중국 AI 기업 미니맥스가 현지 시각 7월 31일 멀티모달 생성 모델 H3를 공개했다. 텍스트와 이미지, 영상, 음성을 각각 따로 다루지 않고 하나의 맥락으로 함께 이해하는 구조다. 2K 해상도에서 최대 15초 길이 영상을 네이티브 스테레오 음향과 함께 만든다.

기술 구성으로는 컨텍스추얼 옴니 리프리젠테이션과 H3-VAE, H3-옴니 트랜스포머, 인컨텍스트 리제너레이션이 제시됐다. 미니맥스는 학습 처리량이 약 30% 향상됐고 H3-VAE로 유효 시퀀스 길이가 4배로 늘었다고 밝혔다. 모두 자체 발표 수치다.

가중치 공개는 아직 예고 단계다. 미니맥스는 관련 법규를 따르는 범위에서 며칠 안에 모델 가중치를 개방할 계획이라고 밝혔다. 라이선스 명칭은 공식 발표에 없고, 평가 기관 아티피셜 애널리시스가 미니맥스 커뮤니티 라이선스라고 전했다.

가격은 배수로만 제시됐다. 2K 기준 초당 단가가 주요 모델의 3분의 1 미만이고 768p에서는 절반 미만이라는 설명이다. 구체적인 달러 단가는 공개되지 않았다.

아티피셜 애널리시스는 H3가 영상 편집 부문 1위이고 텍스트투비디오와 이미지투비디오에서 상위 3위 안에 든다고 밝혔다. 사우스차이나모닝포스트는 같은 데이터를 근거로 H3가 텍스트투비디오에서 구글 제미나이 옴니 플래시에 뒤졌고, 이미지투비디오에서는 바이트댄스 시댄스 2.0과 제미나이 옴니 플래시 모두에 뒤졌다고 전했다.

모델 규모는 공개되지 않았다. 미니맥스는 현재 모델 크기에 개선 여지가 남아 있으며 확장이 분명한 다음 경로라고만 언급했다. 이용 경로는 API와 소비자용 하이라오 AI 플랫폼이다.

자세한 내용은 미니맥스에서 확인할 수 있다.

이미지 출처: 미니맥스