MiniMax ist im chinesischen AI-Kreis eher zurückhaltend, aber die Videogenerierungsfähigkeit von Hailuo AI hat sich in der Szene bereits einen beachtlichen Ruf erarbeitet.
Produktform
Hailuo AI ist das Endkundenprodukt von MiniMax und umfasst Textdialog, Sprachsynthese und Videogenerierung. Die Videogenerierung ist dabei das herausragendste Merkmal.
Nutzer können durch Textbeschreibungen kurze Videos erstellen, die Stile umfassen realistisch, animiert, künstlerisch und viele weitere. Die Generierungsqualität liegt bei inländischen Tools in der ersten Liga und kann in einigen Szenarien mit frühen Versionen von Sora mithalten.
Technologische Basis
Hinter der Videogenerierung steht das selbst entwickelte multimodale Basismodell von MiniMax. Ähnlich wie Sora folgt es dem Ansatz Diffusionsmodell (Diffusion) + Zeitmodellierung.
Die Besonderheiten von MiniMax sind:
- Präziseres Verständnis chinesischer Szenarien (chinesische Prompts müssen nicht erst ins Englische übersetzt werden)
- Gute Charakterkonsistenz (das Aussehen derselben Figur ändert sich im Video nicht willkürlich)
- Relativ schnelle Generierungsgeschwindigkeit im Vergleich zu ähnlichen Produkten
Die Landschaft der Videogenerierung
In diesem Bereich gibt es noch keinen klaren Gewinner:
- Sora (OpenAI): Die bekannteste, aber der Kommerzialisierungsweg ist holprig
- Kling (Kuaishou): Wahrscheinlich die größte Nutzung im Inland
- Runway: Wird von vielen ausländischen Kreativen genutzt
- Hailuo AI: Holt bei Qualität und Erlebnis schnell auf
Videogenerierung unterscheidet sich von Textgenerierung; Nutzer haben eine geringere Toleranz für "ungefähre" Ergebnisse. Ein zusätzlicher Finger, ein plötzlich verschwindendes Objekt – das ganze Video ist unbrauchbar. Dies stellt extrem hohe Anforderungen an das physikalische Weltverständnis und die zeitliche Konsistenz des Modells.
Die Strategie von MiniMax ist die multimodale Parallelentwicklung – Text, Sprache und Video nutzen eine einheitliche Basisarchitektur, sodass sich das Verständnis zwischen den Modalitäten gegenseitig verstärken kann. Dieser Ansatz könnte langfristig vorteilhafter sein als die Entwicklung separater Videomodelle.
Quellenangabe: Offizielle MiniMax-Produktseite, CocoLoop, 36Kr-Bericht