مینی‌مکس مدل ویدیوی چندوجهی H3 با قابلیت صدای بومی را رونمایی کرد؛ سهام ۱۷ درصد جهش کرد

شرکت MiniMax روز جمعه از H3 رونمایی کرد؛ مدلی نسل جدید چندوجهی که متن، تصویر، ویدیو و صدا را در یک بافت یکپارچه پردازش می‌کند و ویدیوی بومی ۲K با صدای استریوی داخلی تولید می‌نماید، در کلیپ‌هایی با طول تا ۱۵ ثانیه. این شرکت چینی AI اعلام کرد که در روزهای آینده وزن‌های مدل را به صورت متن‌باز منتشر خواهد کرد تا توسعه‌دهندگان بتوانند سیستم پایه را دانلود و سفارشی‌سازی کنند، بدون اینکه صرفاً به API متکی باشند.

اهمیت این عرضه از آن روست که استراتژی وزن‌های باز MiniMax را وارد حوزه ویدیو می‌کند؛ دامنه‌ای که هنوز تحت سلطه سیستم‌های بسته و پرهزینه OpenAI (Sora) و Google (Veo) قرار دارد. MiniMax در طول سال گذشته شهرت خود را بر پایه عرضه مدل‌هایی ساخته که در بنچمارک‌های مرزی اختصاصی عملکردی رقابتی دارند، اما هزینه‌ای به مراتب کمتر از آزمایشگاه‌های آمریکایی دریافت می‌کنند و وزن‌ها را به صورت عمومی منتشر می‌سازند. H3 همین رویکرد را در حوزه ویدیو به کار می‌گیرد: MiniMax می‌گوید هزینه تولید فیلم ۲K با H3 حدود یک‌سوم رقبای اصلی است، شکافی قیمتی که شرکت آن را به عنوان اهرم رقابتی مستقیم در برابر Sora و Veo برای تولید ویدیوی تجاری معرفی می‌کند.

از منظر فنی، H3 سه مؤلفه جدید معرفی می‌کند که MiniMax آن‌ها را Contextual Omni Representation، H3-Omni Transformer و In-Context Regeneration می‌نامد. این سه مؤلفه با هم به مدل اجازه می‌دهند ورودی‌های ترکیبی را بپذیرد — یک پرامپت متنی در کنار یک تصویر مرجع، کلیپ ویدیویی یا تِرَک صوتی — و همه آن‌ها را در یک فضای بازنمایی مشترک نگه دارد؛ چیزی که MiniMax مدعی است پیروی از دستورالعمل و درک چندوجهی را نسبت به نسل قبلی خط ویدیویی Hailuo بهبود می‌بخشد. مدل همچنین برای سازگاری با تراشه‌های AI چینی داخلی طراحی شده، که بخشی از تلاش گسترده‌تر شرکت‌های AI چینی برای کاهش وابستگی به تراشه‌های ساخت آمریکا در آموزش و استنتاج است.

MiniMax مستقیماً H3 را برای کاربردهای تجاری معرفی می‌کند: تبلیغات، تصاویر محصول در تجارت الکترونیک، طراحی محصول و بازی‌ها — بازارهایی که در آن‌ها کلیپ‌های ۱۵ ثانیه‌ای آماده استفاده با صدای همگام‌سازی‌شده، ارزشمندتر از خروجی‌های سینمایی طولانی‌تر هستند. این هدف‌گذاری محدودتر از رویکرد گسترده‌تر Sora و Veo در حوزه خلق محتوای خلاقانه است، اما دقیقاً با بازارهایی انطباق دارد که استودیوها در حال حاضر بیشترین هزینه را برای ویدیوی استوک و تولیدی صرف می‌کنند.

واکنش بازار فوری بود: سهام گروه MiniMax در بورس هنگ‌کنگ (HKG: 0100) پس از اعلام این خبر تا ۱۷.۴ درصد جهش کرد و در پایان روز با افزایش ۱۵.۱ درصدی به تثبیت رسید. بخشی از این جهش به یک محرک جداگانه مربوط می‌شود — انتظارات رو به رشد سرمایه‌گذاران مبنی بر اینکه MiniMax به آستانه ورود به برنامه Stock Connect نزدیک شده، برنامه‌ای که به سرمایه‌گذاران چینی سرزمین اصلی اجازه می‌دهد سهام را مستقیماً از طریق لینک معاملاتی جنوبی خریداری کنند و می‌تواند ده‌ها میلیارد دلار هنگ‌کنگ جریان ورودی تازه به همراه بیاورد. به نظر می‌رسد عرضه H3 این مومنتوم موجود را تقویت کرده، نه اینکه از صفر ایجاد کرده باشد.

در بازار AI ویدیو، جزئیاتی که بیشتر از همه ارزش رصد کردن دارند، انتشار برنامه‌ریزی‌شده وزن‌های باز H3 است. اگر MiniMax طبق وعده داده‌شده در عرض چند روز این کار را انجام دهد، H3 به یکی از اولین مدل‌های ویدیویی چندوجهی در سطح مرزی با وزن‌های در دسترس عموم تبدیل می‌شود و به توسعه‌دهندگان و استودیوهای کوچک‌تر جایگزینی قابل میزبانی شخصی در برابر API های بسته‌ای می‌دهد که در حال حاضر این حوزه را تعریف می‌کنند — گزارش اولیه از Reuters، با جزئیات تکمیلی از Investing.com و KFGO.