メモリスによる要約- MiniMaxが8月2日公開、Seedance 2.0級のオープンモデル動画AIがローカルPCで動作
- 画像9枚・動画3本・音楽3本を参照するOmni Referenceをオープンモデルで初搭載
- RTX 4090で15秒動画に約20分、参照素材を外部に出さずに済む価値がある
動画生成AIの世界で、また一つ前提が崩れたらしい。クラウド版の高性能モデルに匹敵する動画AIが、無料で、しかも手元のPCで動くという。
ASCII.jpの連載「新清士のメタバース・プレゼンス」第168回によると、中国MiniMaxは8月2日、動画生成AIモデル「MiniMax H3」をオープンモデルとして公開した。クラウド版はByteDanceの「Seedance 2.0」に匹敵する性能とされ、実写・アニメ双方の絵柄に対応し、プロンプトへの追従力も高いという。ComfyUI向けの圧縮版でも能力の減退は小さいと同記事は伝えている。(ASCII.jp「とんでもない動画生成AIが出てきた」)
最大の特徴は「Omni Reference」機能である。画像を最大9枚、動画を最大3本、音楽を最大3本まで参照データとして渡し、それらとの一貫性を保ちながら動画を生成できる。クラウド型の動画AIではすでに珍しくない機能だが、オープンモデルとしての搭載は今回が初だとASCII.jpは指摘している。同記事の作例では、RTX 4090搭載PCで1248×832サイズ・15秒の動画を約20分で生成できたという。
そのまま業務に持ち込めるかといえば、話は単純ではない。生成に約20分というのは会議中の即応には使えない待ち時間だし、解像度の上限ゆえに圧縮由来のノイズも残るとされる。ただしスマホのような小さな画面で見る限りは判別しにくい水準にはあるらしい。提案資料に添えるラフな動画、社内検討用のイメージ映像といった、多少の粗さが許容される用途には現実的な選択肢になり得る。
ローカルで動くことの価値を「無料で公開された」という一点だけで語るのは、この機能の設計思想を見落とすことになる。Omni Referenceが要求するのは、画像9枚・動画3本・音楽3本という、ひとまとまりの参照素材の入力である。クラウドAPI経由でこれを使えば、未公開の製品画像や社内で撮った映像、発表前の音源までもが、生成のたびに外部のサーバーへ送られることになる。ローカルで完結するモデルが同じ機能を持つということは、その持ち出しをそもそも発生させずに済むという意味を持つ。
もっとも、この価値は誰にでも刺さるわけではない。RTX 4090クラスのGPUを個人や小さなチームが常設しているケースは限られるし、15秒の動画に20分という生成時間は、量産を前提にした制作フローには向かない。「無料で公開された」という見出しだけを見て導入を急ぐと、機材コストと待ち時間の両方で当てが外れる。
それでも、入力そのものが機密になり得る領域では、この設計は無視できない選択肢になる。発表前の製品画像や、社外に出せない会議の映像を参照素材として扱う場面は、動画生成AIの用途が広がるほど増えていく。処理を手元に置けるかどうかが機能の豊富さより先に問われる場面は、録音データのような扱いに注意が要る情報を処理するAIツールでも同様に起きている。MiniMax H3が示したのは、性能の追いつきだけでなく、そうした場面に応えるための選択肢が、クラウド一辺倒だったこの分野にも増えてきたということだろう。
あわせて読みたい： ワークマン、画像生成AIで撮影を代替 ｜ GenOffice登場、無料AIオフィスの実力は