MiniMax H3 vastaan ByteDancen Seedance: avoimet painot ja erittäin halpa tekoälyvideo

Miten H3 eroaa ByteDancen Seedancesta?

MiniMax on luvannut julkaista H3:n painot MiniMax Community License -lisenssillä. Kaupalliseen käyttöön liittyy 20 miljoonan dollarin liikevaihtoraja. ByteDancen Seedance puolestaan on suljettu malli, joten sen painoja ei tarjota samalla tavalla kehittäjien käyttöön .

Teknisesti H3 perustuu MiniMaxin H3-Omni Transformer -arkkitehtuuriin. Se käsittelee tekstiä, kuvia, videota ja ääntä yhtenäisenä kokonaisuutena. Seedance 2.5:n kuvataan perustuvan diffuusiomalliin, jonka painopiste on pitkien videojaksojen ajallisessa koherenssissa eli siinä, että liike ja tapahtumien jatkuvuus säilyvät kohtauksesta toiseen .

Ero näkyy myös hinnassa. MiniMaxin mukaan H3:n sekuntihinta 2K-tarkkuudella jää alle kolmannekseen valtavirran kilpailijoiden hinnoista .

Artificial Analysisin vertailussa H3 oli vahvimmillaan muokkauksessa

Riippumaton vertailualusta Artificial Analysis sijoitti MiniMax H3:n seuraavasti :

Videonmuokkauksessa, ääni mukana, H3 sai Artificial Analysisin vertailussa Elo-luvun 1 130. Tulos perustui 5 043 sokkoarvioituun käyttäjävertailuun .

Tekstistä videoksi -kategoriassa H3:n Elo-luku oli 1 242, mikä riitti toiseen sijaan . Tulokset eivät siis tee H3:sta automaattisesti parasta mallia kaikissa tehtävissä, mutta ne nostavat sen erityisesti muokkaus- ja ohjattavuuskäytössä kärkikahinoihin.

Hinnoittelu tuo kilpailuun uuden kierteen

H3:n API-hinnoittelu on yksi markkinoiden alhaisimmista :

• 2K-tarkkuus: 0,13–0,14 dollaria sekunnilta eli noin 7,80 dollaria minuutilta .
• 768p-tarkkuus: 0,09–0,10 dollaria sekunnilta; vaihtoehto on ilmoitettu suljetuksi betaksi .
• Kuvan viitteen käyttö: 0,04 dollaria kuvaa kohden. Viisi ensimmäistä viitekuvaa ovat ilmaisia, ja ääniviitteet ovat maksuttomia .

Vertailun vuoksi 2K-videon minuutti maksaa ilmoitettujen hintojen perusteella H3:lla 7,80 dollaria, Seedance 2.0:lla 22,45 dollaria ja Kling 3.0:lla 20,16 dollaria .

Hintaero voi olla merkittävä tuotantotiimeille, jotka tekevät useita versioita samasta mainoksesta, tuotteesta tai lyhyestä kohtauksesta. Generatiivisessa videossa ensimmäinen tulos ei yleensä ole valmis julkaistavaksi, joten kustannukset kasvavat nopeasti, jos samaa ideaa täytyy kokeilla kymmeniä kertoja.

Mitä H3 osaa?

H3 tuottaa 4–15 sekunnin videoleikkeitä alkuperäisellä 2K-tarkkuudella eli 2 560 × 1 440 pikselillä. Kuvataajuus on 24 ruutua sekunnissa. Stereoääni syntyy samassa päättelyvaiheessa kuin video, eikä sitä liitetä jälkikäteen erillisenä ääniraitana .

Mallille voi antaa syötteeksi tekstin, kuvia, videota ja ääntä samassa kontekstissa . Lisäksi se tukee Video-to-Video Motion Transfer -toimintoa, jossa yhden videon liike voidaan siirtää toiseen videoon. Tämä antaa käyttäjälle tarkempaa kontrollia esimerkiksi näyttelijän liikkeisiin, kameran toimintaan tai kohtauksen koreografiaan .

Kenelle MiniMax H3 on tarkoitettu?

MiniMax markkinoi H3:a tuotantokäyttöön useilla aloilla .

• Mainonta ja brändäys: mallin kerrotaan seuraavan ohjeita tarkasti, tuottavan tekstiä videoon ja säilyttävän brändin visuaalista ilmettä .
• Verkkokauppa: tuotteiden esittelyvideot ja mainosmateriaalit voidaan tuottaa valokuvista, tekstiohjeista ja äänestä .
• Elokuva ja tarinankerronta: liikkeensiirto auttaa esivisualisoinnissa ja tarkemmin ohjattujen kohtausten rakentamisessa .
• Käyttöliittymä- ja käyttäjäkokemussuunnittelu: H3:a voidaan käyttää animoitujen käyttöliittymäideoiden nopeaan prototypointiin .
• Pelaaminen: mallilla voidaan tuottaa lyhyitä pelivideoita ja muita audiovisuaalisia sisältöjä synkronoidulla stereoäänellä .

H3 on tällä hetkellä saatavilla API:n kautta mallinimellä MiniMax-H3 sekä kuluttajille suunnatulla Hailuo AI -alustalla . MiniMaxin mukaan mallin painot julkaistaan muutaman päivän sisällä julkaisusta .

Avoimet painot ovat lupaus, eivät vielä koko tarina

H3:n merkittävin strateginen ero Seedanceen nähden on se, että MiniMax pyrkii avaamaan mallin painot samalla kun se tarjoaa huipputarkkuuden ja kaupalliseen käyttöön suunnattuja ominaisuuksia. Jos ulkopuoliset kehittäjät pystyvät toistamaan mallin suorituskyvyn omissa työkaluissaan ja työnkuluissaan, vaikutus voi ulottua yksittäistä julkaisua laajemmalle.

Toistaiseksi H3:n käyttö on kuitenkin API- ja alustapohjaista. Siksi avoimien painojen käytännön merkitys riippuu siitä, milloin ne todella julkaistaan, millaisilla ehdoilla niitä voi käyttää ja kuinka hyvin ulkopuoliset tiimit pystyvät ajamaan mallia omassa infrastruktuurissaan. Varmaa on jo nyt se, että MiniMax on tehnyt AI-videon hintakilpailusta aiempaa kovempaa.