オープンソースのビジュアル大規模モデルがマルチモーダル生成を強化、2K HDオーディオ・ビデオが業界に革命をもたらす見込み

8月3日、AI企業のMiniMaxは、次世代汎用動画モデル「MiniMax H3 」のオープンソース化を発表した。このフルモーダル生成システムは、従来の単一タスクの枠を超え、テキスト、画像、動画、音声といったマルチモーダルな文脈を深く統合・理解することで、強力なタスク汎化能力を発揮する。
生成に関しては、H3は24 FPS、32 kHzステレオオーディオで、4秒から15秒までの出力時間をサポートしている。 ユーザーは、21:9、16:9、4:3、1:1などの一般的なアスペクト比から選択でき、基本的な作成ではデフォルトで短辺が768ピクセルに設定されています。専用の「H3-Regenerate-2K」ソリューションにより、最大2K解像度の鮮明な画像を生成可能です。 多言語対応に関しては、アラビア語、中国語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、スペイン語、ポルトガル語、ロシア語の11の主要言語を確実にサポートしています。
多様なクリエイティブシナリオに対応するため、H3は柔軟なモデルバージョンと豊富な入力オプションを提供します。「H3-Base-FL2VA」ファースト・ラストフレームモードは、0~2枚の画像を受け付け、「テキストから動画」、「最初のフレームから動画」、「最後のフレームから動画」、および「ファースト・ラストフレームのコラボレーション」といったタスクを処理します。 一方、H3-Base-Ref2VAのフルモーダル参照モードは、最大9枚の画像、3つの動画クリップ(合計再生時間15秒未満)、3つの音声セグメント――合計最大12ファイル――の混合入力をサポートしており、プロのクリエイターにこれまでにないきめ細かな制御を提供します。
内部構造において、MiniMax H3システムは3つのコアモジュールで構成されています。まず、H3-Context-IR(コンテキスト中間表現)は、複雑なマルチインストラクションを詳細に分析し、モデルに適した構造に変換することで、高品質な出力を実現するための重要な架け橋としての役割を果たします。 次に、H3-Baseモジュールが768p解像度のベースとなる音声および動画を生成します。最後に、H3-Regenerate-2Kモジュールが、初期結果と元のコンテキストをフィードバックすることで、2Kの超解像再構成を実現します。この組み合わせにより、鮮明なディテールを維持しつつ、視覚的な忠実度を大幅に向上させます。
本モデルは、MiniMax H3コミュニティライセンスの下で正式にリリースされました。開発者や技術愛好家は、Hugging Face を通じて完全なオープンソースコードとリソースにアクセスできます。業界の専門家は、このオープンソース化により、マルチモーダル動画生成の参入障壁がさらに低くなり、映画制作、ビジュアルデザイン、AIインタラクションが新たな高みへと押し上げられると見込んでいます。
関連記事
ClouderaはMistralと提携し、エンタープライズ向けデータソリューションと主権AIを提供する
ClouderaとMistralは、ClouderaのハイブリッドデータおよびAIプラットフォームと、MistralのソブリンAIモデルを統合する。提供:ClouderaClouderaとMistral AIは、カスタマイズ可能な主権AIを企業のデータに直接提供し、ハイブリッド環境全体での安全なAI導入を保証するためのパートナーシップを締結した。米国を拠点とするデータ・AI企業のClouderaと
オンセミ、シナプティクスを70億ドルの株式交換で買収へ エッジAIチップ市場での地位を強化
2月25日、大手半導体メーカーのオンセミ(onsemi)は、エッジAIチップの専門企業であるシナプティクス(Synaptics)を、総額約70億ドル(約476.6億元)の株式交換による取引で買収する意向を発表した。この取引は2027年半ばまでに完了する見込みである。両社の製品ラインは相互補完性が高く、シナジー効果は総額2億ドルに達すると見込まれている。本合意に基づき、Synapticsの既存株主は
ロボットユニコーン、Yushu Technologyが科学技術イノベーション板に進出; 契約時に52,000元、予想発行価格は100元を超える
8月5日、中国を代表するヒューマノイドロボット企業である Autonavi Technology は、9時30分から15時00までの間に、科学技術革新板(STAR Market)において初期のIPO問い合わせを開始した。引受証券会社および主幹事証券会社は同時にオフラインの投資家向けロードショーを実施し、戦略的割当参加者は購付資金の決済を行った。最終発行価格、資格を有する入札者、および割り当てられた株式数は8月6日に確定され、オンラインおよびオフラインでの購付は8月10日に開始し、支払期限は8月1
関連特集おすすめ
コメント (0)
0/500

