MiniMax es una empresa que siempre ha sido discreta en el círculo de IA chino, pero la capacidad de generación de video de Hailuo AI ya ha ganado una reputación considerable en el sector.
Forma del producto
Hailuo AI es el producto orientado al consumidor final de MiniMax, que abarca diálogo de texto, síntesis de voz y generación de video. La generación de video es su punto más fuerte.
Los usuarios pueden crear videos cortos mediante descripciones de texto, con estilos que cubren realista, animación, arte y muchos otros. La calidad de generación se encuentra en el primer escalón entre las herramientas nacionales y, en algunos escenarios, puede competir con las primeras versiones de Sora.
Base tecnológica
Detrás de la generación de video se encuentra el modelo base multimodal desarrollado internamente por MiniMax. Similar a Sora, sigue el enfoque de Modelo de Difusión (Diffusion) + Modelado Temporal.
Las características de MiniMax incluyen:
- Comprensión más precisa de escenarios en chino (los prompts en chino no necesitan traducirse al inglés antes de la generación)
- Buena consistencia de personaje (la apariencia del mismo personaje no cambia aleatoriamente en el video)
- Velocidad de generación relativamente rápida entre productos similares
Panorama de la carrera de generación de video
Este campo aún no tiene un ganador absoluto:
- Sora (OpenAI): La más conocida, pero con un camino de comercialización accidentado
- Kling (Kuaishou): Probablemente la de mayor uso doméstico
- Runway: Muy utilizada por creadores extranjeros
- Hailuo AI: Alcanzando rápidamente en calidad y experiencia
La generación de video es diferente a la generación de texto; los usuarios tienen menor tolerancia a resultados "más o menos". Un dedo extra, un objeto que desaparece de repente, y todo el video se arruina. Esto exige una comprensión del mundo físico y una consistencia temporal extremadamente altas del modelo.
La estrategia de MiniMax es el avance multimodal paralelo — texto, voz y video utilizan una arquitectura base unificada, permitiendo que la comprensión entre diferentes modalidades se refuerce mutuamente. Este enfoque podría ser más ventajoso a largo plazo que desarrollar modelos de video por separado.
Fuente de referencia: Página oficial del producto MiniMax, CocoLoop, reportaje de 36Kr