音声付き2K動画を生成するAI「MiniMax H3」が登場、モデルが無料公開へ

中国のAI開発企業MiniMaxが、高性能な動画生成AI「MiniMax H3」を発表しました。最長15秒の映像をステレオ音声と共に作成でき、そのモデル自体がオープンウェイトとして公開されています。商用利用も可能であり、AIによる動画制作の幅を広げる動きとして注目されています。

何が起きたのか

まず、MiniMax H3は、テキストや画像、動画、音声といった多様な素材を組み合わせて、最大15秒の動画を作れるAIです。例えば、ある動画のカメラの動きを真似させつつ、別の人物に特定の歌声を歌わせるといった複雑な指示が可能です。解像度は2Kに達し、ステレオ音声も同時に生成します。さらに、このAIの「重み」と呼ばれる内部データがHugging Faceで公開されました。これにより、開発者はこのモデルを基に独自の活用や商用利用が行えるようになっています。

なぜ注目されているのか

つまり、今回の注目点は「高性能なモデルがオープンにされたこと」にあります。一般に、高度なAIは企業が中身を隠してサービスとして提供することが多いです。しかし、モデルの重みを公開する「オープンウェイト」形式であれば、世界中の開発者が性能を検証し、改良を加えることができます。動画生成AIは、これまで映像と音声を別々に作る工程が一般的でした。それを一度に、かつ高画質で実現し、さらにその仕組みを公開したことは、業界の競争を加速させるとみられます。

報道を読み比べると

PC Watchは、具体的な指示内容や商用利用が可能である点に触れています。一方でGIGAZINEは、このAIが世界2位の実力を持つとしている点や、開発チームがRedditで行った質疑応答の内容を報じました。特に、今後は画像の編集モデルや、動画を高精細にするアップスケールモデル、動作を軽くした低ステップ版などの公開を準備していることが明かされています。複数の媒体を通じて、単なる公開にとどまらない今後の展開が見えてきています。

この記事は、各社が公開している見出しと配信情報をAIが読み取り、要点・背景・論点を整理して自動生成したものです。速報性を優先しているため、内容に誤りや古い情報が含まれる場合があります。正確な情報は必ず上記の出典元をご確認ください。医療・投資・法律に関わる判断は専門家にご相談ください。