデル「MiniMax H3」を正式に発表した。動画生成におけるタスクとモーダリティの歴史的な隔たりを埋めることで、このリリースは専門ツールから多機能なオールインワンアシスタントへの重要な転換点を示している。
公式仕様によると、H3はネイティブに双チャンネルの音声・動画出力をサポートし、2K解像度のコンテンツを最大15秒間生成可能である。早期の招待制テストでは、指示の遵守、ブランドストーリーテリング、動画から動画への動作転写などの分野において、商業グレードの安定性が確認された。このモデルはすでに広告、eコマース、ゲーム、UIデザインなど多様な分野に導入されている。

技術面において、H3は「コンテクスチュアル・オムニ・レプレゼンテーション」を活用し、自然言語をモーダリティ間の普遍的な接続子として使用する。ユーザーは単純なプロンプトを通じて複雑な相互作用を定義できる。例えば、ある動画から特定のヒッチコック風カメラワークを適用し、別の画像のキャラクターに、音声クリップから曲を歌わせるよう指示するといったケースだ。システムは理解と生成の全連鎖を自動的に処理する。独自開発のH3-VAEとインコンテキスト再生成技術と組み合わせることで、H3は主要競合他社の3分の1未満のコストで2K解像度を実現し、768P出力のコストも半減させるなど、これまでで最もコスト効率の高いソリューションを提供している。
注目すべきは、MiniMaxが適用される法律および規制を遵守しつつ、近日中にH3モデルの重みをオープンソースとして公開する計画である。これは、国内の主要な動画生成モデルが重みを一般公開するのは初めてであり、オープンソースエコシステムの構築と国内チップの適応を加速させるものである。各種の国内プロセッサとの互換性を念頭に設計されたこの動きは、マルチモーダルAIを採用する国内企業にとっての技術的ハードルを大幅に引き下げる。
MiniMaxは、画像の詳細さとモデルの規模に関して、H3にはまだ改善の余地があると認めている。今後のアップデートでは、HシリーズとMシリーズモデル間の機能統合に焦点を当て、スケーリングを通じてパフォーマンスの限界を継続的に押し広げていく予定である。
業界の専門家は、H3のリリースとオープンソースでの利用可能性が、動画生成における長年のクローズドソースモデルの支配を揺るがし、マルチモーダルAIアプリケーションの広範な普及を加速させる可能性があると指摘している。
インスティンクトが、非ユーザーを含むグループチャットを含むAIエージェントをリリース
インサイト(Instinct)は、最新の資金調達ラウンドにより100億ドルの評価額を記録したAIエージェントであり、グループチャットへの参入を進めている。同社は月曜日、ユーザーが友人との会話にこのエージェントを追加でき、旅行計画の立案、イベントチケットの確保、ファンタジーリーグの管理、カープールの調整、感謝祭の持ち寄り品の調整などの場面で支援を提供すると発表した。特筆すべきは、友人がインサイトに参加していない場合でも、AIエージェントとのグループチャットが機能すると同社が述べていることである。
世界銀行は新興経済国に対し、大規模モデルを飛び越えて、地域に特化した小規模なツールに注力するよう促している。
世界銀行の最新報告書は、発展途上経済にとっての実践的な道筋を示している。すなわち、人工知能を直ちに行政および商業活動に統合し、既存のソリューションを地域の文脈に合わせて調整することである。大規模なデータセンターや基盤となる言語モデルをめぐる富裕国との高コストな競争に参加する必要はない。膨大なコンピューティングインフラストラクチャへの資源投入よりも、手頃な価格で地域に適応したAIツールの優先的な活用こそが、医療および教育水準の向上に向けたより現実的な道筋を提供する。この指針は、切迫した経済的现实
OpenAIのCEOアルトマン氏、第二の娘の誕生に伴い韓国と日本への訪問をキャンセル
OpenAIのCEOサム・アルトマン氏は最近、第二の娘を出産し、早産だったため、15日に予定されていた韓国および日本への計画された旅行をキャンセルせざるを得ませんでした。業界の観察者たちは、この日程の変更が米政府によるOpenAIへの調査や、新しい大規模言語モデルの間近の発売に関連している可能性があると推測していましたが、最近の発表により、この遅延は単に家族の事情によるものであることが確認され、シリコンバレーにおけるワークライフバランスの強い重視が浮き彫りになりました。元のスケジュールでは、アル





家