8月3日、AI企業のMiniMaxは、次世代汎用動画モデル「
生成に関しては、H3は24 FPS、32 kHzステレオオーディオで、4秒から15秒までの出力時間をサポートしている。 ユーザーは、21:9、16:9、4:3、1:1などの一般的なアスペクト比から選択でき、基本的な作成ではデフォルトで短辺が768ピクセルに設定されています。専用の「H3-Regenerate-2K」ソリューションにより、最大2K解像度の鮮明な画像を生成可能です。 多言語対応に関しては、アラビア語、中国語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、スペイン語、ポルトガル語、ロシア語の11の主要言語を確実にサポートしています。
多様なクリエイティブシナリオに対応するため、H3は柔軟なモデルバージョンと豊富な入力オプションを提供します。「H3-Base-FL2VA」ファースト・ラストフレームモードは、0~2枚の画像を受け付け、「テキストから動画」、「最初のフレームから動画」、「最後のフレームから動画」、および「ファースト・ラストフレームのコラボレーション」といったタスクを処理します。 一方、H3-Base-Ref2VAのフルモーダル参照モードは、最大9枚の画像、3つの動画クリップ(合計再生時間15秒未満)、3つの音声セグメント――合計最大12ファイル――の混合入力をサポートしており、プロのクリエイターにこれまでにないきめ細かな制御を提供します。
内部構造において、MiniMax H3システムは3つのコアモジュールで構成されています。まず、H3-Context-IR(コンテキスト中間表現)は、複雑なマルチインストラクションを詳細に分析し、モデルに適した構造に変換することで、高品質な出力を実現するための重要な架け橋としての役割を果たします。 次に、H3-Baseモジュールが768p解像度のベースとなる音声および動画を生成します。最後に、H3-Regenerate-2Kモジュールが、初期結果と元のコンテキストをフィードバックすることで、2Kの超解像再構成を実現します。この組み合わせにより、鮮明なディテールを維持しつつ、視覚的な忠実度を大幅に向上させます。
本モデルは、MiniMax H3コミュニティライセンスの下で正式にリリースされました。開発者や技術愛好家は、
ClouderaはMistralと提携し、エンタープライズ向けデータソリューションと主権AIを提供する
ClouderaとMistralは、ClouderaのハイブリッドデータおよびAIプラットフォームと、MistralのソブリンAIモデルを統合する。提供:ClouderaClouderaとMistral AIは、カスタマイズ可能な主権AIを企業のデータに直接提供し、ハイブリッド環境全体での安全なAI導入を保証するためのパートナーシップを締結した。米国を拠点とするデータ・AI企業のClouderaと
オンセミ、シナプティクスを70億ドルの株式交換で買収へ エッジAIチップ市場での地位を強化
2月25日、大手半導体メーカーのオンセミ(onsemi)は、エッジAIチップの専門企業であるシナプティクス(Synaptics)を、総額約70億ドル(約476.6億元)の株式交換による取引で買収する意向を発表した。この取引は2027年半ばまでに完了する見込みである。両社の製品ラインは相互補完性が高く、シナジー効果は総額2億ドルに達すると見込まれている。本合意に基づき、Synapticsの既存株主は
ロボットユニコーン、Yushu Technologyが科学技術イノベーション板に進出; 契約時に52,000元、予想発行価格は100元を超える
8月5日、中国を代表するヒューマノイドロボット企業である Autonavi Technology は、9時30分から15時00までの間に、科学技術革新板(STAR Market)において初期のIPO問い合わせを開始した。引受証券会社および主幹事証券会社は同時にオフラインの投資家向けロードショーを実施し、戦略的割当参加者は購付資金の決済を行った。最終発行価格、資格を有する入札者、および割り当てられた株式数は8月6日に確定され、オンラインおよびオフラインでの購付は8月10日に開始し、支払期限は8月1





家






