A MiniMax é uma empresa que sempre foi discreta no círculo de IA chinês, mas a capacidade de geração de vídeo do Hailuo AI já conquistou uma reputação considerável no setor.
Forma do produto
O Hailuo AI é o produto voltado para o consumidor final da MiniMax, abrangendo diálogo por texto, síntese de voz e geração de vídeo. A geração de vídeo é o seu ponto mais forte.
Os usuários podem criar vídeos curtos por meio de descrições textuais, com estilos que cobrem realista, animação, arte e muitos outros. A qualidade de geração está no primeiro escalão entre as ferramentas nacionais e, em alguns cenários, pode competir com as primeiras versões do Sora.
Base tecnológica
Por trás da geração de vídeo está o modelo de base multimodal desenvolvido internamente pela MiniMax. Semelhante ao Sora, segue a abordagem de Modelo de Difusão (Diffusion) + Modelagem Temporal.
As características da MiniMax incluem:
- Compreensão mais precisa de cenários em chinês (prompts em chinês não precisam ser traduzidos para o inglês antes da geração)
- Boa consistência de personagem (a aparência do mesmo personagem não muda aleatoriamente no vídeo)
- Velocidade de geração relativamente rápida entre produtos similares
Cenário da corrida de geração de vídeo
Este campo ainda não tem um vencedor absoluto:
- Sora (OpenAI): A mais conhecida, mas com um caminho de comercialização acidentado
- Kling (Kuaishou): Provavelmente a de maior uso doméstico
- Runway: Muito usada por criadores estrangeiros
- Hailuo AI: Alcançando rapidamente em qualidade e experiência
A geração de vídeo é diferente da geração de texto; os usuários têm menor tolerância para resultados "mais ou menos". Um dedo extra, um objeto que desaparece de repente, e o vídeo inteiro fica inutilizável. Isso exige uma compreensão do mundo físico e uma consistência temporal extremamente altas do modelo.
A estratégia da MiniMax é o avanço multimodal paralelo — texto, voz e vídeo usam uma arquitetura de base unificada, permitindo que a compreensão entre diferentes modalidades se reforce mutuamente. Esta abordagem pode ser mais vantajosa a longo prazo do que desenvolver modelos de vídeo isoladamente.
Fonte de referência: Página oficial do produto MiniMax, CocoLoop, reportagem da 36Kr